Zephyrnet Logo

O crescimento futuro da IA ​​e ML

Data:

O futuro crescimento da IA ​​e ML

By Rachel Roumeliotis

Todos nós aceitamos o fato de que a inteligência artificial (IA) está transformando a forma como as empresas operam e o quanto ela pode ajudar uma empresa a longo prazo. Nos últimos anos, esse entendimento gerou um aumento nas empresas que experimentam e avaliam tecnologias de IA e que agora as estão usando especificamente em implantações de produção.

Claro, quando as organizações adotam novas tecnologias, como IA e aprendizado de máquina (ML), elas gradualmente começam a considerar como novas áreas podem ser afetadas pela tecnologia. Isso pode abranger vários setores, incluindo produção e logística, manufatura, TI e atendimento ao cliente. Uma vez que o uso de técnicas de IA e ML se torne enraizado em como as empresas funcionam e nas diferentes maneiras em que podem ser usadas, as organizações serão capazes de adquirir novos conhecimentos que as ajudarão a se adaptar às necessidades em evolução.

Ao mergulhar na plataforma de aprendizagem da O'Reilly, uma variedade de informações sobre as diferentes tendências e tópicos que os líderes de tecnologia e negócios precisam saber podem ser descobertos. Isso permitirá que eles entendam melhor seu trabalho e garantirá que seus negócios continuem a prosperar.

Nos últimos meses, analisamos o uso da plataforma pelo usuário e descobrimos os tópicos mais populares e pesquisados ​​em IA e ML. Exploraremos algumas das descobertas mais importantes abaixo, que nos dão uma imagem mais ampla de onde está o estado da IA ​​e do ML e, em última análise, para onde está indo.

IA ultrapassando o crescimento em ML

Em primeiro lugar, nossa análise mostrou como o interesse pela IA continua a crescer. Ao comparar 2018 com 2019, o envolvimento em IA aumentou 58% - ultrapassando em muito o crescimento no tópico de aprendizado de máquina muito maior, que aumentou apenas 5% em 2019. Ao agregar todos os tópicos de IA e ML, isso representa quase 5% de todo o uso atividade na plataforma.

Embora isso seja apenas um pouco menos do que tópicos bem estabelecidos de alto nível, como engenharia de dados (8% da atividade de uso) e ciência de dados (5% da atividade de uso), o interesse por esses tópicos cresceu 50% mais rápido do que a ciência de dados. A engenharia de dados, na verdade, diminuiu cerca de 8% ao longo do mesmo tempo, devido ao declínio no envolvimento com tópicos de gerenciamento de dados.

Também descobrimos os primeiros sinais de que as organizações estão experimentando ferramentas e métodos avançados. De nossas descobertas, o envolvimento em conteúdo de aprendizagem não supervisionado é provavelmente uma das mais interessantes. No aprendizado não supervisionado, um algoritmo de IA é treinado para procurar padrões previamente não detectados em um conjunto de dados sem rótulos ou classificação pré-existentes com supervisão ou orientação humana mínima. Em 2018, o uso de tópicos de aprendizagem não supervisionados cresceu 53% e 172% em 2019.

Mas o que está impulsionando esse crescimento? Embora os nomes de seus métodos (agrupamento e associação) e seus aplicativos (redes neurais) sejam familiares, o aprendizado não supervisionado não é tão bem compreendido quanto sua contraparte de aprendizado supervisionado, que serve como estratégia padrão para ML para a maioria das pessoas e casos de uso .

Esse aumento na atividade de aprendizagem não supervisionada provavelmente é motivado pela falta de familiaridade com o próprio termo, bem como com seus usos, benefícios e requisitos por usuários mais sofisticados que se deparam com casos de uso que não são facilmente resolvidos com métodos supervisionados.

Também é provável que o sucesso visível da aprendizagem não supervisionada em redes neurais e aprendizagem profunda tenha ajudado nosso interesse, assim como a diversidade de ferramentas de código aberto, bibliotecas e tutoriais que oferecem suporte à aprendizagem não supervisionada.

Uma Ressurreição de Aprendizado Profundo

Embora o aprendizado profundo tenha esfriado um pouco em 2019, ele ainda era responsável por 22% de todo o uso de IA e ML. Também suspeitamos que seu sucesso ajudou a estimular a ressurreição de várias outras ideias abandonadas ou negligenciadas. O maior exemplo disso é o aprendizado por reforço. Este tópico experimentou um crescimento exponencial, crescendo mais de 1,500% desde 2017.

Mesmo com as taxas de engajamento caindo 10% em 2019, o aprendizado profundo em si é um dos métodos de ML mais populares entre as empresas que estão avaliando IA, com muitas empresas escolhendo a técnica para dar suporte aos casos de uso de produção. Pode ser que o envolvimento com tópicos de aprendizagem profunda tenha estagnado porque a maioria das pessoas já está ativamente envolvida com a tecnologia, o que significa que o crescimento pode diminuir.

O processamento de linguagem natural é outro tópico que tem apresentado crescimento consistente. Embora sua taxa de crescimento não seja enorme - cresceu 15% em 2018 e 9% em 2019 - o processamento de linguagem natural é responsável por cerca de 12% de todo o uso de IA e ML em nossa plataforma. Isso é cerca de 6x a parcela de aprendizado não supervisionado e 5x a parcela de uso de aprendizado por reforço, apesar do crescimento significativo que esses dois tópicos experimentaram nos últimos dois anos.

Nem todos os métodos de AI / ML são tratados igualmente. Por exemplo, o interesse em chatbots parece estar diminuindo, com envolvimento diminuindo 17% em 2018 e 34% em 2019. Isso provavelmente ocorre porque os chatbots foram uma das primeiras aplicações de IA e provavelmente é um reflexo da maturidade relativa de seu inscrição.

O crescente envolvimento na aprendizagem não supervisionada e na aprendizagem por reforço demonstra que as organizações estão experimentando ferramentas e métodos analíticos avançados. Essas ferramentas e técnicas abrem novos casos de uso para as empresas experimentarem e se beneficiarem, incluindo suporte à decisão, jogos interativos e mecanismos de recomendação de varejo em tempo real. Podemos apenas imaginar que as organizações continuarão a usar IA e ML para resolver problemas, aumentar a produtividade, acelerar processos e fornecer novos produtos e serviços.

Conforme as organizações adotam tecnologias analíticas, elas estão descobrindo mais sobre si mesmas e seus mundos. A adoção do ML, em particular, leva as pessoas em todos os níveis de uma organização a começar a fazer perguntas que desafiam o que uma organização pensa que sabe sobre si mesma.

Com ML e IA, estamos treinando máquinas para trazer à tona novos objetos de conhecimento que nos ajudam enquanto aprendemos a fazer perguntas novas, diferentes e às vezes difíceis sobre nós mesmos. Ao que tudo indica, parece que estamos tendo algum sucesso com isso. Quem sabe o que o futuro reserva, mas à medida que as tecnologias se tornam mais inteligentes, não há dúvida de que nos tornaremos mais dependentes.

Fonte: https://www.fintechnews.org/the-future-growth-of-ai-and-ml/

local_img

Inteligência mais recente

local_img