Get best of the week

Prakiraan untuk tahun 2020 di bidang AI, pembelajaran mesin dan otomatisasi robot


Pada akhir setiap tahun, publikasi online eWEEK menerbitkan pendapat para pemimpin ide TI mengenai harapan mereka untuk tahun mendatang: produk baru, layanan inovatif, tren, dll. Kami membawa kepada Anda terjemahan materi yang didedikasikan untuk 2020 mendatang. Dan ya, kami ingat ini sudah bulan Maret, tetapi perkiraan ini masih relevan.

Dongyan Wang, wakil presiden transformasi AI di Landing AI


Pengenalan AI di sektor non-konsumen dari industri Internet masih pada tahap awal. Banyak proyek macet di tingkat pilot karena kesulitan mulai dari kurangnya data hingga kurangnya pengetahuan tentang mengelola proses pembelajaran mesin yang kompleks. Pada tahun 2020, kami akan menyaksikan pengembangan platform AI end-to-end, vertikal yang akan memungkinkan pelanggan untuk menarik proyek AI mereka dari tahap uji coba dan membawa mereka ke garis finish.

Bruce Milne, Pivot 3


Pasar TI akan menyadari kemungkinan yang terkait dengan pemrosesan video . Pada tahun 2020, dengan peningkatan analitik video, kemungkinan tak terbatas akan mulai terbuka untuk TI. Saat ini, pembagian data video mencapai 60% dari semua informasi yang dikumpulkan. Pada tahun-tahun sebelumnya, perusahaan menganggap penyimpanan data ini hanya sebagai tugas dan biaya tambahan. Dan tahun ini kita akan menyaksikan perubahan: perusahaan akan mulai menganalisis data video untuk mengoptimalkan produk mereka atau memperkuat inisiatif strategis. Misalnya, dengan bantuan video, kota tidak hanya dapat meningkatkan keamanan sistem transportasi mereka, tetapi juga menerapkan teknik analisis video untuk membentuk kesimpulan penting, misalnya, tentang kebutuhan bandwidth.

Matt Kunkel, CEO LogicGate


Robotic Process Automation (RPA) akan melampaui AI dalam hal manajemen risiko dan kepatuhan terhadap peraturan . Alasannya adalah bahwa ketika Anda perlu menganalisis sejumlah besar data untuk perusahaan-perusahaan Fortune 500, informasi yang tersedia tidak cukup untuk memastikan relevansi peramalan menggunakan AI. RPA akan memberikan hasil, karena banyak fungsi yang terkait dengan manajemen risiko dan kepatuhan terhadap peraturan sejalan dengan proses formal. Dan semakin banyak informasi perusahaan melewati proses tertentu, semakin jelas cara mengotomasinya. Pertanyaannya tetap bagaimana mengoptimalkan dan mengulangi sistem tersebut.

Otomatisasi proses robot akan mulai diterapkan di berbagai bidang seperti manajemen risiko pihak ketiga; ITU membentuk kebijakan dan prosedur; audit internal.

David Jones, wakil presiden pemasaran, AODocs


AI bukan solusi manajemen informasi universal . Kami cenderung menganggap AI sebagai alat universal yang dapat menyelesaikan semua masalah bisnis dengan menerapkan algoritma tunggal. Itu hanya khayalan. Sudah waktunya untuk membuang ide bahwa ini adalah kekuatan dari satu algoritma AI yang kuat. Kita perlu beralih ke konsep banyak AI bot yang bersama-sama mengoptimalkan data yang terakumulasi sebelumnya. Pada tahun 2020, AI akan diterapkan ke database lama untuk mencari tahu data mana yang harus dibiarkan dan yang dapat dihapus sebagai tidak perlu, dan menggunakan metadata yang diperkaya untuk membuat pencarian yang lebih baik dan penyimpanan catatan yang disederhanakan. Tidak satu algoritma besar akan mengatasi ini, tetapi satu set algoritma yang saling berhubungan.

Cheryl Wiebe, Praktik Kerja Utama, Penasihat Intelijen Industri di Teradata


- Apa yang dunia sebut sebagai AI pada tahun 2020 akan dibagi menjadi beberapa area yang mungkin akan muncul oleh pemasar dengan nama yang lebih bermakna. Ini termasuk otomatisasi proses robot; seleksi otomatis dan pengembangan fungsionalitas; Persepsi AI (persepsi AI), yang mengotomatisasi dan meningkatkan persepsi fisik; dan juga AI untuk alokasi sumber daya, menggabungkan teknologi optimasi untuk memahami dan menanggapi permintaan secara real time.

- AI akan mulai meningkatkan proses manajemen data itu sendiri. Misalnya, dari sudut pandang distribusi sumber daya sistem, desain fungsionalitas berbantuan komputer, pengumpulan metadata operasional dan manajemen pengetahuan yang lebih baik (seperti penandaan).

