Gartner近日公布了影響數據科學和機器學習（DSML）未來的主要方向，這個領域正在快速發展以滿足人工智能對數據的需求。

Gartner首席分析師 Peter Krensky在近日于悉尼舉行的Gartner數據與分析峰會上表示：“隨著機器學習在各個行業的采用持續快速增長，數據科學和機器學習正在從僅僅關注預測模型，轉向更加民主化、動態化和數據為中心的領域，而且人們對生成式AI的熱情也推動了這一趨勢。雖然潛在風險不斷出現，但對數據科學家及其所在組織來說，很多新的功能和用例也在不斷涌現。”

Gartner稱，塑造數據科學和機器學習未來發展的主要方向包括：

云數據生態系統

數據生態系統正在從獨立軟件或者混合部署轉向完整的云原生解決方案。據Gartner預計，到2024年云中新的系統部署中，有50%將是基于內聚的云數據生態系統的，而不是手動集成的單點解決方案。

Gartner建議，組織應該根據他們解決分布式數據挑戰以及訪問和集成直接環境之外數據源的能力，來評估數據生態系統。

邊緣AI

對邊緣AI的需求不斷增長，從而能夠在邊緣生成數據的時候對其進行處理，幫助組織獲得實時洞察、檢測新模式、滿足嚴格的數據隱私要求。邊緣AI還可以幫助組織改進AI的開發、編排、集成和部署。

Gartner預測，到2025年，超過55%的深度神經網絡數據分析將發生在邊緣系統的捕獲點，而2021年這一比例還不到10%。組織應該確定分析所需的應用、AI訓練和推理，遷移到物聯網端點附近的邊緣環境中。

負責任的AI

負責任的AI讓AI成為一種積極的力量，而不是對社會和自身的威脅，其中涵蓋了組織在采用AI時做出正確的商業和道德選擇等很多方面，而且這些方面通常是組織獨立解決的，例如商業和社會價值、風險、信任、透明度和問責制。Gartner預測，到2025年，預訓練的AI模型將集中在1%的AI廠商那里，這將讓負責任的AI成為一個受社會關注的問題。

Gartner建議組織采用與風險相對應的方法來實現AI的價值，并在應用解決方案和模型的時候保持謹慎，應該獲得來自廠商的關于管理風險和合規義務的保證，保護組織免受潛在的財務損失、法律訴訟和聲譽損害。

以數據為中心的AI

以數據為中心的AI，代表了從以模型和代碼為中心的方法，向更注重數據以構建更好AI系統的轉變。很多解決方案，例如AI專門的數據管理、合成數據和數據標簽技術等，旨在解決包括可訪問性、容量、隱私、安全性、復雜性和范圍在內的很多挑戰。

使用生成式AI創建合成數據是一個快速發展的領域，這種技術可以減輕獲取真實世界數據的負擔，從而可以有效地訓練機器學習模型。Gartner預測，到2024年，60%的AI數據將通過合成用于模擬現實、未來場景并降低AI風險，而2021年這一比例僅為1%。

AI投資加速

那些實施解決方案的組織以及希望通過AI技術和基于AI的業務實現增長的行業，將繼續加速對AI的投資。Gartner預測，到2026年底，將有超過100億美金投資于那些依賴基礎模型（基于大量數據訓練的大型AI模型）的AI初創公司。

Gartner最近對2500多名高管進行的一項調查發現，有45%的受訪者表示，最近圍繞ChatGPT的炒作促使他們增加了對AI投資。有70%的受訪者表示，他們的組織正處于研究和探索生成式AI的階段，19%的受訪者表示，他們的組織正處于試點或生產階段。