Baca juga : Big Data dalam memecahkan tantangan perencanaan kota
Menurut para Ahli, Inilah beberapa hal yang mungkin akan terjadi pada tahun 2019.
“Permintaan untuk aplikasi analitik yang cerdas akan mendefinisikan ulang praktik data perusahaan : Perusahaan berlomba untuk menjadi bisnis yang didukung data, namun hanya sebagian kecil dari nilai analitik canggih yang telah dibuka. Pada tahun 2019, akan ada permintaan tinggi untuk inovasi baru seputar aplikasi analitik cerdas yang didorong oleh interaksi real-time, analytics tertanam dan AI. ...
"Munculnya insinyur data membawa AI ke garis depan dalam perusahaan: Tahun lalu adalah tahun ilmuwan data . Perusahaan sangat fokus dalam merekrut dan memberdayakan para ilmuwan data untuk menciptakan analitik canggih dan model pembelajaran mesin. 2019 adalah tahun insinyur data. Insinyur data ... mengkhususkan diri dalam menerjemahkan karya ilmuwan data ke dalam solusi perangkat lunak yang digerakkan keras untuk bisnis. Ini melibatkan pembuatan pengembangan AI yang mendalam, pengujian, devops dan proses audit yang memungkinkan perusahaan untuk menggabungkan AI dan jalur pipa data pada skala di seluruh perusahaan.
“Pembelajaran manusia dan mesin membentuk sebuah hubungan simbiotik untuk mendorong keputusan bisnis waktu nyata: Pada tahun 2019, dunia AI dan analitik perlu bertemu untuk mendorong keputusan bisnis yang lebih bermakna. Ini akan memerlukan pendekatan umum untuk menggabungkan analitik batch historis, analitik streaming , intelijen lokasi, analisis grafik, dan kecerdasan buatan dalam satu platform tunggal untuk analisis kompleks. Hasil akhirnya adalah model baru untuk menggabungkan analisis ad-hoc dan pembelajaran mesin untuk memberikan wawasan yang lebih baik lebih cepat daripada sebelumnya. "
- Nima Negahban, CTO dan salah satu pendiri, Kinetica
“ Pengembang [akan] belajar bahwa mereka membutuhkan teman ilmuwan data.
“Pengembang tidak akan menjadi ilmuwan data - satu menulis kode , satu berpikir dalam matematika dan model. Tetapi devs akan semakin perlu memahami metodologi ilmu data, dan untuk mengintegrasikan model ilmu data ke dalam alur kerja mereka. Data membuat perangkat lunak lebih cerdas, memberikan kemampuan untuk memprediksi hasil atau mengantisipasi kebutuhan pengguna melalui pembelajaran mesin. Jadi pengembang semakin membutuhkan tingkat kemitraan baru dengan para ilmuwan data untuk membuat pekerjaan hebat terjadi. Pengembang dapat mengekspos model ilmuwan data melalui API , dan menyematkannya dalam aplikasi khusus domain untuk benar-benar mendorong perubahan.
“Pertimbangkan pengecer yang mencoba dengan cerdas memutuskan toko batu bata dan mortir mana untuk memenuhi pesanan e-commerce . Seorang ilmuwan data dapat membuat model yang menghitung toko optimal dari mana untuk dikirim, sehingga perusahaan mengirimkan sweater yang kemungkinan akan duduk di rak di toko di lokasi yang hangat, daripada yang kemungkinan dibeli oleh seorang pembelanja di dalam toko di daerah yang sangat dingin. Pengembang dapat menarik intelijen semacam itu ke dalam aplikasi pemenuhan, dan meletakkannya di tangan karyawan untuk membuat keputusan yang tepat. "
- Siddhartha Agarwal, Wakil Presiden, Manajemen & Strategi Produk, Oracle Cloud Platform
“Pada 2019, kecerdasan buatan (AI) dan pembelajaran mesin (ML) akan hampir mencapai potensi penuhnya dengan menghubungkan dan memproses data lebih cepat melalui distribusi global platform komputasi tepi . Wawasan AI dan ML selalu tersedia, tetapi mungkin leveraged sedikit lebih lambat dari yang dibutuhkan pada platform cloud atau pusat data tradisional . Sekarang kita dapat memindahkan komputasi dan kapabilitas penyimpanan lebih dekat ke tempat data diambil dan diproses, memungkinkan perusahaan, organisasi dan lembaga pemerintah untuk membuat keputusan yang lebih bijaksana dan lebih cepat. Kami sudah melihat ini dalam cara perusahaan penerbangan membangun dan melayani pesawat, agen pertahanan pemerintah menanggapi peretas dan bagaimana asisten pribadi membuat rekomendasi untuk pembelian online di masa depan. Tahun ini, berkat AI dan ML, seseorang akhirnya akan tahu apakah seseorang yang istimewa itu benar-benar menginginkan mesin cuci listrik. ”
