宁德生活圈

网站首页 互联网 > 正文

人工智能与良好数据管理的关键环�

2021-09-23 03:29:01 互联网 来源:
导读 人工智能在一个非常重要的方面不同于传统软件:它必须学会如何完成它的工作。这为产品生命周期提供了一个关键的好处,因为系统本身可以添加

人工智能在一个非常重要的方面不同于传统软件:它必须学会如何完成它的工作。

这为产品生命周期提供了一个关键的好处,因为系统本身可以添加新工具、创建新功能并以其他方式改变自己,而无需等待编码向导每年手动升级一次(甚至更少)。更好的满足用户的需求。当然,缺点是很少有AI程序可以开箱即用地提供顶级性能;只有通过持续使用,他们才能理解对他们的期望以及如何最好地实现他们的目标。

这种演变的一个关键因素是人工智能驱动的系统面临的数据。良好的数据、适当的条件和适当的环境将使服务能够做出明智的决策并采取适当的行动,而糟糕的数据将导致糟糕的结果和稳定的性能下降。

比如考虑人工智能驱动的营销策略。关键数据点可能表明对特定地区或特定人群的特定产品的兴趣增加。然而,如果数据仅基于网络视图或其他轶事证据,而不是深入的消费者调查,那么大量的时间、金钱和其他资源可能会从更具生产力的项目中转移出来,以寻求不存在的机会。

看到问题。

然而,到目前为止,企业在管理数据,尤其是非结构化数据方面取得的成功微乎其微。根据Corinium的数据,70%的IT和数据管理团队难以满足分析需求,而近40%的团队难以保持良好的数据质量,尽管其中超过一半的团队使用尖端的混合和多云架构进行数据存储。

然而,从积极的方面来看,许多组织开始意识到这个问题的重要性,并正在采取措施解决它。超过90%的受访者表示,他们将在明年的新分析计划中投资超过100万美元,超过60%的受访者采用了混合云策略来跨内部和外部基础架构整合数据。

然而,Informatica总裁Amit Walia表示,仍需克服的一个关键问题是,需要从基础数据收集和汇总发展到更高级的上下文和相关性模型。企业只有对技术、业务、运营、使用等关键元数据进行分析,才能培育出训练智能算法所需的“智能数据”。

但是随着数据量的持续爆炸,这变得越来越困难。具有讽刺意味的是,许多数据分析和管理解决方案正在转向相同的人工智能和机器学习算法,这使得最终消耗数据和元数据的智能应用成为可能。通过使整个过程更加智能化,企业可以将目前占用大量高薪数据科学家时间的许多死记硬背功能自动化,让他们可以自由地专注于更复杂的战略目标。

来自远方的数据。

每个智能数据管理系统都需要简化与云的连接。尽管广域网变得更快、更灵活和软件定义,但它仍然缺乏复杂的管理工具来以人工智能友好的速度组织、处理和传输数据。这就是为什么NetApp和英伟达联手将AFF A800闪存平台与DGX超级计算机相结合的原因。该解决方案通过使用NetApp Data Fabric有效地提供了从边缘到核心到云的数据控制,并为分析引擎提供了整个分布式生态系统的准确和最新视图,无论数据位于何处或以何种格式直接访问。

然而,检索数据只是第一步。改进数据库吸收和解释数据的方式同样有效。分散式数据库公司Bluzelle的首席执行官Pavel Bains认为,区块链可以通过创建一个适应结构化和非结构化数据的通用数据存储,在这方面做出重大贡献。这将允许数据管理团队提供人工智能所需的深度环境,以便快速了解所有这些,同时确保关键数据不受任何云提供商的控制。区块链使用分布式、点对点的存储节点,几乎可以确保数据可以以最高的速度提供到几乎任何地方,同时由于其不可更改但开放的分类帐方法,保持了高完整性。(当AI以适当的方式运作时,可以对业务有很大的帮助。了解更多关于公司可能考虑使用人工智能的5种方式。)

人工智能用词不当,因为它不是很聪明。它本能地区分事实和虚构,不管是好是坏,是对是错。它所能做的就是消耗大量数据,并找到一个符合其编程要求的模式。如果数据不正确或解释不正确,模式就会扭曲,结果就会错误。

从这个角度来看,人工智能背后真正的智慧在于它始终存在的地方:人脑。只有通过对数据收集和准备的适当监督,人工智能才能为数字服务和运营带来最大收益。

我们在数据方面更聪明,我们的机器也会更聪明,以实现更高的生产率。

郑重声明:本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误,请第一时间联系我们修改或删除。谢谢你。


免责声明: 本文由用户上传,如有侵权请联系删除!


标签: