在每个联邦机构中，重要的见解都隐藏在多年来收集的大量数据集中。但是由于联邦政府数据科学家的短缺，从这些数据中提取价值是非常耗时的。然而，随着数据科学，人工智能(AI)和机器学习的进步，各机构现在可以使用先进的工具来转换信息分析和代理业务。

从预测恐怖威胁到检测税务欺诈，一种称为自动机器学习的新一类企业级工具，有能力通过预测建模来改变联邦决策的速度和准确性。像AI这样的技术正在改变联邦政府理解和决策的方式。

要使用自动化机器学习等工具充分发挥联邦政府数据科学的潜力，首先了解所用术语及其含义，这一点非常重要。

数据科学：分析数据的艺术

数据科学是一个广义的术语，指的是利用数据解决问题的科学和艺术。根据统计数据，这种做法融合了数学，编码和领域知识，以回答某个数据集的具体问题。计算能力的进步已经从基于计算器的统计建模转化为预测算法，将历史分析转化为对未来行为的预测。

即使是1790年进行的第一次美国人口普查，使用鹅毛笔和纸张，收集了大约20兆字节的数据。今天，人口普查局积压了将近4000亿个数据点，对人口统计和行为不断演变的人口提供了丰富的见解。虽然随着时间的推移，数据量不断增加，但数据科学家却处于供不应求的状态，数据量和见解数据差距很大，人们需要从数据中获得这些见解。

AI：填补数据科学的空白

人工智能与数据科学重叠，赋予机器相互作用的能力，就好像人参与过程的一样。人工智能的核心是通过应用数学模型从数据中推断信息来复制智能人类行为的能力。然而，人工智能更进一步，它可以通过这些机器做出决定并采取行动 - 无论是在数据中心还是在云端。

早期AI由艾伦·图灵(Alan Turing)发展而来，他在二战期间对德国军队发出的加密信息进行了解密。今天，人工智能在大数据的可用性和可访问性，以及越来越经济实惠的存储和处理能力方面正在政府中实现。人工智能已成功应用于情报和国防应用，如美国国防部高级研究计划局(DAPRA)的学习和组织计划认知代理，现在是苹果的Siri和无人驾驶飞机的骨干。

机器学习：AI进化的下一步

随着人工智能的发展，新的创新浪潮开始了机器学习。机器学习融合了人工智能和数据科学，不仅可以使用算法进行决策，它还可以从过去的数据点中学习，改进方法，随着时间的推移变得更加智能，并收集和分析更多的数据。而带来颠覆性变化的是预测性智能，拥有预测和基于复杂算法的未来事件做准备的能力。

想想预测的力量在联邦政府中能达到什么样的效果。例如，机器学习将帮助国税局找到归档税表中的异常情况，自动标记潜在的欺诈，提交作进一步审查。它还可以将卫星和传感器信息混合，从而为国家气象局提供预测。

这是一个关键时刻。数据科学家在解释结果时需要人工智能和自动机器学习，而不是手动管理和处理信息。更重要的是，通过自动化机器学习，联邦政府中的任何人都可以作为数据科学家，利用预测模型和洞察数据所提供的信息。

这些进步为联邦机构创造了无数的机会，可以做出更快，更准确的决策，从而大大提高任务能力，效率和安全性，同时还可以调整空缺的数据科学家职位。机构可以从企业的成功经验中学习，并将人工智能定位复杂的网络对手，在攻击前找出内部威胁，主动识别欺诈或预测恐怖袭击。

鉴于我们面临的国家安全和经济威胁以及数据科学家日益短缺，采取这种创新对于保持领先一步至关重要。凭借人工智能和机器学习的强大功能，这项功能现在就在我们的指尖。