随着时间的推移越来越流行的一种技术是机器学习！如今，如果您与科技行业有任何联系（有时即使您没有！），机器学习和机器学习已被越来越多的公司采用，例如谷歌（这是预期的）甚至 Netflix（哇！），甚至是使用 ML 算法从数据中获取洞察力的小公司。市场研究甚至预测，2020 年目前约为 73 亿美元的全球机器学习市场将在 2024 年扩大到 306 亿美元。这对机器学习来说是个好消息，也显示了该技术在 2021 年的上升趋势。
有许多新的创新和机器学习趋势可能会在 2021 年走在前列。 机器学习在行业中已经有很多应用，例如与物联网的集成，在网络安全、金融等行业的更普遍使用、医学等。根据 Salesforce Research 的一项研究，83% 的 IT 领导者认为机器学习和人工智能正在改善客户参与体验。这清楚地表明，机器学习作为一项技术只会越来越受欢迎。
因此，当我们到 2020 年底和 2021 年初时，让我们看看一些关键的机器学习趋势，它们可能会改变未来。这些趋势不仅展示了 ML 在各个行业中的集成，也展示了技术本身的改进。
1. 机器学习和物联网的交集
物联网已经是一项成熟的技术，其中多个设备或“事物”通过网络连接并且它们可以相互通信。这些设备不断增加，以至于到 2025 年可能会有超过 640 亿台物联网设备。所有这些设备都收集可以分析和研究的数据，以获得有用的见解。这就是机器学习变得如此重要的地方！机器学习算法可用于将 IoT 设备收集的数据转换为有用的可操作结果。
这方面的一个例子是 Green Horizons，这是一个由 IBM 中国研究实验室创建的项目，旨在将污染水平控制到更透气的标准。这可以使用物联网网络来完成，其中传感器收集车辆排放、花粉水平、气流方向、天气、交通水平等，然后使用机器学习算法找到减少这些排放的最佳方法。机器学习和物联网的交集也可以在智能汽车领域看到，在这个领域中，自动驾驶汽车需要非常精确，所有部件都需要在路上以毫秒为单位相互通信。这表明这些技术的结合是多么重要。 Gartner 甚至预测，到 2022 年，超过 80% 的企业物联网项目将以某种形式使用人工智能和机器学习，远高于目前使用它的项目的 10%。
2. 自动化机器学习
机器学习的下一个发展阶段是自动化机器学习！对于不是复杂机器学习领域专家的人以及经验丰富的数据科学家和分析师来说，这是天赐之物。自动化机器学习使这些数据科学家能够以更高的效率和生产力创建机器学习模型，同时具有一流的质量。
因此，像 AutoML 这样的工具可用于训练高质量的自定义机器学习模型，用于分类、回归和聚类，而无需太多编程知识。它可以轻松地提供适量的定制，而无需详细了解机器学习的复杂工作流程。它还可以帮助使用机器学习最佳实践，同时节省时间和资源。 AutoML 的一个此类示例是 Microsoft Azure 提供的自动机器学习，您可以使用它来构建和部署预测模型。
3. 网络安全中的机器学习
随着机器学习在当前变得越来越流行，它也在许多不同的行业中增加了它的应用。其中最受欢迎的行业之一是网络安全行业。机器学习在网络安全中有许多应用，包括改进可用的防病毒软件、打击也使用机器学习功能的网络犯罪、识别网络威胁等。
机器学习还用于创建智能防病毒软件，该软件可以通过其异常行为识别任何病毒或恶意软件，而不是像普通防病毒软件一样仅使用其签名。因此，智能杀毒软件可以从以前遇到的病毒中识别出较旧的威胁，也可以从最近创建的病毒中通过分析其吉祥行为来识别新威胁。由于现在许多公司都在网络安全中集成机器学习，最常见的例子是 Chronicle，一家由 Alphabet（谷歌的母公司）经营的网络安全公司，Sqrrl，一家由前国家安全局员工创立的公司（可怕！），等等。
4. 人工智能伦理的兴起
现在人工智能和机器学习正在兴起，讨论这些技术的伦理问题同样重要。创造智能且具有独立思考能力的技术很容易，但之后会发生什么？如果自动驾驶汽车撞死人怎么办？如果机器学习算法因为数据有偏见而偏向于某些人怎么办？机器人是否应该依法享有任何权利？如果机器学习变得更加普遍，人们的工作会发生什么？这些都是重要的道德问题，需要在 2021 年进行更多讨论。
已经有很多关于人工智能伦理的争议。最受欢迎的一次是亚马逊在 2018 年发现他们基于机器学习的招聘算法对女性有偏见。 这是因为它是根据大多数候选人是男性的数据进行训练的，所以该算法也偏向男性而不是女性。最近的另一个丑闻发生在 2020 年，当时谷歌解雇了 Timnit Gebru 博士，Timnit Gebru 是技术种族偏见问题的杰出研究员，他正在研究谷歌人工智能系统中的偏见。
5.人工智能工程
每个人都听说过软件工程，但现在人工智能工程作为一种职业正在崛起！这是一个非常重要的发展，因为人工智能和机器学习在行业中的整合是非常临时和随意的，没有任何最佳实践的规定。这就是为什么 Gartner 甚至预测，只有53%的 AI 和 ML 项目在公司中完成了从原型到全面生产的过程，而其余47% 则面临失败。
这就是人工智能工程的用武之地！公司的精简 AI 工程战略可通过机器学习算法提供出色的性能、可靠性和可扩展性，从而确保 AI 投资的回报。这包括对 DataOps、ModelOps、DevOps 等的高度关注，人工智能项目是公司整体 DevOps 战略的一部分，而不仅仅是某些项目中的临时实践。
结论
新年伊始，机器学习 2021 将出现许多新趋势。当然，2020 年是任何人都无法预料的（而且不是很好！），那么谁知道 2021 年到底是什么？但很明显，机器学习的一些趋势将继续存在，例如将其集成到许多新领域，如网络安全、金融甚至医疗保健。越来越多的公司正在采用机器学习，因此这项技术不再是谷歌、Facebook、微软等科技巨头独有的。这也意味着人工智能伦理变得必要，许多公司也有伦理委员会。因此，让我们看看机器学习在 2021 年和未来的发展方向！