IBM首席數(shù)據(jù)官（CDO） Inderpal Bhandari指出，“神經網絡（Neural network）已經存在很長一段時間了。最新的進展是我們必須為其處理大量的資料，以及強化與其有關的工程實力。”

　　他描述采用“生成對抗網絡”（GAN）的研究進展指出，透過讓兩種神經網絡相互競爭，可望創(chuàng)造出更好的神經網絡。“這是一種導引出更多算法的工程思考——現(xiàn)在已經因此而激蕩出很多關于神經網絡方面的工程技術了。”

　　從某些方面來看，這些算法可用于預測未來的硬件。例如，Dun & Bradstreet的首席資料科學家Anthony Scriffignano指出，“量子（quantum）算法將會變得越來越熱門，因為當這類算法成功可用后，就能用于執(zhí)行一些量子計算機才能做的事。”

　　“深度信念網絡”（DBN）是另一種熱門的新興途徑。Scriffignano將其定義為“一種非漸進式方法，能夠讓你一邊學習一邊修正目標與目的，因而具有明日神經形態(tài)計算機的特性，”并形成一種適于仿真人腦的系統(tǒng)。

　　美國斯坦福大學（Stanford University）計算機科學教授Christopher Re開發(fā)的通用數(shù)據(jù)深度探勘工具——DeepDive算法一直備受關注。該校數(shù)據(jù)科學計劃主管Stephen Eglash指出，這種算法有助于讓計算機更易于了解并使用文本、表格和圖表等非結構化的數(shù)據(jù)，就像掌握關系數(shù)據(jù)庫或電子表格一樣輕松。

　　“現(xiàn)有的數(shù)據(jù)大部份都是非結構化或半結構化的。例如，我們可以輕松地讀取規(guī)格表，但計算機卻很難像我們一樣理解。”

　　Deep Dive已經用于協(xié)助腫瘤學家以計算機解釋腫瘤照片。此外，美國紐約檢察總長也用它作為執(zhí)法工具。至今，它已經應用在各個不同領域的許多公司了。

　　Eglash說，DeepDive之所以如此獨特，部份原因在于“它能辨識并標記所有的數(shù)據(jù)，然后用學習引擎和概率技術來確定數(shù)據(jù)的意思。”

　　盡管這種途徑十分成功，但它只是近來學術界開發(fā)的多種算法之一。其他算法有的專注于計算機視覺（computer vision）等領域，或嘗試在實時數(shù)據(jù)串流中找出異常之處。Eglash強調，“如此就能讓我們持續(xù)進行更深入的研究。”

　　讓開發(fā)人員腎上腺素飆高的部份原因，就在于他們必須從現(xiàn)實世界中取得有趣的數(shù)據(jù)集。GE Digital的Predix云端工程負責人Darren Haas聲稱在這方面取得了優(yōu)勢。

　　Haas說：“我想有些人可能沒機會看看我們所提供的數(shù)據(jù)。我們從飛機、衛(wèi)星和火車取得了高達數(shù)千兆字節(jié)（petabyte）的傳感器資料。如果將這三者關聯(lián)起來，就可以提供很多信息，例如農場或紅杉樹看起來健康或是病了。”

　　Hass原本任職于蘋果（Apple），負責部署其中一項最大的Hadoop，用于執(zhí)行像Siri等任務。他說GE Digital已經從亞馬遜（Amazon）、Facebook和Google吸收到編程人才，“當我展示我們正著手進行的數(shù)據(jù)集時，他們都感到十分震驚。”

　　事實上，位于加州的通用電氣（GE）軟件部門已經從幾年前約800個編程人員，迅速增加到目前約有2,000人了。

　　Haas個人喜歡的一種編程語言是Go。這是少數(shù)幾種已編譯的編程語言之一，如Elixir和Erlang一樣，現(xiàn)在重新獲得了機器學習（machine learning）開發(fā)人員的再度關注。

　　“在實作層，我一直鼓勵自家團隊使用Go，”Haas指出，GE也定期舉辦Go語言的聚會。“它已經過編譯了、速度快、涵蓋各種應用，而且更有效管理內存。我還教12歲的兒子學Go呢，因為，我認為這是未來的趨勢。”

　　他說：“如果您需要串流數(shù)據(jù)或事件中樞，全部都以Go來寫最恰當不過了。”相形之下，“我看到的每一個Node.js項目在四個月后都得重新編寫。”

　　也就是說，“很多人都大量使用Python。我認為它是機器學習的主流，適合數(shù)據(jù)分析、擷取數(shù)據(jù)和建構模型……等等，而且，Matlab的R也很重要。”

　　“很多人都用數(shù)據(jù)科學家說的‘何者正確與否’，以手動策劃數(shù)據(jù)集與模型。”Haas說：“但我們想用串流、偵測異常的方式進行，在封閉的反饋回路中通知用戶。”