人工智能-当企业寻求重新开放和收回足够收入来源
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2020-12-22
在2021年我们将看到AI机器学习和IoT定义并塑造我们的生活和行为
这种现象将持续很多年，这些进步会影响我们的工作方式，购买方式，支出方式，生活中每件事的处理方式，但是我认为公司将转向的真正明星将是诸如云和边缘计算之类的使能技术，由于它们能够处理和管理为人工智能，机器学习和物联网加油的所有必要数据的能力，它们将继续占主导地位，随着这些技术从手动或纸张驱动业务发展为终可以利用AI和IoT的力量的数字业务，这些技术将继续业务的数字化转型。
人工智能在2021年将变得越来越不人工
即使即将出现针对COVID-19的疫苗，人们的工作方式和互动方式也发生了根本性的变化，在新的一年中，远程工作将继续，社会隔离的要求将保持不变，供应链将继续面临中断，这种新的生活方式要求公司从产品到工厂再到终用户的整个价值链中有效地继续运营的新方法，人工智能（AI）的使用将成为应对这些挑战的标准，但是如果不考虑人类将如何与这些新的自治系统交互和利用，人工智能将失败，在2021年企业将以人为本的方式开展AI计划，了解用户需求和价值，然后相应地调整AI设计和模型，这将反过来，提高采用率。
为了使AI取得成功企业必须与技术本身一样关注人才和文化
企业变更管理团队对于推动数字化转型和AI前进至关重要，因为它可以带动人们一起参与变更之旅，并为可评估的结果建立企业，适当的变更管理是任何数字化转型计划中重要但仍被忽视的方面，全球董事总经理 适当的变更管理是任何数字化转型计划中重要但仍被忽视的方面，全球董事总经理 适当的变更管理是任何数字化转型计划中重要但仍被忽视的方面，在2021年企业将依靠AI系统摆脱快速获胜的局面，而专注于持久和有意义的业务价值，这一变化将推动组织内部更深入的数据素养计划，这将要求人们学习新技能并以新方式行事。
大多数消费者将继续对AI持怀疑态度
围绕可疑的AI道德问题，几个大型消费者品牌处于热门位置，大多数人仍然不信任AI，对于许多人来说，这是因为他们不了解它，甚至意识到自己每天都在使用它，消费者免费获得了许多基于人工智能的服务，以至于他们不了解自己所付出的个人回报-即他们的个人数据，只要广大公众仍然保持幼稚，他们将无法预知AI可能带来的危险或如何保护自己-除非市场能更好地教育客户或实施法规来保护他们，尽管如此，仍有证据表明我们正在扭转AI的可信度
对AI的偏见将在五年内得到充分缓解感到乐观
企业希望这成为事实-因为随着越来越多的公众意识到AI如何影响生活，并且在某些情况下受到人们的喜爱，他们将继续提出更棘手的问题，进一步削弱对AI的信任，迫使企业必须回答他们，企业不得不回答他们，基于AI的数字工作者将帮助企业长期保持战略发展，很少有人不同意人工智能和自动化对于公司未来的生存至关重要，但是研究表明，大多数公司尚未完全意识到其AI和自动化投资的好处，通过将强大的AI功能通过数字化劳动力链接到业务流程，我们将越来越多地看到组织大规模实施AI驱动的自动化，注入AI的自动化将越来越多地与核心战略计划相关联，例如改善客户关注度，收入增长，资本分配，供应链管理，风险管理，成本和运营效率等，人工智能驱动的数字工作者将被用作执行公司战略和管理企业规模风险的主要工具，快速有效地采用自动化将越来越被视为保持市场竞争力的重要组成部分。
人工智能实验将变得更具战略意义
实验在整个模型开发过程中进行–通常，每个重要的决定或假设都至少伴随一些实验或先前的研究来证明这些决定的合理性，从建立成熟的预测ML模型到进行统计测试或绘制数据图表，实验可以有多种形式，尝试所有可能的超参数，特征处理等的所有组合很快变得无法追踪，因此我们将开始看到组织为实验定义时间和/或计算预算，以及模型有用性的可接受性阈值。
在2021年我们终将看到AI成为主流
由于COVID-19企业被迫进行数字化转型，以便在新常态下生存，根据我们的研究，数字加速在新的一年没有停止的迹象，目前有86％的公司通过AI获得更好的客户体验的收益很可能会持续下去，大流行也改变了AI投资的业务重点，例如我们已经看到公司从简单的任务（如自动化）转变为专注于劳动力计划和仿真建模，随着企业继续从其对复杂流程的数字投资中看到收益，人工智能将在明年变得更加广泛和广泛使用。