Baca juga : Kemajuan Kecerdasan Buatan dalam bidang Keamanan
Baca juga : Kemajuan Kecerdasan Buatan dalam bidang Keamanan
- Alan Conboy, kantor CTO, Scale Computing
“2019 seolah-olah itu akan menjadi tahun analitik, pembelajaran mesin dan AI. Alat-alat ini sudah tersedia, meskipun pengambilannya sering tertunda karena kegagalan untuk mencocokkan kemampuan baru ini dengan alur kerja baru yang sesuai dan praktik SOC. Tahun depan harus melihat beberapa penipu - mereka yang mengaku menggunakan teknik ini, tetapi sebenarnya menggunakan korelasi generasi terakhir dan teknik waspada - menghilang, memungkinkan inovator nyata di bidang ini untuk mulai mendominasi. Ini kemungkinan mengarah pada beberapa akuisisi, karena petahana besar, yang telah berjuang untuk mengembangkan teknologi ini, berusaha untuk membelinya. 2019 adalah tahun untuk berinvestasi dalam startup keamanan pembelajaran mesin yang menunjukkan kemampuan nyata. ”
- Stephen Gailey, arsitek solusi, Exabeam
“Ketika AI dan ML menjadi arus utama, generasi baru ilmuwan data keamanan akan muncul pada tahun 2019: Teknik AI dan ML bergantung pada data. Mempersiapkan, mengolah, dan menafsirkan data membutuhkan data ilmuwan untuk menjadi polymath. Mereka perlu mengetahui ilmu komputer , ilmu data, dan yang terpenting, perlu memiliki keahlian domain untuk dapat mengetahui data buruk dari data yang baik dan hasil buruk dari hasil yang baik. Apa yang sudah mulai kita lihat adalah perlunya para pakar keamanan yang memahami ilmu data dan ilmu komputer untuk dapat terlebih dahulu memahami data keamanan yang tersedia untuk kita hari ini. Setelah data ini disiapkan, diproses dan diinterpretasikan, maka dapat digunakan oleh teknik AI dan ML untuk mengotomatisasi keamanan secara real time. "
- Setu Kulkarni, Wakil Presiden strategi perusahaan, WhiteHat
“Dalam pengembangan perangkat lunak , kisah besar pada 2019 adalah pembelajaran mesin dan AI. Di tahun yang akan datang, kualitas perangkat lunak akan sebanyak apa yang dipelajari mesin dan AI dapat menyelesaikan sebagai hal lain. Di masa lalu, proses pengiriman telah dirancang untuk menjadi ramping dan mengurangi atau menghilangkan limbah, tetapi bagi saya, itu adalah cara yang sudah ketinggalan zaman, setengah-gelas kosong untuk melihat proses. Tahun ini, jika kita ingin memanfaatkan sepenuhnya dua teknologi ini, kita perlu memahami bahwa kebalikan dari limbah adalah nilai dan mengambil pandangan setengah gelas penuh bahwa menjadi lebih efisien berarti meningkatkan nilai, daripada mengurangi limbah.
“Setelah sudut pandang itu tertanam dalam MO kami, kami akan dapat mengarahkan pandangan kami untuk menjadi lebih baik melalui peningkatan berkelanjutan, menjadi lebih cepat untuk bereaksi dan mengantisipasi kebutuhan pelanggan. Namun, seiring kami berintegrasi lebih lanjut dan memanfaatkan pembelajaran mesin dan AI, kami akan menyadari bahwa meningkatkan nilai memerlukan analisis prediktif . Analitik prediktif memungkinkan simulasi jalur pengiriman berdasarkan parameter dan opsi yang tersedia, sehingga Anda tidak perlu 'membombardir' organisasi untuk menemukan jalan menuju peningkatan. Anda akan dapat meningkatkan secara virtual, belajar pelajaran melalui simulasi dan, jika siap, mengimplementasikan rilis baru yang Anda yakin akan berhasil.
