Gartner發佈影響資料科學與機器學習（DSML）未來方向的重要趨勢。隨著DSML行業的快速發展和演變，資料對於人工智慧（AI）開發與運用的重要性日益提高，尤其是投資重點也正轉向生成式人工智慧領域。
Gartner研究總監Peter Krensky表示，隨著機器學習在各個行業的應用持續快速擴大，DSML也正從單純側重於預測模型轉向更加普及化、動態化和以資料為中心的技術領域，而生成式人工智慧的熱潮也助推了這一趨勢。儘管潛在風險不斷出現，但面向資料科學家及其組織的新功能和案例也層出不窮。
Gartner研究顯示，影響DSML行業未來方向的重要趨勢包括：
數據生態系統正在從獨立軟體或混合式部署模式過渡到徹底的雲原生解決方案。Gartner預計，到2024年50%的新增雲端部署系統將基於一致的雲資料生態系統，而非手動集成的單點解決方案。
Gartner建議企業機構對數據生態系統的兩種能力進行評估：一是解決資料分散化問題；二是訪問自身環境之外的資料並與之集成。
企業機構越來越需要通過邊緣AI在邊緣位置創建和處理資料，這將説明企業機構獲得即時洞察力，發掘新業務模式並滿足嚴格的資料隱私要求。邊緣AI還能幫助企業機構提高AI的開發、編排、集成和部署能力。
Gartner預測，到2025年超過55%的深度神經網路資料分析將發生在邊緣系統的資料捕獲點，而2021年這一比例還不到10%。企業機構應確定，需要將哪些應用、AI訓練和推理能力轉移至物聯網終端附近的邊緣環境。
負責任的AI使AI成為一種正面力量，而不是對社會和AI自身的威脅。當企業機構需採用AI做出商業邏輯和道德倫理的正確選擇時，會遇到許多問題，例如商業和社會價值、風險、信譽、透明度和問責制等。負責任的AI有助於解決這些問題。Gartner預測，到2025年1%的AI服務提供者將大規模使用預訓練的AI模型，使負責任的AI成為社會關注的焦點。
Gartner 建議企業機構在挖掘AI的價值時應考慮風險係數，並且在運用AI解決方案和模型時保持謹慎。應當讓供應商做出管理好自身風險與合規義務的保證，以防止給企業機構造成潛在的經濟損失、法律訴訟和聲譽損害。
這一方法不再以模型和代碼為中心，而是以資料為中心打造更強大的AI系統。企業機構將採用AI專用資料管理、合成資料以及資料標記技術等解決方案來應對許多資料難題，例如資料的可訪問性、數量、隱私性、安全性、複雜性和範圍。
使用生成式AI創建合成資料是一個正在快速發展的領域，這項技術減輕獲取真實世界資料的負擔，可更有效地訓練機器學習模型。Gartner預測，到2024年60%的AI資料將是合成資料，被用於類比現實、未來場景和降低AI風險，而2021年的這一比例僅為1%。
進入解決方案實施階段的企業機構，以及希望通過AI技術和相關業務實現增長的行業，將繼續加快對AI的投資。Gartner預測，到2026年底依靠基礎模型（通過海量資料訓練過的大型模型）的AI初創企業將獲得超過100億美元的投資。
在Gartner近來針對2500多位企業高層的一項調研中，45%的受訪者表示，最近的ChatGPT熱潮促使其增加了對AI的投資。70%的受訪者表示其企業正處於研究和探索生成式AI的階段，還有19%的人表示其企業已進入試點或生產階段。