AI和BI的融合将增强数据洞察力
在过去的五年中人工智能一直是所有公司讨论的一部分，然而挑战仍然是使大部分员工的高级AI见解民主化的过程，随着新的基于AI的BI产品的出现，孤岛将被打破，每个用户都将能够利用数据分析并轻松地找到见解，简单的界面，个性化的见解和引人入胜的数据体验将成为2021年及以后数据分析的标志，在过去的一年中，许多AI驱动的面部识别算法中的种族偏见一直是讨论的主要话题，由于2020年的社会动荡，这种偏见已达到顶峰。
研究发现了广泛的证据更有可能被误认
在2021年，对于任何利用AI或面部识别技术的公司来说，矫正AI偏见将成为一个主要话题，通过使用政府颁发的文档，您可以通过分析文档上的头像并将其与尝试访问系统的头像进行比较，从而快速轻松地证明ID所有权，2021年将是AI偏见揭露的一年，公司将开始实施根本性变革以消除软件中的种族偏见-其中一部分可以通过刻意关注公平和培训公司的ML系统以减少种族面部来实现识别错误。
2021年将是团队从随意约会AI到保持忠诚关系的一年
AI不再仅仅用于研发项目，是时候致力于调整这些解决方案，而不仅仅是调情它们了，我们现在必须自动化，随着计算能力，互联网规模数据和现代机器学习算法的融合，在过去的几年中，我们在AI方面开创了令人瞩目的新天地，在未来的几年中，我们将进入一个扩展时代，在这个时代中，将用一长串的商业用例进行原型设计，包装和生产，以增强现有产品和服务或创建全新的产品和服务。
人工智能的成功已从通用转移到利基市场
在企业中AI投资持续增长的同时，企业正在重新评估其技术堆栈以适应特定的AI，而不是声称做任何事情的“通用”黑匣子，生态位解决特定问题的完善用例将优先考虑预算，而不是自动化，它会做所有事情，人工智能的兴起：不久前，人工智能就是我们现在所知的人工智能，例如自动驾驶汽车或图像识别，但是如今出现了一种新的人工狭窄智能类别，它正在尝试复制人类的决策过程。从供应链的角度来看，这种新的AI可以帮助从“我如何给卡车加油？”这一方面更好地指导整个供应链的决策。或“如何按时获得产品？” 我计划在2021年增加这些狭窄解决方案，以取代战术性和规模较小的决策。
在边缘我们将开始看到开始出现
而企业试图操纵人员或对行为获得更深入的了解时，我预计会阻碍跟踪和客户360的方法的反弹，与各个小组在反面部识别工具方面所做的工作不同，我们将开始看到高科技和低端技术，这些技术使人工智能监视和理解我们的方法陷入僵局，随着越来越多的机构开始采用这些基于AI和ML的解决方案，执法部门有责任遵守道德政策并消除此类工具中的偏见。因此，各部门将开始制定自己的政策，并与理事机构合作，以负责任和合乎道德的方式使用AI，包括对相关团队和业务职能进行适当的培训，并创建一种具有数据驱动和负责任的决策精神的环境、 -制造更进一步执法机构将继续确保对AI系统进行审查，使其无偏差并根据需要进行纠正，他们将与公众进行沟通，以提高有关使用这些工具的透明度。
我们将在2021年看到更多以数据为驱动力的公司利用开源技术进行分析和AI
支持AI平台等开源分析技术，并且比依靠整合的传统企业数据仓库同行更具灵活性和成本效益数据存储在一个地方–一项耗时且成本高昂的工作，通常需要锁定供应商，明年由于的开放特性-开源许可证，开放格式，开放接口和开放云，诸如AI的Presto等分析引擎的使用将有所增加。
整个行业将从传统的水平AI平台
转向特定于领域的AI驱动产品和托管服务模型，通用平台不是解决方案，它们起步很冷，没有任何培训数据或数据模型结构-构建此模型，然后在生产中对其进行优化是一项专家和资源密集型任务，这超出了大多数公司的能力，2021年将采用针对特定行业的经过预先培训且证明行之有效的基于领域的AI驱动产品，从而推动从早期创新者市场进入大众市场的转变。
在2021年人工智能将不会映射到人类的能力范围上
我们可以使用算法使任何人都下棋，但无法泡杯茶，并且计算机程序的执行速度可以比人类快几百万倍，但是如果被问及谁能赢得下一届世界杯，他们甚至都不会理解问题，他们的能力不是普遍的，在AI方面我们同时高估和低估了算法的功能，当我们高估它们时，我们会发现人类的判断被归于事后思考-一个危险的地方，尽管该算法产生的许多结果完全违反常识，但在A级成绩中使用“变异算法”当我们低估算法时，我们看到整个行业都崩溃了，因为他们没有看到即将到来的变化
