Web 开发的 7 大趋势

• 无代码人工智能的演变：从拖放式可视化编程工具到真正的无代码全周期人工智能自动化。随着对其他​​人工智能应用程序需求的增长，组织将需要投资有助于其加速和民主化数据的技术科学过程。这产生了一些所谓的无代码人工智能。这些无代码平台中有许多是工作流程驱动的可视化拖放工具(又称可视化编程)，并声称可以帮助非技术人员简化人工智能的开发。带来的问题是，尽管简单的工作流程易于构建和概念化，但大多数人工智能/机器学习模型都需要大规模、非常复杂的工作流程，这些工作流程很快变得笨拙，并给组织带来了全新的挑战。实际上，数据科学家必须执行的绝大部分工作通常与机器学习模型的选择和优化之前的任务相关，例如特征工程-数据科学的核心。这意味着组织将需要寻找更复杂的AutoML2.0平台，以实现真正的无代码端到端自动化，从自动创建和评估数千个功能(基于人工智能的功能工程)到机器学习和人工智能模型，以及之间的所有步骤。

在2021年，人们将看到AutoML2.02.0平台的兴起，它将无代码提升到一个新的水平，并最终开始实现“一键式无代码开发”的承诺。

• 实时智能的兴起：2021年实时智能将越来越成为一个因素。随着从物理到数字化的不可避免的转变，越来越多的组织开始看到访问实时信息的好处。实时预测的能力将得到广泛的关注。除了预测之外，从实时和流式数据源中理解和发现隐藏的和可操作见解的能力将成为实时智能决策的关键。易于使用的AutoML2.0平台与实时预测和洞察相结合，将使组织能够获得实时情报并采取持续行动。

• 人工智能和机器学习将超越预测：虽然预测是最有价值的结果之一，但人工智能和机器学习必须产生超出预测可操作的见解，组织可以使用这些见解。AutoML2.0平台可自动进行假设生成(又称特征工程)，并探索成千上万甚至上百万个假设模式，而这是传统方法无法实现的。随着组织认识到数据功能不仅适用于预测分析，还可以使用提供数据特征的自动发现和工程设计的Auto机器学习 2.0平台，以提供更多的清晰度、透明度和洞察力。通过允许组织发现未知的趋势和数据模式的重要信息，从而为其业务增加价值。

• 通过敏捷人工智能将人工智能更快地集成到业务中：人工智能和机器学习只在将它们集成到业务中时才能产生业务价值。但是，许多组织致力于通过人工智能/机器学习货币化，并且许多人工智能/机器学习项目无法走出数据科学实验室。MLOps是简化人工智能和机器学习生产的重要趋势之一。虽然MLOps是开发和部署人工智能/机器学习的重要方面，但它并不是成功的企业人工智能的最终目标。2021年将显示出人们对平台的兴趣与使用的增加，这些平台还可以自动化企业人工智能工作流的前半部分——数据工程和功能工程。通过能够实现生命周期的100%自动化，组织将能够开始摆脱耗时的瀑布式方法来进行人工智能开发，并开始采用依赖于执行速度和快速反馈的更加敏捷的流程。

英特尔公司无线接入网络部门副总裁兼总经理Cristina Rodriguez：

随着网络的高速转型，2021年将大规模地在vRAN架构上部署Massive MIMO(即在试用阶段之后在数千个站点部署)。

Agora Inc.首席运营官兼CRO Reggie Yativ：

人工智能、AR、VR等技术将迎来下一代热门应用和平台，以及更多的技术作品将创建用例，其功能远比任何人都能想象或预期的强大和可扩展。

英特尔公司智慧城市与智慧交通总经理Sameer Sharma：

2021年将是智慧和弹性城市、基础设施和交通运输的突破之年。在短期内，将看到采用智慧城市技术的中型城市急剧增加，这将导致在通常的技术中心之外的技术民主化。从长远来看，随着消费者开始看到生活质量的好处，更多的农村地区将采用智慧城市基础设施。

人们还将看到技术投资的增长，从边缘(人工智能)到(5G)网络再到云计算。随着城市继续从疫情中复苏，技术将成为确保进步和采用新的商业模式，促进经济增长的主要动力。

Centrify公司网络安全主管Torsten George：

（编辑：常州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!