人工知能とデータサイエンスの2019年の主な進展と2020年の予測developments編(3/3)

１．人工知能とデータサイエンスの2019年の主な進展と2020年の予測developments編(3/3)まとめ

・2020年に期待できる事は、データ分析/データサイエンスタスクの自動化
・会話型AIの使いやすさと直感的なインターフェイスにより、顧客体験の改善が見られる事になる
・データリテラシーと市民データサイエンスプログラムにより機械学習の実践者は成長し続ける

２．進化を続けるデータサイエンス

以下、www.kdnuggets.comより「AI, Analytics, Machine Learning, Data Science, Deep Learning Technology Main Developments in 2019 and Key Trends for 2020」の意訳です。元記事の投稿は2019年12月、Gregory Piatetskyさんによる投稿です。

立場によって見解が分かれるのは仕方ないと思うのですが、得意フィールド(人工知能、機械学習、データサイエンス、クラウドソリューション)、立場(コンサル業務、執筆業、実務家、研究者、教職)、想定読者層(詳しい人向け、業界内の人向け、一般向け)も違うので同じ事を違う表現で言っている場合などもあり、中々混沌とした読み難い文章ですが、逆に言えば、これが正に現状なのだと思います。

アイキャッチ画像のクレジットはPhoto by Product School on Unsplash

(7)Kate Strachnyi(@StorybyData)DATAcated、ランナー、２児の母、データサイエンスと分析のトップボイス

2019年、データの視覚化/ビジネスインテリジェンスソフトウェアの分野で統合が見られました。SalesforceがTableau Softwareを買収し、GoogleがLookerを買収しました。このビジネスインテリジェンスツールへの投資は、有力企業がデータの民主化を重視しており、それはユーザーがデータをより簡単に表示および分析できるようになる事を示しています。

2020年に期待できる事は、データ分析/データサイエンスタスクの自動化が引き続き行われる事です。

データサイエンティストとデータエンジニアリングには、より多くの問題、より大規模な問題を解決できるツールが必要です。この必要性は、データサイエンスプロセスのいくつかの段階で自動化ツールの開発をもたらします。例えば、一部のデータ準備およびクリーニングタスクは部分的に自動化されています。ただし、企業固有のニーズにより、完全に自動化することは困難です。その他の自動化の候補には、特徴機能エンジニアリング、モデル選択などがあります。

(8)Ronald van Loon(@Ronald_vanLoon)Adversitementのディレクターとしてデータ駆動型企業の成功を支援。ビッグデータ、データサイエンス、IoT、AIに関するトップ10インフルエンサー

2019年、AI業界ではExplainable AIと従来より役割が拡張された分析の採用が増えています。これにより、企業は「潜在的にAIが提供できる事」と、「偏見を持たないAIが出力する結果に基いて意思決定を行う事の技術的な複雑さ」の間のギャップを埋めることができました。

2019年のもう一つの進展は、組織がイノベーションへの道を加速し、AIの採用をサポートするためにフルスタックアプローチを採用し始めた事です。これは異なるチームや個人間の業務統合とコミュニケーションを改善しつつ、AIを事業に取り入れる事をサポートします。

2020年には、会話型AIの使いやすさと直感的なインターフェイスにより、顧客体験の改善が見られる事になるでしょう。この自動化されたソリューションにより、企業はカスタマーエクスペリエンスを拡張および変換しながら、24時間年中無休の顧客サービスへの道を開き、迅速な問題解決と信頼性の高いセルフサービスの機会を提供できるようになります。

また、ナローインテリジェンスは、人間の能力と機械の力を最も効果的に活用する方法を引き続き支援します。これらはAIを既存の業務プロセスに適合させる際に、私達がAIに作業を頼む方法をよりスマートな方法に変えようと努力しています。

(9)Favio Vazquez(@FavioVaz) ClosterのCEO

2019年、主にディープラーニングの活用において、人工知能の最先端の研究分野で驚くべき発展が見られました。データサイエンスには、これらの進歩を活用して、より困難な問題を解決し、私たちが住む世界を形作る力があります。データサイエンスは、科学を活用して変化を促進し、論文を製品に変えるエンジンです。

私達の分野は単なる「誇大宣伝」ではなく、真剣な分野になりつつあります。データサイエンスとその関連分野に関する重要なオンラインおよびオフライン教育が増加するでしょう。

うまくいけば、私達が実行する事、及びどのようにそれを実行するかについてもっと確信が持てるようになるでしょう。意味を理解する技術、意思決定に関する知性、ナレッジデータサイエンスは、今後数年間でデータサイエンティストが取り扱う領域となるので、グラフデータベース、オントロジー、ナレッジ表現システムの学習を開始することをお勧めします。

(10)Jid Underwood(@idigdata)組織をより早く前進させる自然の力

2019年、様々な組織がアルゴリズムエコノミー環境での競争について真剣に取り組む転換点に達しました。市場をリードする企業は、一回限りのプロジェクトではなく継続的なスポンサーとして、企業全体のAI戦略を計画することにより、データサイエンスを重用するようになっています。

一方、成熟したデータサイエンスの団体組織は、倫理、ガバナンス、ML Opsイニシアチブを開始しています。残念ながら、機械学習の採用率はほとんど向上しませんでした。

技術的な観点からは、ハイブリッド分散コンピューティングとサーバーレスアーキテクチャの台頭が目に付きました。同時に、アルゴリズム、フレームワーク、およびAutoMLによるソリューションが画期的な発明として扱われる段階から、広く一般的に使われる段階になりつつあります。

2020年には、個人情報のセキュリティ、規制、アルゴリズムが持つ偏見、およびdeep fakeの話題が注目を集めるニュースになると予想しています。より明るい話題として、説明可能なAIの進歩、文章の自動生成、および人間による理解を深める最適化手法は、データサイエンスとビジネスのギャップを埋めるのに役立ちます。データリテラシーの進歩と市民データサイエンスプログラムの更なる出現により、機械学習の実践者は成長し続けるはずです。