当算法可以在不到3分钟的时间内让您乘车时，传统的出租车业务将如何竞争？
希望工程师在2021年通过不尝试将算法映射到人的能力范围来避免AI和算法失误，使用AI技术例如任意上下文语音识别来增强人类的能力，并在针对现实世界的用例例如客户体验和网络会议中找到AI自动化和人类知识之间的正确平衡，将开始有效地使用未来的人工智能。
期望工程师不要尝试将算法映射到人类的能力范围上，从而避免AI和算法失误
使用AI技术例如任意上下文语音识别来增强人类的能力，并在针对现实世界的用例（例如客户体验和网络会议）中找到AI自动化和人类知识之间的正确平衡，将开始有效地使用未来的人工智能，期望工程师不要尝试将算法映射到人类的能力范围上，从而避免AI和算法失误，使用AI技术（例如任意上下文语音识别）来增强人类的能力，并在针对现实世界的用例（例如客户体验和网络会议）中找到AI自动化和人类知识之间的正确平衡，将开始有效地使用未来的人工智能。
负责任的AI / ML将成为云ML业界热门的话题
鉴于社会越来越重视打击不公平和偏见，以及人们对提高机器学习模型的可解释性和可解释性的整体兴趣，云提供商将投资并增强其机器学习产品，以提供一整套负责任的机器学习/人工智能功能，旨在满足并保证监管者，建模者，管理层和市场对ML的合理使用，同时在负责任的AI / ML框架内，易用性和UX的显着增强将推动AI / ML在整个行业的爆炸式增长和使用，以推动该行业的下一个增长突飞猛进。
用于网络的AIOps将成为主流
明年许多企业的AIOps将从理论变为实践，随着远程工作人员的增加以及家庭成为新的微型分支机构，AI将成为桌面赌注，可为云计算用户提供出色的客户体验，同时控制远程员工的IT支持成本，IT团队将需要采用AIOps来扩展和自动化其运营，AIOps云SaaS将颠覆客户支持模式，AI不会主动向IT机构提交票证，而是会主动识别存在连接或体验问题的用户，并解决（自动驾驶网络）或针对IT建议采取的补救措施来打开罚单。
与前几年相比人工智能和机器学习将在供应链战略中扮演更加重要的角色
到2021年，对整个供应链的更多实时洞察力的需求将继续增长，特别是由于COVID-19大流行期间购买行为的突然变化导致供应链组织重新评估其运营，为了满足这一需求，供应链组织将需要寻求支持人工智能（AI）和机器学习（ML）的技术，以从当前的描述性和描述性分析中进行升级，并利用预测性分析—在提供之前建议采取行动根据先前的操作发生事件，通常由于被具有不同系统的大公司收购，公司会遇到各种混乱和分散的情况，2021年，供应链利益相关者将寻求在所有模块上部署数字孪生，以增加可视性，并确保公司现有系统与新技术（例如传感器和纳米传感器）之间的同步化，这些新技术将以越来越大的数量投放市场。
AI的偏见造成了巨大的伤害-从通过加强性别刻板印象影响招聘过程到信贷评分和贷款方面的种族歧视
企业知道聘用多样化的员工可以为AI模型提供一定程度的真实性，并且他们知道需要不断监控培训数据的偏差，因为这会影响算法的质量和准确性，他们还知道，目前尚没有基于道德的衡量标准来真正减轻AI的偏见，并且有必要这样做，在2021年我们将看到企业已经过去，只是承认并“担心”人工智能的偏见，并开始采取更重大的举措来解决它-因为这是必需的，将成立专门的团队和/或倡议，以应对负责任的AI框架下的所有担忧，包括从数据固有的偏见到公平对待数据培训师的一切，建立负责任的AI计划不仅会成为某些公司董事会的职责，而且领导AI努力的公司的合作伙伴和客户也会要求它。
以增强客户体验并实现应用程序保证和优化
面对一年的不可预测性，企业在使技术堆栈可靠且主动方面将不得不期望出乎意料，我们将看到对AIOps的需求将继续增长，因为它可以使用AI，ML和预测分析来解决和预测这些意外情况。跨越混合内部部署和云基础架构的数字企业应用程序日益复杂，再加上采用现代应用程序架构（例如容器化），将导致数据量和复杂性的增长。虽然现代数字环境中的数据过载可能会延迟维修并压倒IT Ops团队，嘈杂的数据集将成为过去的障碍，因为更智能的策略和集中化的AIOps系统可帮助组织改善客户体验，提供现代的应用程序保证和优化，将其与智能自动化联系起来并以自主数字企业的形式蓬勃发展。
