随着2018年的过去，看到人工智能项目获得发展势头，并在各行业产生重大影响，这真是令人惊讶。事实上，最近的一项调查首席信息官引用90%的企业正在积极投资人工智能。推动这一创新的因素是大量的组织涌入挖掘数据的潜力，以及各种机器学习技术和框架的日益可用性。此外，云还可以在不影响性能的情况下，实现与这些海量数据量相匹配的新规模。再加上数据量的指数级增长，人工智能使公司能够做一些惊人的事情——从通过基因组学加速药物发现到防止证券市场的欺诈。那么，2019年有哪些新趋势和进展将有助于应对这些挑战，并将人工智能应用进一步推向主流？我们问了世界上一些最具创新精神的公司这个问题和其他许多问题，让我们的手指触碰到人工智能在企业中的地位，并更好地了解人工智能将如何继续扰乱行业。本博客是一系列博客文章中的第一篇，重点介绍了许多人认为2018年最具影响力的趋势和创新，以及2019年我们应该为之兴奋的内容。您在2018年看到哪些大数据和人工智能创新或趋势让您兴奋不已？2019年，你认为这些创新将如何发展和获得？深度学习成为主流"Keras和tensorflow已经存在一段时间了，但我们看到的公司涵盖了从创新型初创企业到大型企业使用DL来释放新的商业机会。2018年，我们在Quby首次在生产中使用了深度学习系统。2019年，TensorFlow 2.0将是一个巨大的里程碑。"史蒂芬·高尔斯华绥，库比数据科学主管分析的统一"像Databricks这样的公司一直在打破和完善一个真正统一的数据平台的门槛和进入成本，因此数据湖、数据科学、流媒体之间的界限不仅兼容，而且无缝集成。你经常会忘记你使用的是平台的哪一部分。这真是件好事。"Stephen Harrison，Rue Gilt Group的数据科学架构师机器学习的民主化"在2018年，生产化ML和工具的兴起使ML变得更简单、更具可扩展性，这是向前迈进了一步。您可以看到很多产品都在寻求将ML嵌入到决策中，这使得ML更易于访问，因为它不强调算法并使其更易于利用。其中一些是ML的框架或自动化（MLFlow、Einstein等），而另一些则是以ML为核心的整个平台。此外，强化学习也确实取得了长足的发展，我认为它令人难以置信地令人兴奋，因为它帮助人工智能解决更抽象的问题。虽然这些产品还没有成为很多产品，但我认为它确实令人兴奋地展示了人工智能的未来。"Bradley Kent，LoyaltyOne项目分析副总裁数据科学正在渗透到商业领域"2018年，关于"可解释人工智能"、信任和数据偏差的讨论确实令人鼓舞。我认为发展可解释、可证明和透明的人工智能是至关重要的。与以往一样，这一迈向可信系统的旅程真正开始于用于人工智能训练的数据质量。2018年，我们重新关注可验证、验证和解释的标签数据，这让我们尼尔森感到兴奋，因为我们一直致力于开发消费者行为的高质量标签数据。令人兴奋的是，可解释的人工智能可以为人工智能系统打下基础，这种系统既可以跨用例通用，又可以被信任。"尼尔森首席研究官马祖达尔（Mainak Mazumdar）深度学习的新应用"去年在深度学习领域有很多创新，我很兴奋！我认为这些创新将创造出许多新的人工智能应用，其中一些已经投入生产，并在行业中产生巨大变化。在Overstock，我们对多个产品使用深度学习，从具有预测性分类的电子邮件活动到通过深度学习推断用户风格的个性化模块。我很高兴看到这个行业，特别是在线零售业，如何与深度学习和随后出现的一些新应用程序进行更多的整合。"Kamelia Aryafar，Overstock首席算法官显然，2018年是深度学习等最新分析创新迅速采用和民主化的一年。令人鼓舞的是，分析领导者们一致认为在整个组织中，分析和人工智能的重要性和进展都很简单。清晰地看到的是分析各个方面的统一概念——确保分析管道的所有阶段、相关技术以及参与数据科学和工程的团队能够无缝集成并和谐运行。本系列博客的下一期将揭示2019年围绕人工智能、机器学习和大数据的下一系列趋势和创新的预测。免费试用Databricks。今天就开始吧