À medida que a adoção do Aprendizado por Máquina cresce, o Data Science Machine Learning evolui e passa a focar em modelos preditivos para uma disciplina mais democratizada e centrada em dados
O Gartner, líder mundial em pesquisa e aconselhamento para empresas, anuncia as principais tendências que irão impactar o futuro de Data Science e Machine Learning (Aprendizado de Máquina) à medida que o setor cresce e evolui rapidamente para atender o aumento da importância de dados com Inteligência Artificial (IA) e, particularmente, os investimentos em Inteligência Artificial Generativa.
Segundo Peter Krensky, analista e diretor do Gartner, “à medida que a adoção do Machine Learning continua a crescer rapidamente em todos os setores, o DSML (Data Science Machine Learning) está evoluindo de apenas focar em modelos preditivos para uma disciplina mais democratizada, dinâmica e centrada em dados. Isso também é alimentado pelo fervor em torno da Inteligência Artificial Generativa. Apesar do surgimento de riscos potenciais, estão nascendo diversos novos recursos e casos de uso para cientistas de dados e suas organizações”.
De acordo com o Gartner, as principais tendências que estão moldando o futuro do Data Science Machine Learning são:
Tendência 1: Ecossistemas de dados em Nuvem (Cloud Data Ecosystems)- Os ecossistemas de dados estão mudando de programas independentes ou implementações combinadas para soluções nativas completas armazenadas em Nuvem. Até 2024, o Gartner espera que 50% das novas implementações de sistemas Cloud sejam baseadas em um ecossistema de dados coeso, em vez de soluções pontuais integradas manualmente. O Gartner recomenda que as companhias avaliem os ecossistemas de dados com base na capacidade de resolver desafios de dados distribuídos, bem como acessar e integrar fontes fora de seu ambiente.
Tendência 2: Edge AI – A demanda por Edge AI está crescendo para permitir o processamento de dados no ponto de criação na borda, ajudando as companhias a obterem insights em tempo real, detectar novos padrões e atender a rigorosos requisitos de privacidade de dados. O Edge AI também ajuda as companhias a melhorarem o desenvolvimento, a orquestração, a integração e a implantação da Inteligência Artificial.
O Gartner prevê que até 2025 mais de 55% de toda a análise de dados por redes neurais profundas ocorrerá no ponto de captura em um sistema de borda, número que em 2021 se encontrava acima de menos de 10%. As companhias devem identificar os aplicativos, treinamentos de Inteligência Artificial e informações necessários para alcançarem ambientes de borda (Edge) perto de dispositivos de Internet das Coisas (IoT).
Tendência 3: Inteligência Artificial responsável – A Inteligência Artificial responsável torna a tecnologia uma força positiva, ao invés de uma ameaça à sociedade e a si mesma. Ela abrange diversos aspectos do processo de negócios e de escolhas éticas corretas na adoção da tecnologia que as companhias geralmente abordam de forma independente, como valor comercial e social, risco, confiança, transparência e responsabilidade. O Gartner prevê que a concentração de modelos pré-treinados de Inteligência Artificial entre 1% dos fornecedores de Inteligência Artificial até 2025 tornará a tecnologia responsável uma preocupação social.
A empresa recomenda que as companhias adotem uma abordagem proporcional aos riscos para agregar valor à Inteligência Artificial e que tomem cuidado ao aplicar soluções e modelos. Devem buscar garantias de fornecedores para assegurar que eles estejam gerenciando seus riscos e obrigações, protegendo as companhias de possíveis perdas financeiras, ações legais e danos à reputação.
Tendência 4: Inteligência Artificial centrada em dados (Data Centric AI) – A Inteligência Artificial centrada em dados representa a mudança de uma abordagem antes focada em modelos e códigos, criando sistemas melhores que contam com essa tecnologia. Soluções de Inteligência Artificial de Data Management, Synthetic Data e Data Labelling visam resolver muitos desafios, incluindo acessibilidade, volume, privacidade, segurança, complexidade e escopos.
O uso de Inteligência Artificial Generativa para criar Synthetic Data é uma área que está crescendo rapidamente, aliviando o fardo de obter dados do mundo real para que os modelos de Machine Learning possam ser treinados com eficiência. Até 2024, o Gartner prevê que 60% dos dados para Inteligência Artificial serão de Synthetic Data para simular a realidade, cenários futuros e tecnologias de risco, contra 1% registados em 2021.
Tendência 5: Investimento acelerado em Inteligência Artificial – O investimento em Inteligência Artificial continuará crescendo por meio de companhias que implementam a solução, bem como pelas indústrias que buscam crescer por meio de tecnologias e negócios baseados nessa tecnologia. Até o final de 2026, o Gartner prevê que mais de US$ 10 bilhões serão investidos em startups de Inteligência Artificial que dependem de foundation models, que são grandes modelos da tecnologia treinados com alto volume de dados. Uma pesquisa recente do Gartner com mais de 2.500 executivos líderes descobriu que 45% desses profissionais relatam que o recente hype em torno do ChatGPT os levou a aumentar os investimentos em Inteligência Artificial. Cerca de 70% dizem que suas empresas estão investigando e explorando a tecnologia generativa, enquanto 19% estão em modo piloto ou início de produção.