随着数据科学与机器学习（DSML）行业的快速发展和演变，数据对于生成式人工智能开发与运用的重要性日益提高。研究机构Gartner日前发布了影响数据科学与机器学习未来方向的五个趋势。

趋势1：云数据生态系统

数据生态系统正在从独立软件或混合式部署模式过渡到彻底的云原生解决方案。预计到2024年，50％的新系统部署基于集成化的云数据生态系统，而非手动集成的单点解决方案。该机构建议，企业和机构对解决数据分散化问题和访问外部数据并与之集成的能力进行评估，从而考量其数据生态系统。

趋势2：边缘人工智能

企业和机构越来越需要通过边缘人工智能在边缘位置创建和处理数据，这将帮助企业和机构获得实时洞察力，发掘新业务模式并满足数据隐私要求。边缘人工智能还能帮助企业和机构提高人工智能的开发、编排、集成和部署能力。

预测显示，到2025年，超过55％的深度神经网络数据分析发生在系统边缘的数据捕获点，而2021年这一比例还不到10％。企业和机构应确定需要将哪些应用、人工智能训练和推理能力转移至物联网终端附近的边缘侧。

趋势3：负责任的人工智能

负责任的人工智能将提供一种积极的力量，而不是给社会和人工智能自身带来威胁。当企业和机构采用人工智能做出符合商业逻辑和道德伦理的正确选择时，会遇到例如信誉、透明度等风险。负责任的人工智能则有助于解决这些问题。

预测显示，到2025年1％的人工智能服务提供商可大规模使用预训练的人工智能模型，负责任的人工智能将成为社会焦点。该机构建议，企业在挖掘人工智能价值时应考虑风险系数，在运用人工智能解决方案和模型时保持谨慎，同时，让供应商做出管理好自身风险与履行合规义务的保证，防止潜在的经济损失、法律诉讼和声誉损害。

趋势4：以数据为中心的人工智能

以数据为中心的人工智能不再以模型和代码为中心，而是以数据为中心，从而打造更强大的人工智能系统。企业和机构将采用人工智能专用数据管理、合成数据以及数据标记技术等解决方案来应对例如数据的可访问性、数量、隐私性、安全性、复杂性等难题。

使用生成式人工智能创建合成数据是一个快速发展的领域，这项技术能减轻获取数据的负担，更有效地训练机器学习模型。预计到2024年，60％的AI数据是合成数据，这些数据被用于模拟现实、未来场景和降低人工智能风险，而2021年这一比例仅为1％。

趋势5：加快人工智能投资

进入人工智能解决方案实施阶段的企业和机构以及希望通过人工智能技术和相关业务实现增长的行业，将继续加快对人工智能领域的投资。在一项调研中，45％的受访者表示，ChatGPT热潮促使其增加了对人工智能的投资；70％的受访者表示其企业正处于研究和探索生成式人工智能的阶段，还有19％的人表示其企业已进入试点或生产阶段。