在 2019年（及之前的几年）中，我们询问了许多顶级专家对2020年
的预测。去年预测的 一些趋势已经实现：
- 更加关注AI中的道德
- 数据科学的民主化
- 强化学习的进步
- 中国在AI方面取得越来越大的成功
2019年也有惊喜-去年的专家都没有预言过NLP的突破（例如GPT-2和其他版本的BERT和Transformers）。
我们今年再次问专家：
2019年AI，数据科学，深度学习和机器学习的主要发展是什么？您预计2020年会有哪些主要趋势？
我们收到了大约20份回复， 第一部分更早地发表了对研究的关注。
这是第二部分，更侧重于技术，行业和部署。一些常见主题包括：AI炒作，AutoML，云，数据，可解释的AI，AI伦理。
以下是Meta Brown，Tom Davenport，Carla Gentry，Nikita Johnson，Doug Laney，Bill Schmarzo，Kate Strachnyi，Ronald van Loon，Fabio Vazquez和Jen Underwood的回答。
Meta Brown，@ metabrown312，是傻瓜数据挖掘的作者，也是A4A Brown的总裁
在2018年，使用“人工智能”一词来描述从真正复杂的应用程序和越来越成功的各种应用（例如自动驾驶汽车到在直接营销中普遍使用倾向得分）的使用激增。我预测到2019年，人们会发现这全都是数学。我说得对。
一方面，越来越多的人开始看到现在标记为“ AI”的局限性。公众意识到面部识别技术可能会因Juggalo的化妆而受挫，这些客户服务聊天机器人背后没有聪明的生活，并且您可能花费数百万美元尝试使软件比医生更智能，但仍然会失败。
但是，“人工智能”仍然是一个热门词汇，风险资本的资金仍在滚滚涌来。2019
年前9个月，超过130亿美元流向了AI创业公司。 在2020年，这两种前景之间的差距越来越大人工智能：公众对AI的局限性越来越怀疑，怀疑和意识的形象，以及继续在AI承诺中投入希望，梦想和金钱的商业和投资社区。
汤姆·达文波特（@tdav）是巴布森学院（Babson College）的总统信息技术与管理学杰出教授，国际分析学会（International Institute for Analytics）的共同创始人，麻省理工学院数字经济计划的院士，德勤分析的高级顾问。
2019年的主要发展：
- 自动化机器学习工具的广泛部署，用于数据科学的更结构化方面。
- 广泛认识到，分析和人工智能具有道德层面，需要自觉解决
- 人们越来越认识到，大多数分析和AI模型都没有部署，因此对创建它们的组织没有价值
2020年即将出现的发展：
- 提供工具以创建，管理和监视组织的机器学习模型套件，并不断对漂移模型进行重新培训，并专注于模型库存管理。
- 分析和AI转换器的状态和识别度得到提高，他们与业务用户和领导者一起将业务需求转换为模型的高级规范
- 认识到模型是否适合数据只是模型是否有用的一个考虑因素。
Carla Gentry，@ data_nerd，是咨询数据科学家兼分析解决方案所有者。
关于人工智能，机器学习和数据科学无法做什么的另一年的炒作和嗡嗡声，我为进入该领域的非熟练专业人士而感到畏缩，而大学则向那些不愿接受培训的老师颁发所谓的证书和学位没有资格教授这些课程。
数据科学和机器学习依赖于大量数据，但是我们又面临着对偏差的误解的一年，需要解释的数据总是会面临偏差的风险。无偏见的数据是独立存在的，不需要解释，例如-玛丽将自己的销售投资回报率提高了10％，因为玛丽是一个勤奋的人，这是一种观点，无法衡量。
前几天，文章标题引起了我的注意：“数据科学快死了吗？” 甚至在阅读之前，我最初的想法是：“不，但是所有想做的话题和炒作肯定对我们的领域没有帮助-数据科学不仅仅是编写代码”。对技术的误解加上缺乏数据和必要的基础设施将在2020年继续困扰我们，但至少有些人意识到21世纪最性感的工作毕竟并不那么性感，因为我们花费了大部分清理和准备数据在我们收集见解并回答业务问题之前。
在2020年，让我们所有人都记住它是关于数据的，并确保我们能够以完整和透明的方式推进我们的领域，人工智能的“黑匣子”时代必须过去，我们才能继续朝着积极的方向发展。请记住，您构建的算法，模型，聊天机器人等可能会影响某人的生活，数据库中的数据点与某人的生活相对应，因此请消除偏见，让事实为自己说话…一如既往负责任地玩耍和娱乐数据。
RE.WORK深度学习与AI创始人Nikita Johnson，@teamrework，
2019年，我们见证了许多领域的突破，这些突破使AI得以前所未有的广泛应用。诸如转移学习和强化学习之类的先进软件技术还帮助推动了AI突破和采用的发展，帮助我们在人类知识的约束下分离了系统改进。
明年，到2020年，我们将朝着“可解释的AI”迈进，以提高AI模型和技术的透明度，责任感和可重复性。我们需要增加对每种工具的局限性以及优缺点的认识。增强的学习将增强我们对所使用产品建立信任的能力，并允许AI做出更合理的决策！
Doug Laney，@ Doug_Laney，首席数据策略师，Caserta，《信息经济学》的畅销书，伊利诺伊州吉斯大学商学院的客座教授
