隨著企業尋求自動化模式檢測、預測和決策，以推動轉型效率提高、競爭差異化和增長，企業機器學習的采用將會繼續。人們將看到基礎設施和工具圍繞簡化企業級構建和部署機器學習應用程序的過程而發展，包括云原生平臺的興起，以實現端到端機器的彈性自動擴展和多云可遷移性學習工作流程。

隨著新的一年的到來，現在是將注意力轉向2019年行業發展趨勢的時候了。很多人都在猜測2019年將會發生什么，而這也是人工智能科學領域專家進行預測的樂趣所在。

機器學習開發商Cloudera公司總經理Hilary Mason表示，機器學習在2018年度過了美好的一年，而企業將在2019年以一種新的和深刻的方式接受機器學習技術。

“隨著企業從概念驗證轉向生產能力，2019年人們將看到企業機器學習轉型成熟的新進展。”Mason說，“隨著企業尋求自動化模式檢測、預測和決策，以推動轉型效率提高、競爭差異化和增長，企業機器學習的采用將會繼續。人們將看到基礎設施和工具圍繞簡化企業級構建和部署機器學習應用程序的過程而發展，包括云原生平臺的興起，以實現端到端機器的彈性自動擴展和多云可遷移性學習工作流程。”

戴爾科技公司表示，5G網絡的引入將使人們生活在邊緣。

該公司表示：“低延遲、高帶寬網絡意味著更多的物聯網設備、自動駕駛汽車，以及人工智能、機器學習和計算都將在邊緣發生，因為那里將生成所有數據。”人們很快就會看到分布在城市各處的微型數據中心，將給人們帶來新的“智能”機會，讓用戶在城鎮街道實時了解情況。城鎮之間的聯系將比以往任何時候都更加緊密，這為智能城市和數字基礎設施鋪平了道路，專家預計2030年邊緣計算將蓬勃發展。它將成為醫療或制造業等行業的游戲規則改變者，在這些行業中，數據和信息在現場生成后可以快速處理和實時分析，并隨時與需要它的人共享，而不是返回到云端進行處理。

Franz公司首席執行官Jans Aasman博士表示，人工智能知識圖表將從書籍、研究論文、筆記和媒體采訪中綜合信息，然后以互動的形式重新呈現。在2019年數字不朽的市場上，人工智能知識圖表將開始實現這一點。

“我們將在2019年以人工智能數字角色形式看到數字不朽的第一個例子。”Aasman表示，“人工智能和語義知識圖的結合將會改變科學家、技術專家、政治家和學者的工作。”

就像Noam Chomsky一樣，使用人的聲音來回答問題。人工智能數字角色將動態鏈接來自各種來源的信息。例如，將不同的信息轉換為可以數字化交互的知識系統。這些人工智能數字人物角色也可以擴大他們專業知識的可及性。

Quest Software公司產品管理高級顧問Adrian Moir預測，2018年實施的GDPR法規將會改變數據格局，而在2019年將產生更多的數據。

“無論是否受到GDPR法規的影響(大多數情況將會受到影響)，企業應該將其視為一種框架，對于那些構建流程的人來說，這是一個很好的起點。設置數據如何保存和使用非常重要。如果用戶想繼續保護個人信息，就需要有更多的監管。我相信人們將在2019年看到建議和實施更多的監管措施，比如俄勒岡州參議員Ron Wyden最近推出的‘消費者數據隱私法案’。”

MapR公司數據和應用高級副總裁Jack Norris預測，大數據的分散化已經持續了一段時間，并且這種趨勢將在2019年繼續發展。

他說，“組織將通過邊緣處理和分析數據，而不是將其返回云計算，存儲和應用傳統分析來節省時間和費用。其用例包括異常檢測(欺詐)、模式識別(預測故障/維護)。自動駕駛車輛、石油和天然氣平臺、醫療設備都是這一趨勢的早期例子，我們將在2019年看到更多的擴展。這一趨勢的成本驅動因素是帶寬考慮(半連接環境以及成本高昂的蜂窩通信技術)和存儲(減少發送到云端的數據量)。”

