“การ์ทเนอร์เผยแนวโน้มสำคัญ 5 ข้อ ที่ส่งผลต่ออนาคตของวิทยาศาสตร์ข้อมูลและแมชชีนเลิร์นนิ่ง เพื่อตอบสนองต่อการเพิ่มขึ้นอย่างมีนัยของ Generative AI ข้อมูลในปัญญาประดิษฐ์
การ์ทเนอร์เผยแนวโน้มสำคัญที่ส่งผลต่ออนาคตของวิทยาศาสตร์ข้อมูลและแมชชีนเลิร์นนิ่ง (Data Science and Machine Learning หรือ DSML) ซึ่งเป็นผลมาจากวิวัฒนาการและการเติบโตของภาคอุตสาหกรรมอย่างรวดเร็ว เพื่อตอบสนองต่อการเพิ่มขึ้นอย่างมีนัยของข้อมูลในปัญญาประดิษฐ์ (AI) โดยเฉพาะอย่างยิ่งเมื่อธุรกิจโฟกัสการลงทุน Generative_AI
ปีเตอร์ เครนสกี้ ผู้อำนวยการฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า “แมชชีนเลิร์นนิ่งยังคงเติบโตอย่างรวดเร็วในภาคอุตสาหกรรมต่างๆ ขณะเดียวกัน DSML กำลังพัฒนาจากเดิมที่มุ่งเน้นโมเดลการคาดการณ์ (Predictive Models) ไปเป็นให้ทุกคนสามารถเข้าถึงได้ในวงกว้างขึ้น ไดนามิก และเน้นข้อมูลเป็นหลัก”
“รวมถึงได้รับแรงหนุนจาก Generative_AI แม้อาจมีความเสี่ยงเกิดขึ้น แต่ก็มีความสามารถและช่วยสร้างยูสเคสการใช้งานใหม่ๆ ที่เป็นประโยชน์สำหรับนักวิทยาศาสตร์ข้อมูลและองค์กรด้วยเช่นกัน”
การ์ทเนอร์รวบรวม 5 แนวโน้มสำคัญที่จะเป็นตัวกำหนดอนาคตของ DSML ไว้ดังนี้
1. Cloud Data Ecosystems
Data Ecosystems (ระบบนิเวศข้อมูล) กำลังเปลี่ยนจาก self-contained ซอฟต์แวร์ หรือการปรับใช้ซอฟต์แวร์แบบผสมผสานไปสู่คลาวด์เนทีฟโซลูชันเต็มรูปแบบ การ์ทเนอร์คาดการณ์ว่า ภายในปี 2569 องค์กร 75% จะนำโมเดลการเปลี่ยนแปลงสู่ดิจิทัลมาใช้บนคลาวด์เป็นแพลตฟอร์มพื้นฐาน
การ์ทเนอร์แนะนำให้องค์กรธุรกิจต่างๆ ประเมิน Data Ecosystems โดยพิจารณาจากความสามารถในการแก้ไขปัญหาด้านข้อมูลแบบกระจาย ตลอดจนการเข้าถึงและบูรณาการร่วมกับแหล่งข้อมูลภายนอกที่มีสภาพแวดล้อมใกล้เคียงกัน
2. Edge AI
ความต้องการ Edge AI เพิ่มขึ้นเพื่อประมวลผลข้อมูล ณ จุดที่ข้อมูลถูกสร้างขึ้น ช่วยให้องค์กรได้รับข้อมูลเชิงลึกแบบเรียลไทม์ ช่วยตรวจจับแพทเทิร์นใหม่ๆ และปฏิบัติตามข้อกำหนดด้านความเป็นส่วนตัวของข้อมูลที่เข้มงวด โดย Edge AI ยังช่วยให้องค์กรธุรกิจต่างๆ สามารถปรับปรุงในด้านการพัฒนา การจัดวางระเบียบ การผสานรวมและการนำ AI มาใช้
การ์ทเนอร์คาดการณ์ว่า ภายในปี 2568 มากกว่า 55% ของการวิเคราะห์ข้อมูลทั้งหมดโดยโครงข่ายประสาทเทียมเชิงลึก (Deep Neural Networks) จะเกิดขึ้น ณ ตำแหน่งข้อมูลในระบบ Edge จากเดิมที่น้อยกว่า 10% ในปี 2564 โดยองค์กรควรระบุแอปพลิเคชัน และจำเป็นต้องฝึกและคาดคะเน AI เพื่อย้ายไปยังสภาพแวดล้อม Edge ที่ใกล้กับ IoT
3. Responsible AI
