隨著對其他AI應用程序需求的增長，企業將需要投資有助于其加快數據科學流程的技術。然而：實施和優化機器學習模型只是數據科學挑戰的一部分。
實際上，數據科學家必須執行的絕大多數工作通常與ML模型的選擇和優化之前的任務相關，例如特征工程-數據科學的核心。以下是2020年AI需要注意的一些趨勢：
1.人工智能和更好的醫療保健
人工智能實際上將改變患者的治療方式。AI可以在更短的時間內以較少的成本執行許多任務，并簡化了患者，醫生和醫院管理人員的生活。MRI，X射線機和CT掃描儀的功能無可爭議。機器人醫生正在通過使手術更清潔，更精確來逐步占領手術現場。與皮膚科專家相比，人工智能已經能夠更準確地檢測皮膚癌，因此通過賦予人工智能，疾病檢測將更加準確。
2.量子計算將向人工智能附加費
2020年值得關注的另一趨勢將是量子計算和AI的進步。量子計算有望徹底改變計算機科學的許多方面，并有望在未來增強AI。它旨在極大地提高我們生成，存儲和分析大量數據的速度和效率。這對于大數據，機器學習和AI認知可能具有巨大的潛力。通過大幅度提高篩選速度并理解海量數據集，人工智能和人類應會受益匪淺。它甚至可能引發新的工業革命。只有時間會給出答案。
3.計算機圖形學將從人工智能中受益匪淺
2020年值得關注的趨勢之一將是在計算機生成的圖形中使用AI的進步。對于更逼真的效果（例如在電影和游戲中創建高保真環境，車輛和角色）而言，尤其如此。在屏幕上創建逼真的金屬副本，木材或葡萄皮的暗淡光澤通常是非常耗時的過程。對于人類藝術家，它也往往需要大量的經驗和耐心。各種各樣的研究人員已經在開發新方法來幫助AI做繁重的工作。AI正在用于改善光線追蹤和柵格化等功能，以創建一種更便宜，更快捷的方法來渲染計算機游戲中的超真實感圖形。維也納的一些研究人員在藝術家的監督下，他們還在研究部分或全部自動化流程的方法。使用神經網絡和機器學習從創建者那里獲取提示，以生成示例圖像以供批準。
4. AI和Deepfake變得更加真實
Deepfakes是近年來出現了巨大進步的另一個領域。2019年，許多社交媒體網絡都傳播了大量的虛假信息。但是隨著時間的流逝，這項技術只會變得更加復雜。這為可能在現實世界中損害或破壞人們聲譽的一些令人擔憂的后果打開了大門。隨著Deepfake越來越難以與真實錄音區分開來，我們將來如何判斷它們是否為假冒產品？這非常重要，因為深造品很容易被用來散布政治錯誤信息，公司破壞甚至是網絡欺凌。谷歌和Facebook一直試圖通過發布數千個Deepfake視頻來教導AI如何檢測它們來克服這一問題。不幸的是，似乎他們有時也難過。
5.人工智能和自動機器學習（AutoML）
數據預處理，轉換AutoML具有執行ETL任務的能力，很可能在2020年變得更加流行。AutoML技術可以自動進行模型選擇，超參數優化和評分，而其他云提供商已經提供了“自動駕駛”替代服務。
6.人工智能和聯合機器學習
早在2017年，Google引入了分布式學習的概念，該方法使用分散的數據對模型進行部分或全部訓練。考慮考慮在計算機上訓練基準模型，然后將模型交付給最終用戶，最終用戶可以訪問數據（在他的手機，筆記本電腦，平板電腦上），這些數據用于微調和個性化模型。一旦基線模型滿足某些要求，就可以將模型交付給客戶端，客戶端最終將對其進行培訓，而無需與外部參與者共享任何用戶數據。