Splice Machine公司首席執行官Monte Zweben表示，IT市場近年來起伏不定，而在2019年，Hadoop努力維持其市場地位。

他指出，“Hadoop的新客戶數量將會減少，Hadoop集群的增長將放緩。而基于云計算的SQL數據平臺將出現大規模增長。機器學習將從后臺涌現，成為企業業務的核心運營組成部分，同時持續增長橫向擴展數據庫迫使Oracle公司在其財務報告中披露風險因素。”

多年來，人們一直生活在分布式數據孤島中，這種趨勢沒有任何放緩的跡象。Qlik公司高級主管Dan Sommer預測，“在2019年，人們將更好地準備處理所有分散數據的分布式工作負載。如今，最大的未被證實的大趨勢之一是Kubernetes的崛起。總之，這些技術采用了過去單一的技術并將其分散，從根本上實現了擴展工作負載和第三波授權的新方法。就像在擴展硬件和擴展基礎設施之前一樣，擴展工作負載將對刺激創新產生巨大的影響。 在2019年，行業領先組織的大多數企業架構師將微服務和容器編排視為商業智能和分析平臺的關鍵架構組件。”

GoodData公司首席執行官Roman Stanek預測，企業要為過去使用的一些數據平臺做好退出準備。

Stanek 說，“現代企業將繼續淘汰像Hadoop這樣的技術。 Hortonworks和Cloudera的合并首次展示了2019年Hadoop的預計價值。數據仍然需要管理工具，但隨著人工智能和機器學習的興起，其復雜性將被消除。”

Domino數據實驗室的首席數據科學家Josh Poduska預測，“人工智能將在2019年從炒作轉變為商業影響，人工智能的蜜月正式結束。2019年將是人工智能成為組織現實的一年，而不是實驗、修補和懷疑。”

MathWorks公司的Seth DeLand預測，機器學習將以更大的優勢整合到產品和服務中。

他指出，“機器學習已經出現在一些領域：用于面部識別的圖像處理和計算機視覺、能源生產的價格和負荷預測、工業設備故障預測等。在未來的一年里，隨著越來越多的公司受到啟發，通過使用可擴展的軟件工具(包括MATLAB)將機器學習算法集成到他們的產品和服務中，可以預期機器學習將越來越多。”

SAS公司產品管理主管Ron Agresta說，組織必須在兩種數據力量之間取得適當的平衡，包括“攻擊性”數據能力(即利用數據洞察力提高利潤)和“防御性”數據能力(如治理和安全)。如今已經出現了一些混亂，因此預計2019年將實現防御再平衡。”

他表示，“對數據收集和使用的額外審查使許多企業處于防御狀態。許多公司幾乎完全依賴于用戶放棄的貨幣化數據，但在這一領域，監管方面的關注正在增加。預計將出臺更多的消費者數據保護法律，并對技術進行相應的更改。”

調研機構Forrester公司預測，首席信息官們將在2019年成為熱門人物。該公司指出：“如果首席信息官不能履行職責，那么業務關系就會破裂，首席執行官會找其他人來領導技術議程。然而，那些獲得成功的首席信息官將在其現有組織中提升到更具影響力的企業管理者，或轉向下一個IT挑戰。”

自從大數據革命開始以來，復雜性一直困擾著潛在的數據科學從業者，Hadoop生態系統就是一個典型的例子。這就是為什么Clarity Insights公司首席技術官Tripp Smith表示企業在2019年將接受簡單化的原因。

他指出，“如今，企業比以往任何時候都更加犧牲性能或成本優化以增加簡單性。十年前，我們都試圖減少或消除企業內部IT的需求。如今，組織需要數據驅動，因此如何分析和消化數據也需要簡單化。這意味著采用云計算。為云計算基礎設施支付更多費用是值得的，從而節省尋找優質工程資源的更高成本。”

ATOS公司北美區副總裁windy garrett預測，人工智能的出現已經影響了勞動力的工作崗位，這種趨勢將在2019年持續。

他表示，“人工智能將在2019年及以后明確需求，而對于勞動力數量將不斷增長，以滿足這一特定需求。2019年，工業界將大幅增加人工智能項目，以及企業重新培訓和提升其現有員工隊伍，以保持競爭市場的相關性。”