实际上传统的IT运营方法可能不再可行–不可避免地要采用AIOps
以便能够扩展资源并有效管理现代环境，传统的IT运营方法可能不再可行–不可避免地要采用AIOps，以便能够扩展资源并有效管理现代环境，鲜明的现实是，2021年将是那些真正从事AI的人开始大规模实现价值的一年，而那些花数月训练脆弱模型而未能赶上来的人将处于越来越大，呈指数级的劣势，一公里的挑战将变得更加轻松-但是，思维和方法的根本转变对于克服复杂性障碍至关重要。
优雅的风险评估：随着AIOps空间的不断成熟
我们看到供应商有机会改进其风险评估功能，以使客户能够以几乎确定的方式解决问题，而不会破坏系统中的任何其他内容，在2021年我们将看到供应商和用户之间越来越多的关注，这将是实现更优雅的依赖关系映射的一个方面，以便工程师可以在修复过程或构建更改周期的过程中准确评估风险，以进行软件更改，从而确保环境的一部分更改不会破坏其他系统。
在2021年人工智能将不会映射到人类的能力谱上
我们可以拥有可以使任何人下象棋的人都无法收拾的算法，并且无法煮一杯茶，并且计算机程序的执行速度比人类快几百万倍，但是，如果问到谁将赢得下一届世界杯，他们甚至都不了解这个问题。他们的能力不是普遍的。在AI方面，我们同时高估和低估了算法的功能。当我们高估它们时，我们会发现人类的判断被归于事后思考-一个危险的地方。尽管该算法产生的许多结果完全违反常识，但在英国A级成绩中使用“变异算法”却是丑闻。当我们低估算法时，我们看到整个行业都崩溃了，因为他们没有看到即将到来的变化
到2021年处于边缘的ML将成为AI / ML行业的主要焦点之一
在汽车智能工厂和智能家居行业，对智能边缘应用的需求正在迅速增长。随着广泛可用的高效边缘ML开发工具和半导体公司推出具有ML功能，采用边缘ML应用将成为主要趋势，临床社区将增加对联合学习方法的使用，以跨各种机构，地区，患者人口统计数据和医疗扫描仪建立健壮的AI模型。即使有大量数据需要训练，这些模型的敏感性和选择性也优于单个机构建立的AI模型。另外，研究人员无需共享机密的患者信息即可在AI模型创建上进行协作。联合学习还有助于为数据稀缺的区域（例如，儿科和罕见疾病）建立AI模型。
AI卓越中心过去十年来，公司一直在争夺高薪数据科学家
但由于缺乏支持性基础架构，其生产力一直低于预期，更多的组织将通过以超级计算规模构建集中的共享基础架构来加快AI的投资回报。这将促进数据科学人才的培养和扩展，实践的共享，并加速解决复杂的AI问题，AI表达将缩小无缝用户体验的范围：当我们回顾AI的历史时，算法是重要的，用户体验位居第二，但是随着我们进入2021年，支持AI的应用将越来越关注可用性。AI的表达对用户而言是无缝的，并且在后台毫不干扰地工作
AI / ML支持的平台将找到新方法来引导用户获得更好的结论和解决方案
这种现象将持续很多年，这些进步会影响我们的工作方式，购买方式，支出方式，生活中每件事的处理方式，但是我认为公司将转向的真正明星将是诸如云和边缘计算之类的使能技术，由于它们能够处理和管理为人工智能，机器学习和物联网加油的所有必要数据的能力，它们将继续占主导地位，随着这些技术从手动或纸张驱动业务发展为终可以利用AI和IoT的力量的数字业务，这些技术将继续业务的数字化转型。
人工智能在2021年将变得越来越不人工
即使即将出现针对COVID-19的疫苗，人们的工作方式和互动方式也发生了根本性的变化，在新的一年中，远程工作将继续，社会隔离的要求将保持不变，供应链将继续面临中断，这种新的生活方式要求公司从产品到工厂再到终用户的整个价值链中有效地继续运营的新方法，人工智能（AI）的使用将成为应对这些挑战的标准，但是如果不考虑人类将如何与这些新的自治系统交互和利用，人工智能将失败，在2021年企业将以人为本的方式开展AI计划，了解用户需求和价值，然后相应地调整AI设计和模型，这将反过来，提高采用率。
为了使AI取得成功企业必须与技术本身一样关注人才和文化
