影响大数据、机器学习和人工智能未来发展的8个因素

人工智能、机器学习和不断增加的数据量正在改变当前的商业和社会模式。在这些领域有许多主题和问题需要首席信息官的关注。

几天前，奥雷利在伦敦地层召开了一次数据会议，与会者对大数据、机器学习和人工智能的发展方向有了更好的了解。这些新兴技术在过去五年中发展迅速，而新技术、流程和应用程序改变了组织管理数据的方式。

这次数据会议提供了技术发展的良好晴雨表。参与者可以理解技术在大数据处理中的作用以及开发人员和用户的担忧。会议还澄清了影响大数据、机器学习和人工智能未来发展的8个因素。

1. 5G将刺激机器学习的增长，并产生新的应用和服务

O’Reilly的数据科学家和会议组织者本·洛里卡(Ben Lorica)在会议上表示，他相信5G技术和边缘计算增加的带宽和灵活性将是关键驱动因素。他指出，中国已经成为这项技术的世界领导者，但许多公司仍在为他们正在进行的5G投资开发商业模式。

2.改变数据科学家的技能组合

Cassie Kozyrkov，谷歌的云决策科学家(Cloud Decision Scientist)在他的演讲中指出，随着机器学习工具的用户体验的提高，数据科学家所需的技能将不再专注于专业化，而是将更多地关注在孤岛上工作的能力，并更多地融入到业务中。

3.线上和线下世界正在融合

阿里巴巴电子商务集团和亚马逊正试图推出离线实体店，这些实体店仍在适应新的在线世界。电子商务集团的离线活动是实体零售商的竞争行为，而实体零售商的在线投资是防御性的。要完全实现这一切还有很长的路要走，但亚马逊和阿里巴巴等公司在大规模管理数据方面的专业知识为它们提供了关键优势。

4. 内部数据平台正成为增长和创新的关键

Lyft和宝马公司的数据科学家的演示表明，将数据平台置于新产品开发和业务流程管理的中心可以促进创新。尽管这对于像Lyft这样的数字本土公司来说可能是很自然的事情，但传统工业公司必须参与进来，因为数据生成传感器已经嵌入到产品中。

5.开放数据需要像开源软件一样认真对待

众所周知，开源软件背后是大数据和机器学习产品和服务的崛起。开源商业和技术案例的重要性在很多年前就被证实了。然而，人们很少注意开放数据对创新的重要性。

开放公司数据库提供商OpenCorporations的联合创始人兼执行官克里斯·塔加特强调了公司在依赖专有数据集时面临的问题，指出这些数据源可能很粗糙，元数据不会在产品之间共享。开放数据更加透明，不会将企业锁定在昂贵的商业合同中，企业很难放弃这些合同。

6.捕获和管理实时数据的重要性

尽管人工智能和机器学习项目并不总是需要实时或接近实时的数据，但构建能够处理数据的系统的能力可能是一种有价值的竞争优势。随着数据驱动的决策越来越多地嵌入到组织中，竞争优势有时会转移到能够更快响应事件的组织。亚马逊在这领域的网络服务的规模和广度表明，实现这一目标的工具变得越来越简单和便宜。

7. 法律和道德问题开始改变企业的创新方式

牛津大学的桑德拉·沃希特博士在会上的发言强调了一个问题，这个问题可能会在未来一两年内进一步讨论。她指出，许多公司现在意识到他们有义务保护个人数据，因为GDPR法规等相关法律已经生效。然而，监管机构仍在努力解决的一个较少讨论的问题是嵌入式算法需要根据它们处理的数据进行推理和决策。

至少在欧洲，用户有权查看他们持有的数据，并在不同程度上更正或删除这些数据。然而，由于信用检查和健康保险等领域的数据，公司可能会自动对用户做出假设，因此用户没有相同的补救措施。

8.中小企业如何在大数据和算法决策时代竞争

人们需要思考的一个问题是，没有来自互联网巨头或全球快速消费品公司的海量数据集的中小企业如何在大数据和算法决策时代进行竞争。大公司利用网络服务的网络效应来巩固自己的领先地位，这是对贤惠者的一种风险

然而，正如揭开数据系统的联合创始人兼技术官希夫纳特·巴布(Shivnath Babu)指出的那样，互联网和应用经济仍然可以让中小企业在其应用和在线活动中使用数据，并对市场产生影响。或许这一点以及来自公共数据源的开放数据的兴起，将为新一代初创企业改变世界提供基础，就像谷歌、脸书和亚马逊在过去20年所做的那样。