在艰难的 2023 年机器学习发展的5种趋势

随着 2022 年的过去，评估机器学习 （ML） 作为一门学科、技术和行业的发展方式至关重要。随着人工智能和机器学习支出预计将持续增长，公司正在寻求优化不断增长的投资并确保价值的方法，尤其是在面对充满挑战的宏观经济环境的情况下。

考虑到这一点，组织将如何更有效地投资，同时最大限度地发挥ML的影响？大型科技公司的紧缩支点将如何影响ML的实践，部署和执行方式？以下是 5 年预期的 2023 个 ML 趋势。

1. 自动化 ML 工作流程将变得更加重要

尽管我们看到许多顶级科技公司在 2022 年下半年宣布裁员，但这些公司可能都没有裁员他们最有才华的 ML 人员。然而，为了填补深度技术团队中人员较少的空白，公司将不得不进一步倾向于自动化，以保持生产力并确保项目完成。我们还希望看到使用ML技术的公司实施更多系统来监控和管理性能，并在管理ML或数据科学团队方面做出更多数据驱动的决策。有了明确定义的目标，技术团队必须更加以KPI为中心，以便领导层能够更深入地了解ML的投资回报率。ML模棱两可的基准的日子已经一去不复返了。

2. 囤积 ML 人才结束

最近的裁员，特别是那些与ML合作的人，可能是最近的员工，而不是多年来一直与ML合作的更长期的员工。由于机器学习和人工智能在过去十年中变得越来越普遍，许多大型科技公司已经开始雇用这些类型的工人，因为他们可以处理财务成本并让他们远离竞争对手——不一定是因为需要他们。从这个角度来看，考虑到大公司内部的盈余，看到这么多ML员工被解雇也就不足为奇了。然而，随着ML人才囤积时代的结束，它可能会迎来新一轮的创新和机遇。现在有这么多人才在寻找工作，我们可能会看到许多人从大型科技公司流出，进入中小型企业或初创公司。

3. ML项目优先级将侧重于收入和商业价值

看看正在进行的ML项目，鉴于最近的裁员，团队必须提高效率，并寻求自动化来帮助项目向前发展。其他团队将需要制定更多的结构并确定截止日期，以确保项目有效完成。不同的业务部门将不得不开始进行更多的沟通——改善协作——并分享知识，以便较小的团队可以作为一个有凝聚力的单位。

此外，团队还必须优先考虑他们需要处理的项目类型，以便在短时间内产生最大的影响。我看到 ML 项目归结为两种类型：领导层认为可以增加销售额并在竞争中获胜的可销售功能;以及直接影响收入的收入优化项目。可销售的功能项目可能会被推迟，因为它们很难快速退出。相反，现在规模较小的ML团队将更多地关注收入优化，因为它可以带来实际收入。在这一刻，性能对所有业务部门都至关重要，而ML也不能幸免于此。

4. 开源ML工具将获得更大的市场份额

很明显，明年，专门专注于 ML 运营、管理和治理的 MLOps 团队将不得不用更少的资源做更多的事情。正因为如此，企业将采用更多现成的解决方案，因为它们的生产成本更低，需要的研究时间更少，并且可以定制以满足大多数需求。

MLOps 团队还需要考虑开源基础结构，而不是与云提供商签订长期合同。虽然超大规模使用ML的组织当然可以从与云提供商的集成中受益，但它迫使这些公司按照提供商希望他们的工作方式工作。归根结底，你可能无法按照自己的意愿，按照自己的意愿去做，我想不出有谁真正喜欢这种困境。

此外，您受云提供商的摆布，以增加成本和升级，如果您在本地计算机上运行实验，您将遭受损失。另一方面，开源提供了灵活的定制、成本节约和效率——您甚至可以自己修改开源代码，以确保它完全按照您想要的方式工作。特别是随着团队在技术领域的萎缩，这正成为一个更可行的选择。

5. 统一产品将是关键

减缓 MLOps 采用速度的因素之一是过多的单点解决方案。这并不是说它们不起作用，而是说它们可能无法很好地集成在一起并在工作流程中留下空白。正因为如此，我坚信 2023 年将是行业转向统一的端到端平台的一年，这些平台由模块构建而成，这些模块可以单独使用，也可以彼此无缝集成（以及与其他产品轻松集成）。

这种平台方法具有各个组件的灵活性，可提供当今专家正在寻找的敏捷体验。这比购买单点产品并将它们拼凑在一起更容易;这比从头开始构建自己的基础结构要快（当您应该利用这段时间构建模型时）。因此，它既节省时间又节省劳动力——更不用说这种方法可能更具成本效益。当存在统一的解决方案时，无需为单点产品而苦恼。

结论

在可能具有挑战性的 2023 年，ML 类别将持续变化。它将变得更智能、更高效。随着组织谈论紧缩政策，预计上述趋势将占据中心舞台并影响新的一年行业方向。

椰有料原创，作者：小椰子啊，转载请注明出处：http://www.studioyz.com/2043.html