上世纪90年代初期，人工智能从平静的年代复活，再加上数据科学的主流，无非是推动了数据的发展。今天，大数据就是“正义数据”。即使其持续膨胀，其规模也不会再淹没存储或计算能力。至少不再有任何借口说任何组织都被数据的庞大性所束缚。（提示：云。）确实，已经出现了逐渐改进的技术，但是，从社交媒体平台喷涌而出，合作伙伴之间交换，从网站中收集以及运用于连接的设备上的大量数据可用性导致了无法预料的见解，自动化以及优化。它还催生了以数据为中心的新业务模型。
我设想在2020年（不是双关语，不是吗？）扩展信息生态系统的出现，从而进一步使由AI和数据科学推动的业务合作伙伴之间的数字协调成为可能。一些组织可能选择构建自己的数据交换解决方案，以通过其和其他组织的信息资产获利。其他公司将通过区块链支持的数据交换平台和/或提供一系列替代数据的数据聚合器来增强其高级分析功能。
比尔Schmarzo，@schmarzo，是CTO，物联网和分析日立Vantara。
2019年主要发展
- 关于通过智能手机，网站，家用设备和车辆将AI集成到我们日常生活中的“消费者证明要点”不断增长。
- 正式承认DataOps类别，这是对数据工程角色日益重要的认可
- 在执行套件中，人们越来越尊重数据科学的业务潜力。
- CIO继续努力实现数据货币化的承诺。数据湖的幻灭导致数据湖“第二次手术”
2020年主要趋势
- 工业公司更多利用现实世界的例子，利用传感器，边缘分析和AI来创建通过使用变得更加智能的产品；他们欣赏而不是贬值使用价值
- 由于无法提供合理的财务或运营影响，宏伟的智能空间项目继续难以超越最初的试点。
- 对于利用数据和分析来推动有意义的业务成果的组织而言，经济衰退将在“有”与“无”之间造成鸿沟
凯特Strachnyi，@StorybyData，DATAcated来讲述数据故事| 赛跑者| 2的妈妈| 数据科学与分析的顶级声音。
在2019年，我们看到了数据可视化/商业智能软件领域的整合; Salesforce收购Tableau Software，Google收购Looker。这项对商业智能工具的投资证明了公司在数据民主化方面的价值，并使用户能够更轻松地查看和分析其数据。
我们可以期望在2020年看到的是继续向自动化数据分析/数据科学任务转变。数据科学家和工程师需要能够扩展和解决更多问题的工具。这种需求将导致在数据科学过程的多个阶段开发自动化工具。例如，某些数据准备和清除任务是部分自动化的；但是，由于公司的独特需求，它们很难完全自动化。自动化的其他候选者包括特征工程，模型选择等。
罗纳德·房龙，@Ronald_vanLoon，Adversitement董事，帮助数据驱动的公司生成成功。Top10大数据，数据科学，物联网，人工智能影响者
2019年，该行业见证了可解释性人工智能和增强型分析技术的日益普及，这使企业能够弥合AI可以提供的潜力与基于决策的技术复杂性之间的鸿沟公正的AI结果。全栈AI方法是组织在2019年进行的又一项发展，旨在帮助加快创新之路并支持AI增长，同时改善不同团队和个人之间的集成和沟通。
到2020年，由于会话式AI的易用性和直观的界面，我们将看到一些客户体验改善趋势。这种自动化解决方案使公司能够扩展和转变客户体验，同时为客户提供24/7全天候服务，并为快速解决问题和提供可靠的自助服务提供了机会。此外，当我们将AI融入现有流程并努力改变我们对AI提出的问题时，Narrow Intelligence将继续支持我们如何最有效地利用人和机器的力量。
Favio Vazquez，@FavioVaz，Closter首席执行官
在2019年，我们看到了人工智能技术的惊人发展，主要是在深度学习方面。数据科学能够利用这些进步来解决更棘手的问题，并塑造我们所生活的世界。数据科学是利用科学来催化变化并将纸张转化为产品的引擎。我们的领域不再只是“炒作”，它正在成为一个严肃的领域。我们将看到有关数据科学及其朋友的重要在线和离线教育越来越多。希望我们对自己的工作方式和方法更加自信。语义技术，决策智能和知识数据科学将在未来几年成为我们的伴侣，因此我建议人们开始探索图形数据库，本体和知识表示系统。
Jen Underwood，@idigdata，自然力量推动组织更快地前进
2019年，我们达到了组织认真对待在算法经济中竞争的临界点。市场领先的公司不是发起一个一次性项目，而是通过计划整个企业范围的AI策略来提升数据科学的知名度。同时，成熟的数据科学组织启动了道德，治理和ML Ops计划。不幸的是，尽管机器学习的采用率提高了成功率，但大多数人还没有。
从技术角度来看，我们目睹了混合分布式计算和无服务器架构的兴起。同时，算法，框架和AutoML解决方案从创新迅速发展到商品化。
到2020年，我预计个人数据安全性，法规，算法偏见和深度虚假主题将成为头条新闻。从更明亮的角度来看，可解释的AI的进步以及自然语言生成和优化技术的增强了人们的理解，将有助于弥合数据科学与业务之间的鸿沟。随着数据素养和公民数据科学计划的进一步兴起，机器学习从业人员应继续蓬勃发展。
这是根据他们的预言而得出的词云
：
- 人工智能，分析，机器学习，数据科学，深度学习研究在2019年的主要发展和2020年的主要趋势
- 2018年机器学习和AI的主要发展以及2019年的主要趋势
- 人工智能，数据科学，分析2018年的主要发展和2019年的主要趋势
本文转自kdnuggets，原文地址