企业变更管理团队对于推动数字化转型和AI前进至关重要，因为它可以带动人们一起参与变更之旅，并为可评估的结果建立企业，适当的变更管理是任何数字化转型计划中重要但仍被忽视的方面，全球董事总经理 适当的变更管理是任何数字化转型计划中重要但仍被忽视的方面，全球董事总经理 适当的变更管理是任何数字化转型计划中重要但仍被忽视的方面，在2021年企业将依靠AI系统摆脱快速获胜的局面，而专注于持久和有意义的业务价值，这一变化将推动组织内部更深入的数据素养计划，这将要求人们学习新技能并以新方式行事。
大多数消费者将继续对AI持怀疑态度
围绕可疑的AI道德问题，几个大型消费者品牌处于热门位置，大多数人仍然不信任AI，对于许多人来说，这是因为他们不了解它，甚至意识到自己每天都在使用它，消费者免费获得了许多基于人工智能的服务，以至于他们不了解自己所付出的个人回报-即他们的个人数据，只要广大公众仍然保持幼稚，他们将无法预知AI可能带来的危险或如何保护自己-除非市场能更好地教育客户或实施法规来保护他们，尽管如此，仍有证据表明我们正在扭转AI的可信度
对AI的偏见将在五年内得到充分缓解感到乐观
企业希望这成为事实-因为随着越来越多的公众意识到AI如何影响生活，并且在某些情况下受到人们的喜爱，他们将继续提出更棘手的问题，进一步削弱对AI的信任，迫使企业必须回答他们，企业不得不回答他们，基于AI的数字工作者将帮助企业长期保持战略发展，很少有人不同意人工智能和自动化对于公司未来的生存至关重要，但是研究表明，大多数公司尚未完全意识到其AI和自动化投资的好处，通过将强大的AI功能通过数字化劳动力链接到业务流程，我们将越来越多地看到组织大规模实施AI驱动的自动化，注入AI的自动化将越来越多地与核心战略计划相关联，例如改善客户关注度，收入增长，资本分配，供应链管理，风险管理，成本和运营效率等，人工智能驱动的数字工作者将被用作执行公司战略和管理企业规模风险的主要工具，快速有效地采用自动化将越来越被视为保持市场竞争力的重要组成部分。
人工智能实验将变得更具战略意义
实验在整个模型开发过程中进行–通常，每个重要的决定或假设都至少伴随一些实验或先前的研究来证明这些决定的合理性，从建立成熟的预测ML模型到进行统计测试或绘制数据图表，实验可以有多种形式，尝试所有可能的超参数，特征处理等的所有组合很快变得无法追踪，因此我们将开始看到组织为实验定义时间和/或计算预算，以及模型有用性的可接受性阈值。
在2021年我们终将看到AI成为主流
由于COVID-19企业被迫进行数字化转型，以便在新常态下生存，根据我们的研究，数字加速在新的一年没有停止的迹象，目前有86％的公司通过AI获得更好的客户体验的收益很可能会持续下去，大流行也改变了AI投资的业务重点，例如我们已经看到公司从简单的任务（如自动化）转变为专注于劳动力计划和仿真建模，随着企业继续从其对复杂流程的数字投资中看到收益，人工智能将在明年变得更加广泛和广泛使用。
AI和BI的融合将增强数据洞察力
在过去的五年中人工智能一直是所有公司讨论的一部分，然而挑战仍然是使大部分员工的高级AI见解民主化的过程，随着新的基于AI的BI产品的出现，孤岛将被打破，每个用户都将能够利用数据分析并轻松地找到见解，简单的界面，个性化的见解和引人入胜的数据体验将成为2021年及以后数据分析的标志，在过去的一年中，许多AI驱动的面部识别算法中的种族偏见一直是讨论的主要话题，由于2020年的社会动荡，这种偏见已达到顶峰。
研究发现了广泛的证据更有可能被误认
在2021年，对于任何利用AI或面部识别技术的公司来说，矫正AI偏见将成为一个主要话题，通过使用政府颁发的文档，您可以通过分析文档上的头像并将其与尝试访问系统的头像进行比较，从而快速轻松地证明ID所有权，2021年将是AI偏见揭露的一年，公司将开始实施根本性变革以消除软件中的种族偏见-其中一部分可以通过刻意关注公平和培训公司的ML系统以减少种族面部来实现识别错误。
2021年将是团队从随意约会AI到保持忠诚关系的一年
AI不再仅仅用于研发项目，是时候致力于调整这些解决方案，而不仅仅是调情它们了，我们现在必须自动化，随着计算能力，互联网规模数据和现代机器学习算法的融合，在过去的几年中，我们在AI方面开创了令人瞩目的新天地，在未来的几年中，我们将进入一个扩展时代，在这个时代中，将用一长串的商业用例进行原型设计，包装和生产，以增强现有产品和服务或创建全新的产品和服务。
人工智能的成功已从通用转移到利基市场
在企业中AI投资持续增长的同时，企业正在重新评估其技术堆栈以适应特定的AI，而不是声称做任何事情的“通用”黑匣子，生态位解决特定问题的完善用例将优先考虑预算，而不是自动化，它会做所有事情，人工智能的兴起：不久前，人工智能就是我们现在所知的人工智能，例如自动驾驶汽车或图像识别，但是如今出现了一种新的人工狭窄智能类别，它正在尝试复制人类的决策过程。从供应链的角度来看，这种新的AI可以帮助从“我如何给卡车加油？”这一方面更好地指导整个供应链的决策。或“如何按时获得产品？” 我计划在2021年增加这些狭窄解决方案，以取代战术性和规模较小的决策。
在边缘我们将开始看到开始出现
而企业试图操纵人员或对行为获得更深入的了解时，我预计会阻碍跟踪和客户360的方法的反弹，与各个小组在反面部识别工具方面所做的工作不同，我们将开始看到高科技和低端技术，这些技术使人工智能监视和理解我们的方法陷入僵局，随着越来越多的机构开始采用这些基于AI和ML的解决方案，执法部门有责任遵守道德政策并消除此类工具中的偏见。因此，各部门将开始制定自己的政策，并与理事机构合作，以负责任和合乎道德的方式使用AI，包括对相关团队和业务职能进行适当的培训，并创建一种具有数据驱动和负责任的决策精神的环境、 -制造更进一步执法机构将继续确保对AI系统进行审查，使其无偏差并根据需要进行纠正，他们将与公众进行沟通，以提高有关使用这些工具的透明度。
我们将在2021年看到更多以数据为驱动力的公司利用开源技术进行分析和AI
支持AI平台等开源分析技术，并且比依靠整合的传统企业数据仓库同行更具灵活性和成本效益数据存储在一个地方–一项耗时且成本高昂的工作，通常需要锁定供应商，明年由于的开放特性-开源许可证，开放格式，开放接口和开放云，诸如AI的Presto等分析引擎的使用将有所增加。
整个行业将从传统的水平AI平台
转向特定于领域的AI驱动产品和托管服务模型，通用平台不是解决方案，它们起步很冷，没有任何培训数据或数据模型结构-构建此模型，然后在生产中对其进行优化是一项专家和资源密集型任务，这超出了大多数公司的能力，2021年将采用针对特定行业的经过预先培训且证明行之有效的基于领域的AI驱动产品，从而推动从早期创新者市场进入大众市场的转变。
在2021年人工智能将不会映射到人类的能力范围上
我们可以使用算法使任何人都下棋，但无法泡杯茶，并且计算机程序的执行速度可以比人类快几百万倍，但是如果被问及谁能赢得下一届世界杯，他们甚至都不会理解问题，他们的能力不是普遍的，在AI方面我们同时高估和低估了算法的功能，当我们高估它们时，我们会发现人类的判断被归于事后思考-一个危险的地方，尽管该算法产生的许多结果完全违反常识，但在A级成绩中使用“变异算法”当我们低估算法时，我们看到整个行业都崩溃了，因为他们没有看到即将到来的变化
当算法可以在不到3分钟的时间内让您乘车时，传统的出租车业务将如何竞争？
希望工程师在2021年通过不尝试将算法映射到人的能力范围来避免AI和算法失误，使用AI技术例如任意上下文语音识别来增强人类的能力，并在针对现实世界的用例例如客户体验和网络会议中找到AI自动化和人类知识之间的正确平衡，将开始有效地使用未来的人工智能。
期望工程师不要尝试将算法映射到人类的能力范围上，从而避免AI和算法失误
使用AI技术例如任意上下文语音识别来增强人类的能力，并在针对现实世界的用例（例如客户体验和网络会议）中找到AI自动化和人类知识之间的正确平衡，将开始有效地使用未来的人工智能，期望工程师不要尝试将算法映射到人类的能力范围上，从而避免AI和算法失误，使用AI技术（例如任意上下文语音识别）来增强人类的能力，并在针对现实世界的用例（例如客户体验和网络会议）中找到AI自动化和人类知识之间的正确平衡，将开始有效地使用未来的人工智能。
负责任的AI / ML将成为云ML业界热门的话题
鉴于社会越来越重视打击不公平和偏见，以及人们对提高机器学习模型的可解释性和可解释性的整体兴趣，云提供商将投资并增强其机器学习产品，以提供一整套负责任的机器学习/人工智能功能，旨在满足并保证监管者，建模者，管理层和市场对ML的合理使用，同时在负责任的AI / ML框架内，易用性和UX的显着增强将推动AI / ML在整个行业的爆炸式增长和使用，以推动该行业的下一个增长突飞猛进。
用于网络的AIOps将成为主流
