隨著數據科學與機器學習（DSML）行業的快速發展和演變，數據對于生成式人工智能開發與運用的重要性日益提高。研究機構Gartner日前發布了影響數據科學與機器學習未來方向的五個趨勢。

趨勢1：云數據生態系統

數據生態系統正在從獨立軟件或混合式部署模式過渡到徹底的云原生解決方案。預計到2024年，50％的新系統部署基于集成化的云數據生態系統，而非手動集成的單點解決方案。該機構建議，企業和機構對解決數據分散化問題和訪問外部數據并與之集成的能力進行評估，從而考量其數據生態系統。

趨勢2：邊緣人工智能

企業和機構越來越需要通過邊緣人工智能在邊緣位置創建和處理數據，這將幫助企業和機構獲得實時洞察力，發掘新業務模式并滿足數據隱私要求。邊緣人工智能還能幫助企業和機構提高人工智能的開發、編排、集成和部署能力。

預測顯示，到2025年，超過55％的深度神經網絡數據分析發生在系統邊緣的數據捕獲點，而2021年這一比例還不到10％。企業和機構應確定需要將哪些應用、人工智能訓練和推理能力轉移至物聯網終端附近的邊緣側。

趨勢3：負責任的人工智能

負責任的人工智能將提供一種積極的力量，而不是給社會和人工智能自身帶來威脅。當企業和機構采用人工智能做出符合商業邏輯和道德倫理的正確選擇時，會遇到例如信譽、透明度等風險。負責任的人工智能則有助于解決這些問題。

預測顯示，到2025年1％的人工智能服務提供商可大規模使用預訓練的人工智能模型，負責任的人工智能將成為社會焦點。該機構建議，企業在挖掘人工智能價值時應考慮風險系數，在運用人工智能解決方案和模型時保持謹慎，同時，讓供應商做出管理好自身風險與履行合規義務的保證，防止潛在的經濟損失、法律訴訟和聲譽損害。

趨勢4：以數據為中心的人工智能

以數據為中心的人工智能不再以模型和代碼為中心，而是以數據為中心，從而打造更強大的人工智能系統。企業和機構將采用人工智能專用數據管理、合成數據以及數據標記技術等解決方案來應對例如數據的可訪問性、數量、隱私性、安全性、復雜性等難題。

使用生成式人工智能創建合成數據是一個快速發展的領域，這項技術能減輕獲取數據的負擔，更有效地訓練機器學習模型。預計到2024年，60％的AI數據是合成數據，這些數據被用于模擬現實、未來場景和降低人工智能風險，而2021年這一比例僅為1％。

趨勢5：加快人工智能投資

進入人工智能解決方案實施階段的企業和機構以及希望通過人工智能技術和相關業務實現增長的行業，將繼續加快對人工智能領域的投資。在一項調研中，45％的受訪者表示，ChatGPT熱潮促使其增加了對人工智能的投資；70％的受訪者表示其企業正處于研究和探索生成式人工智能的階段，還有19％的人表示其企業已進入試點或生產階段。