Tương lai của khoa học dữ liệu và học máy

Theo Gartner, các xu hướng hàng đầu định hình tương lai của DSML bao gồm:

- Hệ sinh thái dữ liệu đám mây;
- Edge AI;
- AI có trách nhiệm;
- AI dựa trên dữ liệu;
- Đầu tư vào AI Accelerator.

null

1. Hệ sinh thái dữ liệu đám mây - Đánh giá và giải quyết các vấn đề tồn đọng

Các hệ sinh thái dữ liệu đang chuyển từ phần mềm độc lập hoặc kết hợp sang các giải pháp gốc hoàn toàn trên đám mây.

Theo dự báo của Gartner, đến năm 2024, có thể có tới 50% hoạt động triển khai hệ thống mới trên đám mây sẽ dựa trên hệ sinh thái dữ liệu đám mây gắn kết thay vì dựa trên các giải pháp điểm tích hợp thủ công.

Theo Gartner, để đánh giá hệ sinh thái dữ liệu, các tổ chức nên xem xét khả năng của nó trong việc giải quyết các thách thức liên quan đến dữ liệu phân tán, cũng như khả năng truy cập và tích hợp với các nguồn dữ liệu bên ngoài tổ chức.

Điều này giúp đảm bảo hệ sinh thái dữ liệu có thể đáp ứng các yêu cầu và mục tiêu cụ thể của tổ chức trong việc quản lý và tận dụng dữ liệu một cách hiệu quả.

2. Edge AI - Thích ứng nhanh chóng và linh hoạt

Edge AI là việc triển khai các ứng dụng AI được thực hiện gần người dùng tại rìa mạng, gần nơi đặt dữ liệu, thay vì tập trung trong cơ sở điện toán đám mây hoặc trung tâm dữ liệu riêng.

Nhu cầu về Edge AI đang tăng lên để cho phép xử lý dữ liệu tại điểm tạo ở biên, giúp các tổ chức có được thông tin chi tiết theo thời gian thực, phát hiện các mẫu mới và đáp ứng các yêu cầu nghiêm ngặt về quyền riêng tư dữ liệu.

Edge AI cũng giúp các tổ chức cải thiện quá trình phát triển, điều phối, tích hợp và triển khai AI.

Theo dự báo của Gartner, hơn 55% tổng số phân tích dữ liệu bằng mạng lưới học sâu sẽ diễn ra tại điểm thu thập trong một hệ thống biên vào năm 2025, tăng từ mức dưới 10% vào năm 2021.

Điều này đòi hỏi các tổ chức phải xác định các ứng dụng, đào tạo AI và suy luận cần thiết để di chuyển đến các môi trường biên gần các điểm cuối IoT.

Điều này đảm bảo rằng các tổ chức có thể tận dụng tối đa tiềm năng của Edge AI để đáp ứng nhanh chóng và linh hoạt với các yêu cầu và thay đổi trong môi trường kinh doanh hiện đại.

3. AI có trách nhiệm - Tìm hiểu và tuân thủ các quy tắc nhất định

Trí tuệ nhân tạo có trách nhiệm giúp xây dựng một lực lượng tích cực, chứ không phải là một mối đe dọa đối với xã hội và chính nó.

Điều này bao gồm nhiều khía cạnh như việc đưa ra các quyết định kinh doanh và đạo đức đúng đắn khi áp dụng trí tuệ nhân tạo mà các tổ chức thường đối mặt độc lập, như:

Giá trị kinh doanh, tính xã hội, rủi ro, niềm tin, minh bạch và trách nhiệm.

Gartner dự đoán rằng sự tập trung các mô hình trí tuệ nhân tạo được huấn luyện trước trong khoảng 1% nhà cung cấp trí tuệ nhân tạo vào năm 2025 sẽ là một vấn đề xã hội quan trọng.

Gartner khuyến nghị các tổ chức áp dụng quy trình phù hợp với rủi ro để mang lại giá trị từ trí tuệ nhân tạo và cẩn trọng khi áp dụng các giải pháp và mô hình.

Tìm hiểu về cam kết từ các nhà cung cấp để đảm bảo họ đang quản lý rủi ro và nghĩa vụ tuân thủ, bảo vệ tổ chức khỏi nguy cơ mất tiền, hành động pháp lý và tổn hại về danh tiếng.

4. AI dựa trên dữ liệu - Xây dựng hệ thống trí tuệ nhân tạo tốt hơn

Trí tuệ nhân tạo dựa trên dữ liệu đại diện cho một sự chuyển đổi từ việc căn cứ vào mô hình và mã nguồn trở thành một hướng tiếp cận tập trung hơn vào dữ liệu để xây dựng các hệ thống trí tuệ nhân tạo tốt hơn.

Các giải pháp như quản lý dữ liệu cụ thể cho trí tuệ nhân tạo, dữ liệu tổng hợp và công nghệ gán nhãn dữ liệu, nhằm giải quyết nhiều thách thức về dữ liệu, bao gồm:

Khả năng truy cập, khối lượng, quyền riêng tư, bảo mật, tính phức tạp và phạm vi.

Việc sử dụng AI tạo sinh để tạo ra dữ liệu tổng hợp là một lĩnh vực đang phát triển nhanh chóng, giảm bớt gánh nặng của việc thu thập dữ liệu thực tế để mô hình học máy có thể được đào tạo hiệu quả.

Theo dự báo của Gartner, đến năm 2024, 60% dữ liệu cho trí tuệ nhân tạo sẽ là dữ liệu tổng hợp để mô phỏng thực tế, tương lai và giảm rủi ro cho trí tuệ nhân tạo, tăng lên từ 1% vào năm 2021.

5. Đầu tư vào AI Accelerator - Tăng tốc đầu tư cho trí tuệ nhân tạo

AI Accelerator là phần cứng máy tính xử lý các yêu cầu cụ thể của AI, nhằm tăng tốc các quy trình như tác vụ mạng thần kinh nhân tạo (ANN), học máy (ML) và thị giác máy.

Các tổ chức đang tiếp tục tăng tốc đầu tư vào trí tuệ nhân tạo.

Theo dự báo của Gartner, đến cuối năm 2026, hơn 10 tỷ đô la sẽ được đầu tư vào các công ty khởi nghiệp trí tuệ nhân tạo dựa trên các mô hình cơ bản - các mô hình lớn được huấn luyện trên lượng dữ liệu lớn.
Một cuộc thăm dò gần đây của Gartner với hơn 2.500 nhà lãnh đạo cấp cao cho thấy 45% trong số họ cho biết xu hướng ChatGPT gần đây đã thúc đẩy họ tăng cường đầu tư vào trí tuệ nhân tạo.
70% trong số họ cho biết tổ chức của họ đang ở giai đoạn điều tra và khám phá với trí tuệ nhân tạo tạo sinh, trong khi 19% đang ở giai đoạn thử nghiệm hoặc sản xuất.