“Organisasi progresif, pada 2019, akan proaktif melalui simulasi. Jika mereka dapat mensimulasikan peningkatan pada pipa, mereka akan terus meningkat lebih cepat. "
- Bob Davis, CMO, Plutora
“Pada tahun 2019, cari tim data untuk menjadi lebih canggih saat bidang mereka matang, berevolusi untuk bekerja dengan kumpulan data yang lebih besar dan mengintegrasikan teknik baru ke dalam alur kerja mereka. Bahasa canggih seperti Ruby dan Python telah menjadi bagian yang lebih penting dari analisis sehari-hari dan harus menjadi inti dalam strategi 'hari nol' ketika membangun tumpukan teknologi apa pun. "
- Harry Glaser, CEO, Data Periscope
“Saya berharap untuk melihat adopsi metode yang baru-baru ini saya tulis, Mixed Formal Learning . Ini memungkinkan perusahaan untuk membuat sistem AI dengan akurasi luar biasa dan nol atau jumlah kecil data pelatihan. Dari sudut pandang bahan baku, banyaknya knalpot data yang diperlukan untuk melatih dan menguji solusi AI mencegah banyak perusahaan memasuki perlombaan AI.
“Setidaknya dua perusahaan, Google dan Glynt.ai , telah menunjukkan hasil yang spektakuler menggunakan Mixed Formal Learning. Glynt.ai menggunakan metode ini untuk mengekstrak data dari dokumen yang tidak terstruktur dengan kurang dari 10 contoh pelatihan. Hasilnya adalah akurasi sekitar 98%: lebih baik daripada tim dua pegawai entri data. Implementasi sebelumnya akan bangga jika mereka membutuhkan 1.000 contoh untuk melakukan tugas yang sama dengan akurasi 95%. "
- Sandra Carrico, VP Engineering dan Chief Data Scientist di Glynt.ai (unit bisnis WattzOn)
“Jika saya harus memprediksi apa yang akan menjadi besar di 2019, saya akan mengatakan AI - saya pikir kita akan melihat asisten virtual yang lebih baik dan chatbots yang lebih baik . Masalahnya dengan AI adalah bahwa kita, konsumen, tidak benar-benar menyadari tingkat pertumbuhan teknologi dan aplikasinya, karena ini bekerja di belakang layar.
“Juga, blockchain besar, dan semakin besar. Untuk saat ini, ia tidak memiliki aplikasi dalam ilmu data, tetapi saya tidak akan terkejut jika pada tahun 2019 mulai memiliki [aplikasi]. Yang pasti, semua penyimpanan terdesentralisasi ini dapat dimanfaatkan untuk melayani data besar. "
- Vania Nikolova, Ph.D. dalam Analisis Matematika, Kepala Analisis Data di RunRepeat.com
“Investasi besar-besaran baru-baru ini dalam ilmu data harus secara signifikan mengubah lanskap media sosial selama beberapa tahun ke depan. Sebagai vendor pendengaran sosial, kami melihat minat yang muncul dalam teknologi pengenalan gambar yang ditenagai AI , yang diperkenalkan oleh vendor SML utama. Ini sudah digunakan oleh beberapa merek yang merupakan pengadopsi dan inovator awal dan siap untuk permintaan global.
Baca juga : Alasan perusahaan menggunakan kecerdasan buatan
Baca juga : Alasan perusahaan menggunakan kecerdasan buatan
“Teknologi ini membawa wawasan pemasaran yang sepenuhnya baru ke merek dan agensi konsumen. Ini membantu mereka untuk memahami selera konsumen mereka dengan lebih baik - meskipun merek tersebut tidak disebutkan secara eksplisit dalam posting media sosial mereka. Ini adalah cara terbaik bagi pemasar dan spesialis media sosial untuk mempelajari lebih lanjut tentang situasi konsumsi produk, dan mengungkap wawasan konsumen yang berharga. "
- Alexandr Sirach, salah satu pendiri di YouScan (platform pendengaran media sosial bertenaga AI)
“Pada 2019, kami melihat permintaan untuk platform jalur sains data meningkat secara dramatis. Kami sering membandingkan ilmu data dengan boom pengembangan perangkat lunak, di mana GitHub dan platform pengembangan perangkat lunak lainnya berdampak secara drastis di bidang pengembangan. Kami melihat platform sains data meningkat dan memanfaatkan bidang sains data. ”
- Yochay Ettun, CEO dan Co-founder cnvrg.io dan pakar dalam Ilmu Data dan Pembelajaran Mesin
“Kami memperkirakan bahwa 2019 akan menjadi tahun ilmu data menjadi arus utama. Banyak klien dan mitra kami telah mulai menendang inisiatif inisiatif ilmu data yang lebih dalam pada tahun 2018, dan kami merasa bahwa momentum tumbuh dengan cepat untuk mengintegrasikan ilmu data ke dalam pengambilan keputusan dan kebijakan di seluruh organisasi pada akhir 2019. "