Responsible AI หรือ AI ที่มีความรับผิดชอบ ทำให้ AI กลายเป็นพลังบวกแทนที่จะเป็นภัยคุกคามต่อสังคมและตัวมันเอง โดยยังครอบคลุมหลายแง่มุมของการทำธุรกิจให้ถูกต้องและเป็นตัวเลือกทางจริยธรรมเมื่อองค์กรมีการนำ AI มาใช้อย่างอิสระ
เช่น ธุรกิจและคุณค่าทางสังคม ความเสี่ยง ความไว้วางใจ ความโปร่งใส และความรับผิดชอบ การ์ทเนอร์คาดการณ์ว่า ภายในปี 2568 โมเดลการฝึก AI ล่วงหน้าที่ 1% ของผู้จำหน่าย AI จะทำให้ Responsible AI กลายเป็นประเด็นที่สังคมกังวล
การ์ทเนอร์แนะนำให้องค์กรต่างๆ ใช้แนวทางที่คำนึงถึงสัดส่วนความเสี่ยงเพื่อส่งมอบคุณค่า AI และระมัดระวังเมื่อใช้โซลูชันและแบบจำลองต่างๆ โดยขอการรับประกันจากผู้จำหน่ายเพื่อให้มั่นใจว่าพวกเขากำลังจัดการความเสี่ยงและปฏิบัติตามกฎระเบียบ ปกป้ององค์กรจากการสูญเสียทางการเงินที่อาจเกิดขึ้น รวมถึงการดำเนินคดีทางกฎหมาย และความเสียหายต่อชื่อเสียง
4. Data-Centric AI
Data-Centric AI หรือ AI ที่เน้นข้อมูลเป็นศูนย์กลาง แสดงถึงการเปลี่ยนแปลงจากแนวทางที่ยึดโมเดลและโค้ดเป็นศูนย์กลางไปสู่การมุ่งเน้นด้านข้อมูลมากขึ้นเพื่อสร้างระบบ AI ที่ดีขึ้น โซลูชันต่างๆ อาทิ การจัดการข้อมูลเฉพาะของ AI (AI-Specific Data Management) ข้อมูลสังเคราะห์ (Synthetic Data)
และเทคโนโลยีการติดฉลากข้อมูล (Data Labeling Technologies) มีจุดมุ่งหมายเพื่อแก้ปัญหาความท้าทายด้านข้อมูลมากมาย รวมถึงความสามารถในการเข้าถึง ปริมาณ ความเป็นส่วนตัว ความปลอดภัย ความซับซ้อน และขอบเขตการใช้งาน
การใช้ Generative_AI เพื่อสร้างข้อมูลสังเคราะห์มีการเติบโตอย่างรวดเร็ว ช่วยลดภาระในการรับข้อมูลในโลกความเป็นจริง และยังสามารถช่วยฝึกฝนโมเดลการเรียนรู้ของเครื่อง (Machine Learning) ได้อย่างมีประสิทธิภาพ การ์ทเนอร์คาดการณ์ว่า ภายในปี 2567 60% ของข้อมูลสำหรับ AI จะถูกสังเคราะห์ขึ้นเพื่อจำลองความเป็นจริง สถานการณ์ในอนาคต และลดความเสี่ยงของ AI เพิ่มขึ้นจาก 1% ในปี 2564
5. Accelerated AI Investment
การลงทุนใน AI จะยังเติบโตอย่างรวดเร็ว ผ่านองค์กรต่างๆ ที่นำโซลูชันไปใช้ รวมถึงอุตสาหกรรมที่ต้องการเติบโตผ่านเทคโนโลยี AI และธุรกิจที่ใช้ AI การ์ทเนอร์คาดการณ์ว่า ภายในสิ้นปี 2569 จะมีการลงทุนมากกว่า 10,000 ล้านดอลลาร์ สำหรับเริ่มต้นใช้ระบบ AI ที่อาศัยโมเดลพื้นฐาน ซึ่งเป็นโมเดล AI ขนาดใหญ่ที่ได้รับการฝึกฝนจากข้อมูลจำนวนมหาศาล
ผลสำรวจล่าสุดของการ์ทเนอร์จากผู้บริหารมากกว่า 2,500 ราย ยังพบว่า 45% เผยว่ากระแส ChatGPT ที่มาแรงกระตุ้นให้พวกเขาเพิ่มการลงทุนด้าน AI ขณะที่ 70% ระบุว่าองค์กรของพวกเขาอยู่ในโหมดการสำรวจและทดสอบการใช้ Generative AI และ 19% อยู่ในช่วงทดลองใช้หรือผลิตใช้
