十年后的 IT 会是什么样子?

在过去十年中,我们见证了大数据和分析的巨大增长,这一技术领域将继续改变业务的运作方式。不仅如此,机器学习的突破还将带来分析和使用这些数据的新方法。

为了让我们开始思考 IT 的未来,让我们根据问题的解决方式将 IT 分为三个部分:手动编码模型、收集和比较大量示例或自动建模(人工智能和深度学习)。

我们称这些段为:

  1. 程序 IT
    程序数据处理是我们传统上在 IT 中所做的事情:通过对其参数建模、收集相关数据和计算单一结果来解决问题。我们称之为结构化处理或“如果……那么”逻辑。今天,这仍然是所有 IT 任务的 90%——但用户越来越觉得对于许多现实世界的问题,“有根据的猜测”比单一的结果更合适。
  2. 统计 IT
    统计 IT 利用“大数据”——可以实时参考的大量累积示例。这是一个增长领域,因为智能手机和物联网技术每天都在收集大量数据。统计 IT 的示例包括在线购物推荐(查看此商品的人也购买了……)、消费者分析或欺诈检测。Apache Spark 和 Hadoop 等数据处理框架可以帮助组织实时处理这些海量样本并获得见解和建议。
  3. 机器学习IT
    机器学习 IT 将在未来 10 年内完全超越其他领域。原因包括自动学习技术的进步,但与要解决的问题的严重性相比,下一代 IT 专业人员中缺乏“传统”程序员。其中包括自动驾驶、人机交互、严肃游戏、多语言对话等等。IBM Watson玩 Jeopardy!是这种学习系统的早期例子:答案都在数据中,但实际问题不可能完整地建模。机器必须平衡自己的获胜策略。

自 IBM Watson 以来的六年内,机器学习已经学会了比任何编程算法更好地玩国际象棋等复杂棋盘游戏。不久之后,许多其他编码任务也会如此。

机器学习的突破

几十年来,人工智能一直处于科幻小说领域。但在 2006 年,一项隐秘的突破引发了一场革命:无监督特征学习。这就是幼儿的大脑一直在做的事情:即使没有老师,他们也能学习。对于机器来说,这是新的。

借助机器学习,IT 专业人员不再对机器进行编程;相反,他们正在训练它以找到解决问题的适当策略。通过机器学习,我们找到了一种方法来教神经网络理解构成人脸的图片元素,就像它们可以识别部分问题并结合成一个好的获胜策略一样。

除了识别人或性别之外,这些相同的算法还可以学习如何阅读医学 X 射线图像,或者如何对电子电路板制造进行质量检查。这里真正的革命是这些技术对每个程序员的简单性和可访问性。上传一组“好”示例和“坏”示例,瞧——你的混合 AI 可以将未来的图像分类到这些类别中。在IBM Watson Developer Cloud中亲自尝试一下。机器学习并不是 IT 未来唯一迫在眉睫的事情。

Tags: none

我有个想法