Gartner identifica le principali tendenze che plasmano il futuro della scienza dei dati e del machine learning

Gartner, Inc. ha evidenziato oggi le principali tendenze che influiscono sul futuro della scienza dei dati e dell'apprendimento automatico (DSML), mentre il settore cresce ed evolve rapidamente per soddisfare la crescente importanza dei dati nell'intelligenza artificiale (AI), in particolare mentre l'attenzione si sposta verso l'intelligenza artificiale generativa investimenti.

Intervenendo oggi al Gartner Data & Analytics Summit a Sydney, Peter Krensky, Direttore Analista di Gartner, ha dichiarato: “Mentre l’adozione del machine learning continua a crescere rapidamente in tutti i settori, DSML si sta evolvendo concentrandosi solo su modelli predittivi, verso un modello più democratizzato, dinamico e disciplina incentrata sui dati. Ciò è ora alimentato anche dal fervore attorno all’intelligenza artificiale generativa. Mentre stanno emergendo potenziali rischi, lo sono anche le numerose nuove funzionalità e casi d’uso per i data scientist e le loro organizzazioni”.

Secondo Gartner, le principali tendenze che plasmano il futuro di DSML includono:

Tendenza 1: ecosistemi di dati cloud Gli ecosistemi di dati si stanno spostando da software autonomo o implementazioni miste a soluzioni completamente cloud-native. Entro il 2024, Gartner prevede che il 50% delle nuove implementazioni di sistemi nel cloud si baseranno su un ecosistema di dati cloud coeso piuttosto che su soluzioni puntuali integrate manualmente.

Gartner consiglia alle organizzazioni di valutare gli ecosistemi di dati in base alla loro capacità di risolvere le sfide legate ai dati distribuiti, nonché di accedere e integrarsi con fonti di dati esterne al proprio ambiente immediato.

Tendenza 2: IA Edge La domanda di Edge AI è in crescita per consentire l’elaborazione dei dati nel punto di creazione all’edge, aiutando le organizzazioni a ottenere insight in tempo reale, rilevare nuovi modelli e soddisfare rigorosi requisiti di privacy dei dati. Edge AI aiuta inoltre le organizzazioni a migliorare lo sviluppo, l'orchestrazione, l'integrazione e l'implementazione dell'AI.

Gartner prevede che oltre il 55% di tutte le analisi dei dati da parte delle reti neurali profonde avverrà nel punto di acquisizione in un sistema edge entro il 2025, rispetto a meno del 10% nel 2021. Le organizzazioni dovrebbero identificare le applicazioni, la formazione sull'intelligenza artificiale e l'inferenza necessarie per passare ad ambienti edge vicino agli endpoint IoT.

Tendenza 3: IA responsabile L’IA responsabile rende l’IA una forza positiva, piuttosto che una minaccia per la società e per se stessa. Copre molti aspetti legati alle scelte etiche e aziendali giuste quando adottano l’intelligenza artificiale che le organizzazioni spesso affrontano in modo indipendente, come il valore aziendale e sociale, il rischio, la fiducia, la trasparenza e la responsabilità. Gartner prevede che la concentrazione di modelli di IA preaddestrati tra l’1% dei fornitori di IA entro il 2025 renderà l’IA responsabile una preoccupazione sociale.

Gartner consiglia alle organizzazioni di adottare un approccio proporzionale al rischio per fornire valore AI e di prestare attenzione nell'applicazione di soluzioni e modelli. Chiedere garanzie ai fornitori per garantire che stiano gestendo i propri rischi e obblighi di conformità, proteggendo le organizzazioni da potenziali perdite finanziarie, azioni legali e danni alla reputazione.

Tendenza 4: IA incentrata sui dati L’intelligenza artificiale incentrata sui dati rappresenta il passaggio da un approccio incentrato sul modello e sul codice a un approccio più focalizzato sui dati per costruire sistemi di intelligenza artificiale migliori. Soluzioni come la gestione dei dati specifici dell’intelligenza artificiale, i dati sintetici e le tecnologie di etichettatura dei dati mirano a risolvere molte sfide relative ai dati, tra cui accessibilità, volume, privacy, sicurezza, complessità e portata.

L’uso dell’intelligenza artificiale generativa per creare dati sintetici è un’area in rapida crescita, alleviando l’onere di ottenere dati dal mondo reale in modo che i modelli di apprendimento automatico possano essere addestrati in modo efficace. Entro il 2024, Gartner prevede che il 60% dei dati per l’IA saranno sintetici per simulare la realtà, scenari futuri e mettere a rischio l’IA, rispetto all’1% nel 2021.

Tendenza 5: investimenti accelerati nell’intelligenza artificiale Gli investimenti nell’intelligenza artificiale continueranno ad accelerare da parte delle organizzazioni che implementano soluzioni, così come da parte dei settori che cercano di crescere attraverso le tecnologie di intelligenza artificiale e le imprese basate sull’intelligenza artificiale. Entro la fine del 2026, Gartner prevede che più di 10 miliardi di dollari saranno investiti in startup di intelligenza artificiale che si basano su modelli di base: grandi modelli di intelligenza artificiale addestrati su enormi quantità di dati.