明年许多企业的AIOps将从理论变为实践，随着远程工作人员的增加以及家庭成为新的微型分支机构，AI将成为桌面赌注，可为云计算用户提供出色的客户体验，同时控制远程员工的IT支持成本，IT团队将需要采用AIOps来扩展和自动化其运营，AIOps云SaaS将颠覆客户支持模式，AI不会主动向IT机构提交票证，而是会主动识别存在连接或体验问题的用户，并解决（自动驾驶网络）或针对IT建议采取的补救措施来打开罚单。
与前几年相比人工智能和机器学习将在供应链战略中扮演更加重要的角色
到2021年，对整个供应链的更多实时洞察力的需求将继续增长，特别是由于COVID-19大流行期间购买行为的突然变化导致供应链组织重新评估其运营，为了满足这一需求，供应链组织将需要寻求支持人工智能（AI）和机器学习（ML）的技术，以从当前的描述性和描述性分析中进行升级，并利用预测性分析—在提供之前建议采取行动根据先前的操作发生事件，通常由于被具有不同系统的大公司收购，公司会遇到各种混乱和分散的情况，2021年，供应链利益相关者将寻求在所有模块上部署数字孪生，以增加可视性，并确保公司现有系统与新技术（例如传感器和纳米传感器）之间的同步化，这些新技术将以越来越大的数量投放市场。
AI的偏见造成了巨大的伤害-从通过加强性别刻板印象影响招聘过程到信贷评分和贷款方面的种族歧视
企业知道聘用多样化的员工可以为AI模型提供一定程度的真实性，并且他们知道需要不断监控培训数据的偏差，因为这会影响算法的质量和准确性，他们还知道，目前尚没有基于道德的衡量标准来真正减轻AI的偏见，并且有必要这样做，在2021年我们将看到企业已经过去，只是承认并“担心”人工智能的偏见，并开始采取更重大的举措来解决它-因为这是必需的，将成立专门的团队和/或倡议，以应对负责任的AI框架下的所有担忧，包括从数据固有的偏见到公平对待数据培训师的一切，建立负责任的AI计划不仅会成为某些公司董事会的职责，而且领导AI努力的公司的合作伙伴和客户也会要求它。
以增强客户体验并实现应用程序保证和优化
面对一年的不可预测性，企业在使技术堆栈可靠且主动方面将不得不期望出乎意料，我们将看到对AIOps的需求将继续增长，因为它可以使用AI，ML和预测分析来解决和预测这些意外情况。跨越混合内部部署和云基础架构的数字企业应用程序日益复杂，再加上采用现代应用程序架构（例如容器化），将导致数据量和复杂性的增长。虽然现代数字环境中的数据过载可能会延迟维修并压倒IT Ops团队，嘈杂的数据集将成为过去的障碍，因为更智能的策略和集中化的AIOps系统可帮助组织改善客户体验，提供现代的应用程序保证和优化，将其与智能自动化联系起来并以自主数字企业的形式蓬勃发展。
实际上传统的IT运营方法可能不再可行–不可避免地要采用AIOps
以便能够扩展资源并有效管理现代环境，传统的IT运营方法可能不再可行–不可避免地要采用AIOps，以便能够扩展资源并有效管理现代环境，鲜明的现实是，2021年将是那些真正从事AI的人开始大规模实现价值的一年，而那些花数月训练脆弱模型而未能赶上来的人将处于越来越大，呈指数级的劣势，一公里的挑战将变得更加轻松-但是，思维和方法的根本转变对于克服复杂性障碍至关重要。
优雅的风险评估：随着AIOps空间的不断成熟
我们看到供应商有机会改进其风险评估功能，以使客户能够以几乎确定的方式解决问题，而不会破坏系统中的任何其他内容，在2021年我们将看到供应商和用户之间越来越多的关注，这将是实现更优雅的依赖关系映射的一个方面，以便工程师可以在修复过程或构建更改周期的过程中准确评估风险，以进行软件更改，从而确保环境的一部分更改不会破坏其他系统。
在2021年人工智能将不会映射到人类的能力谱上
我们可以拥有可以使任何人下象棋的人都无法收拾的算法，并且无法煮一杯茶，并且计算机程序的执行速度比人类快几百万倍，但是，如果问到谁将赢得下一届世界杯，他们甚至都不了解这个问题。他们的能力不是普遍的。在AI方面，我们同时高估和低估了算法的功能。当我们高估它们时，我们会发现人类的判断被归于事后思考-一个危险的地方。尽管该算法产生的许多结果完全违反常识，但在英国A级成绩中使用“变异算法”却是丑闻。当我们低估算法时，我们看到整个行业都崩溃了，因为他们没有看到即将到来的变化