Jeff Catlin, CEO Lexalytics


Pemrosesan bahasa alami dan analisis teks akan memainkan peran yang lebih penting dalam solusi RPA . Menurut Forrester dan Gartner, banyak pengembang RPA tertinggal dalam mendukung tren dalam penggunaan analitik teks. Solusi mereka tidak memiliki kemampuan untuk "menggunakan dokumen yang tidak terstruktur," termasuk PDF. Dan ketika menanamkan komponen analisis teks dan pemrosesan bahasa alami di berbagai lingkungan, masalah muncul. Seiring perusahaan mengotomatiskan proses yang semakin besar, pengembang alat pemrosesan bahasa alami akan menawarkan solusi yang menjanjikan yang memenuhi persyaratan RPA: penyebaran lokal atau hybrid-cloud, API yang mudah diintegrasikan, kemampuan penyesuaian, dan pengembalian investasi yang cepat.

Chad Meley, Wakil Presiden Pemasaran, Teradata


- Setelah munculnya beberapa pilot AI yang sukses dalam beberapa tahun terakhir, perusahaan akan kembali fokus pada manajemen dan integrasi data perusahaan , yang akan menciptakan dasar untuk pengembangan ratusan dan ribuan cara khusus menggunakan AI. Semua jenis kecerdasan mesin yang mengelilingi kita saat ini adalah kecerdasan buatan terbatas. Pada tahun 2020, inisiatif perusahaan AI yang sukses akan memungkinkan pengembangan ratusan, jika tidak ribuan aplikasi, dan algoritma yang sangat terspesialisasi akan dibuat untuk masing-masingnya.

- Perhatian besar akan diberikan pada pembuatan dan implementasi "tanpa analisis kode". Kami menyaksikan proses demokratisasi analitik canggih melalui otomatisasi beberapa aspek yang memakan waktu, seperti merancang fungsi dan memilih model. Tetapi penyebaran nyata dari analitik canggih akan difasilitasi oleh pengembangan pembelajaran mesin dan teknik analitik prosedural canggih lainnya, ketika mereka sama sekali tidak memerlukan keterampilan pemrograman atau bekerja dengan SQL. Analytics tanpa pemrograman akan tertanam dalam alur kerja atau dipanggil menggunakan menu drop-down sederhana. Ini tidak akan menyebabkan keusangan pemrograman di dunia analitik, tetapi akan memperluas ratusan kali metode penerapannya di perusahaan besar.

Jeff Catlin, CEO Lexalytics


Pencapaian utama dalam penelitian AI akan menjadi teoretis . Selama lima tahun terakhir, penggunaan AI telah jauh melampaui pemahaman kami tentang cara kerjanya. Dengan adanya perubahan praktis yang besar pada paruh kedua tahun 2019, saya memperkirakan bahwa tahun ini akan ada lebih sedikit terobosan pengembangan algoritma, tetapi kita akan melangkah lebih jauh dalam teori yang menjelaskan pekerjaan pembelajaran mesin. Area ini berkembang pesat, dan pada akhir 2020 keseimbangan akan kembali bergeser ke arah teori yang akan membuka jalan bagi generasi baru algoritma.

Jeff Catlin, CEO Lexalytics


Lebih sedikit keajaiban dan lebih banyak keputusan . Ini akan menjadi tahun yang baik untuk AI, itu akan memperkuat posisinya mendefinisikan teknologi untuk dekade berikutnya. Pemasok lebih pintar dan tidak lagi mempromosikan AI sebagai alat ajaib. Sebaliknya, mereka dengan benar mengatakan bahwa AI dapat membantu orang bekerja lebih cepat dan lebih baik.

Muddu Sudhakar, CEO Aisera.com


AIOps akan menghancurkan IT / cloud / DevOps tradisional. Di jantung DevOps adalah peningkatan respons dan fleksibilitas: AIOps dapat membantu mengotomatiskan langkah-langkah utama dari pengembangan hingga operasi, memprediksi hasil operasional, dan mengotomatiskan responsif terhadap perubahan dalam lingkungan operasional. Terlepas dari kenyataan bahwa layanan microsoft, cloud hybrid, komputasi periferal dan IoT meningkatkan kompleksitas aplikasi dan meningkatkan volume log di mana Anda harus mencari penyebab berbagai peristiwa, AIOps menyederhanakan agregasi data dari sistem yang berbeda, sementara DevOps meningkatkan efisiensi dengan mengintegrasikan perbedaan sebelumnya. sistem. Seperti DevOps, AIOps menstimulasi perubahan budaya, karena itu memerlukan evaluasi keseluruhan sistem, daripada berfokus pada teknologi atau tingkat infrastruktur tertentu. Ini juga membutuhkan tingkat yang nyaman dengan otomatisasi tingkat tinggi.

Jeff Catlin, CEO Lexalytics


Manajemen diri ... kita masih harus menunggu . Secara umum, AI akan menunjukkan sisi terbaiknya, tetapi akan ada sejumlah kegagalan penting, misalnya, di bidang mobil yang bisa menyetir sendiri. Smart Summon, model baru Tesla, sangat mengesankan, tetapi masih memiliki perkembangan panjang untuk dilakukan. Penyebaran luas model ini di komunitas Tesla akan menyebabkan munculnya banyak video dari kecelakaan dengan kecepatan rendah. Dalam video ini, mobil akan menabrak mobil lain, tiang lampu dan orang-orang.

More articles:


All Articles