當前位置:
首頁 > 最新 > Evans Data顯示:人工智慧和機器學習方面的開發人員數量巨大

Evans Data顯示:人工智慧和機器學習方面的開發人員數量巨大

AiTechYun

編輯:nanan

Evans Data公司估計,有650萬開發人員已經使用了純粹的AI技術,另外,未來6個月內還將有600萬人使用AI技術。為了探究AI/ML為什麼會上升,IDN與EDC的Michael Rasalan進行了會談。

Evans Data公司的「全球發展和人口統計研究」,也顯示出強勁的增長勢頭,預計今年年底前將有600萬名開發人員加入AI/ML的行列。

「AI和ML技術對開發人員有著巨大的吸引力。」Evans Data首席執行官Janel Garvin對此研究結果表示。具體而言,Evans Data估計全球29%的開發人員(6452000人)正在使用某種形式的AI或ML。該研究進一步估計,未來6個月內,將有另外580萬開發者開始使用AI/ML。

Evans Data的研究主管Michael Rasalan把這些令人吃驚的數字聯繫在一起,「全球有超過600萬的開發人員在他們的工作中使用某種形式的AI,不管他們是在開發演算法和框架,還是依賴AI來實現其他目的。」

在那些使用AI/ML的開發人員中,該研究還發現,亞太地區率先採用了AI/ML,且約有300萬的AI/ML開發人員屬於亞太地區,佔全球的一半。

從廣闊的前景來看,Garvin分享了——為什麼這麼多數據表明2018年會是AI/ML發展勢頭最大的一年。「不僅工具和框架成倍增加,並且使得採用變得更加容易,而且,開發人員本身對使用這些新功能,以及使用這些新功能來增強應用程序,表現極大地興奮。」

另外值得注意的是,Rasalan指出,隨著越來越多的開發人員完全背離傳統的基於規則的方法,反而對AI/ML的轉變也發生了。

「目前從事AI項目的開發人員中,約與50%的人僅在這些項目中實施機器學習技術,而不是基於規則的技術或混合方法。」Rasalan告訴IDN(綜合數字網)。

Garvin進一步指出:「對於基於規則的引擎來說,有很多優秀的應用程序,它們已經被使用了很多年。但今天,我們看到開發人員熱切地將機器學習演算法應用到他們的項目中,並對其進行培訓,以便他們能夠自行進化和運行。」

為什麼AI/ML正在接管基於規則的編程

Rasalan告訴IDN :Evans Data的作品顯示了為什麼AI/ML正在獲得這樣一個立足點,甚至在傳統的基於規則的開發者中。

Rasalan說,一個主要原因是「數據流變得越來越複雜,越來越強大。這一強勁的增長數據與另一個驅動AI/ML的因素有關——越來越多的跡象表明,僅僅使用基於規則的方法(不支持AI或ML)根本無法支持新一代敏感和智能應用程序的類型,現在需要工作流程。

「需要預先編入AI的規則數量也必須增加,以解決分析數據時可能遇到的大量例外情況。機器學習方法使AI能夠即時制定這些規則,「Rasalan說。

另一個問題是企業IT內部的氣候變化——數字化轉型帶來的變化,Rasalan認為這對開發者是如此的深刻,他稱之為「開發領域內不同力量的匯合點」。

為了說明這對開發者的深遠影響,Rasalan繪製了一幅令人信服的圖片,描述了當今的企業現狀:新需求、不斷擴大的數據、現代化的能力,這些都是創新思維的產物。Rasalan說:「這對採用AI/ML的種子來說都是肥沃的土壤。」

Rasalan表示:「首先,現在有越來越多的數據可以被AI分析,AI可以學習。數據收集無處不在,其中大部分都是實時發生的,這意味著樣本容量和檔案可以支持更複雜的學習。」

「其次,在生產機器學習框架方面有很多工作要做 – AI已經受到了大多數主要技術供應商的關注。」

「第三,用於AI的計算資源現在也以雲計算的形式更廣泛地提供。這不僅具有很大的擴展空間,而且也相對便宜。」

Rasalan指出,一個恰當的例子是「對話式」系統。雖然現在許多開發人員都在使用聊天機器人,甚至為Alexa和Google設備提供語音介面,但Rasalan指出了其他一些可以促進AI增長的「對話」領域。

會話系統不僅僅限於可聽的語音,而且在基於文本的應用程序中也能識別會話。同樣,語音識別也不僅僅局限於智能家居或智能手機助手領域。事實上,Evans Data的研究發現,開發人員「最常用的是在企業/商業和工業環境中使用語音識別。」

Rasalan補充道:「例如,語音識別系統目前正在為金融/保險部門,汽車行業和重工業部門開發使用,無論是內部用戶(組織內的員工)還是客戶。對於金融來說,現在有解決方案可以處理ATM交易或電話交易。如果我們包括基於文本的會話系統,AI也被用來讀取和分析事務日誌。」

除了AI/ML的宏觀趨勢之外,Evans Data的研究還確定了可以從AI集成中受益最多的特定類型的項目和行業,以及為什麼。它還考察了供應商和工具。它進一步提供了區域和區域內主要國家的開發人員估算,以及全球估算和增長預測。


喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 機器學習 的精彩文章:

八大步驟,用機器學習解決90%的NLP問題
對初學機器學習的三點建議

TAG:機器學習 |