几年来，人工智能列车一直在飞速前进，似乎没有任何东西可以阻止它（除了糟糕的数据）。随着势头的增强，2023年人工智能将朝哪个方向发展？我们看看专家怎么说。

　　许多人工智能项目构思不周，最终因此而失败。Pecan AI联合创始人兼首席执行官佐哈尔·布朗夫曼（Zohar Bronfman）表示，2023年，在评估人工智能的功效时，企业将发现一种新的警惕。

　　“2023年，企业领导人将比过去更加严格地评估潜在的数据科学项目。这些项目往往无法产生真正的影响，因为它们与业务需求不一致，或者因为它们从未投入生产。随着数据科学所涉及的费用和时间承诺，领导者将更加仔细地审查拟议的工作，并调查正确的计划。”布朗夫曼说：“我们将继续努力，以确保在短期内根据模型的输出采取业务改进行动，或者在资源浪费之前将其摧毁。”。

　　2023年，对数据科学家的需求将增加。Domino数据实验室的首席执行官兼联合创始人尼克·埃尔普林预测，对GPU进行深度学习模型训练的需求也将如此。

　　“人工智能的最大改进来源是在训练系统中部署深度学习，尤其是变压器模型，旨在模拟大脑神经元的动作和人类的任务。这些突破需要巨大的计算能力来分析大量结构化和非结构化数据集。与CPU不同，图形处理单元（GPU）可以支持深度学习工作负载所需的并行处理。这意味着在2023年，随着更多基于深度学习技术的应用程序涌现，从翻译菜单到治疗疾病，对GPU的需求将继续飙升，”埃尔普林说。

　　支持这一动议的是英伟达DGX系统副总裁查理·博伊尔（Charlie Boyle），他希望明年能销售更多的GPU。

　　“2023年，无法支持并行处理的低效、基于x86的传统计算架构将被加速计算解决方案所取代，这些解决方案将提供构建语言模型、推荐人等所需的计算性能、规模和效率。在经济逆风中，企业将寻求能够实现目标的AI解决方案，同时简化IT合作sts和提高效率。使用软件在基础设施中集成工作流的新平台将实现计算性能突破，降低总体拥有成本，减少碳足迹，加快变革性人工智能项目的投资回报，取代更浪费、更陈旧的架构。”

　　你大概有可能以合理的速度雇佣一名合格的数据科学家，就像你发现一只独角兽一样（我们开玩笑）。2023年会是世界达到“数据科学家高峰”的一年吗？Kyndi创始人兼首席执行官Ryan Welsh认为这是事实。

　　“数据科学家和机器学习工程师的短缺一直是企业实现人工智能价值的瓶颈。结果发生了两件事：（1）越来越多的人追求数据科学学位和认证，增加了数据科学家的数量；以及（2）供应商提出了新的方法，以尽量减少数据科学家在人工智能生产中的参与。这两个波的同时干扰产生了“峰值数据科学家”，因为随着基础模型的出现，公司可以在这些模型的基础上构建自己的应用程序，而不是要求每个公司从头开始训练自己的模型。更少的定制模型培训需要更少的数据科学家和MLE，同时更多的人正在毕业。在2023年，预计市场会做出相应反应，导致数据科学过度饱和，”威尔士说。

　　数据科学工具提供商Dataiku的负责人工智能主管特里韦尼·甘地（Triveni Gandhi）预测，有望看到合乎道德的人工智能继续吸引企业的关注和资源。

　　“虽然我们在新闻中看到了一些公司削减道德人工智能角色的头条新闻，但事实是，大多数公司将继续投资于其道德人工智能团队。这一资源对于人工智能的规模和运营至关重要，有助于公司确信其人工智能输出符合其价值观，并以稳健可靠的方式执行。此外，道德人工智能小组让用户相信，他们正在与之互动的产品是经过考虑的，并满足安全和信任方面的期望。对于任何一家公司来说，要想保持领先地位，必须建立一个合乎道德的人工智能团队。”甘地说。

　　深度学习的困境之一是预测模型的黑箱性质。图形数据库制造商Franz的首席执行官Jans Aasman表示，解决这一问题的一种方法是在2023年将人工智能与因果知识图配对。