到2021年处于边缘的ML将成为AI / ML行业的主要焦点之一
在汽车智能工厂和智能家居行业，对智能边缘应用的需求正在迅速增长。随着广泛可用的高效边缘ML开发工具和半导体公司推出具有ML功能，采用边缘ML应用将成为主要趋势，临床社区将增加对联合学习方法的使用，以跨各种机构，地区，患者人口统计数据和医疗扫描仪建立健壮的AI模型。即使有大量数据需要训练，这些模型的敏感性和选择性也优于单个机构建立的AI模型。另外，研究人员无需共享机密的患者信息即可在AI模型创建上进行协作。联合学习还有助于为数据稀缺的区域（例如，儿科和罕见疾病）建立AI模型。
AI卓越中心过去十年来，公司一直在争夺高薪数据科学家
但由于缺乏支持性基础架构，其生产力一直低于预期，更多的组织将通过以超级计算规模构建集中的共享基础架构来加快AI的投资回报。这将促进数据科学人才的培养和扩展，实践的共享，并加速解决复杂的AI问题，AI表达将缩小无缝用户体验的范围：当我们回顾AI的历史时，算法是重要的，用户体验位居第二，但是随着我们进入2021年，支持AI的应用将越来越关注可用性。AI的表达对用户而言是无缝的，并且在后台毫不干扰地工作
AI / ML支持的平台将找到新方法来引导用户获得更好的结论和解决方案
这是通过查询大量数据，查找异常情况，洞察力和趋势，然后在适当的业务环境中呈现结果来实现的，真正无摩擦的AI / ML应该是所有业务平台的终目标。我希望看到更复杂的AI应用程序，这些应用程序可以识别每个用户正在尝试完成的任务，并自动浮出可用于快速行动的见解，这种易用性对于广大技术用户和非技术用户都将具有不可思议的价值。
CPDA企业内训
https://www.cpda.cn/trainning/
CPDA项目数据分析师为什么要更名？
https://www.chinacpda.com/question/4504.html
海南智企数据分析师事务所
https://www.chinacpda.com/shiwusuo/14202.html
王兴海老师 高级经济师
https://www.chinacpda.com/shizi/9433.html
用数据改变人生，获得CPDA证书仅是一个开始
https://www.chinacpda.com/shouquanzhongxin/14854.html
大数据专业就业前景及就业方向如何？
https://www.chinacpda.com/wenti/11706.html
CPDA数据分析师学习方式和课程体系
https://www.chinacpda.com/xuexiarea/18089.html
数据分析师的职业进阶之路
https://www.chinacpda.com/zixun/4048.html
《大数据人才培养体系标准》正式发布！
https://www.chinacpda.com/dongtai/9669.html
CPDA数据说给你带来精彩的视频案例讲解
https://www.chinacpda.com/videocenter/
数据分析师考核
https://www.chinacpda.com/examine/
数据分析师职业规划
https://www.chinacpda.com/career/
CPDA数据分析师授权中心
https://www.chinacpda.com/train/
数据分析相关动态
https://www.chinacpda.com/data/?page=43
数据分析师为您解答更多问题
数据分析案例展示
https://www.chinacpda.com/case/
查找您周边省份授权培训中心：
https://www.chinacpda.com/train/
2020年CPDA数据分析师线上报名：
https://www.chinacpda.com/baoming.php
CPDA数据分析明星导师：
https://www.chinacpda.com/startutor/
CPDA数据分析师培训优秀学员：
https://www.chinacpda.com/student/
免费客服热线：400-050-6600
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
