|
人工智能和呆板进修如何辅佐组织从大数据中得到更好的业务看法?需要相识人工智能和大数据阐明的下一步成长。 大数据技能并不像几年前那样广受存眷，但这并不料味着大数据技能没有获得成长。假如说有什么差异的话，那就是大数据的局限正在变得越来越大。 大数据曾经被认为是一项重大挑战。可是此刻，它越来越被视为一种抱负状态，尤其是在正在实验并实施呆板进修和其他人工智能学科的组织中。 Anexinet公司高级数字计策师Glenn Gruber说，“人工智能和呆板进修此刻为我们提供了利用现有大数据的新时机，并操作新数据范例开拓了许多新用例。我们此刻拥有更多可用的数据，譬喻图片、视频和语音。已往，我们大概试图只管淘汰捕捉的此类数据的数量，因为我们无法对其做太多的处理惩罚，可是它存储此类数据会发生庞大的本钱。” 人工智能如何适应大数据 大数据与人工智能之间存在着一种互惠干系：人工智能在很洪流平上依赖于前者的乐成，同时也辅佐组织以以前繁琐或不行能的方法释放数据存储中的潜力。 Gruber说，“如今，我们需要尽大概多的数据，这不只是为了更好地洞察我们试图办理的业务问题，并且因为我们通过呆板进修模子输入的数据越多，它们获得的功效就越好。这是一个良性轮回。” 人工智能如何利用大数据 存储和其他有关大数据和阐明的问题仿佛已经不再一样。譬喻，Gruber指出，大数据和人工智能的团结会环绕基本设施、数据筹备和管剃头生新的需求(或强调现有需求)。可是在某些环境下，人工智能和呆板进修技能大概是组织如何办理这些运营巨大性的要害部门。 关于“更好的洞察力”：人工智能和呆板进修作为当前在贸易规模中最重要的学科，如何辅佐IT率领者实现此刻或未来的方针? 人工智能提供更好看法的6种方法 1.人工智能正在缔造新的数据阐明要领 大数据的根基业务问题之一有时可以用一个简朴的问题来归纳综合：此刻是什么?人们已经拥有了所有这些对象，而且还会有更多的对象呈现，那么如那里理惩罚呢?在大数据的大举宣传和炒作中，听到这个问题的谜底并不老是那么容易。 另外，答复这个问题(或从数据中获取看法)凡是需要大量的人工事情。人工智能正在缔造新的要领。从某种意义上说，从广义上讲，人工智能和呆板进修是新要领。 从汗青上看，在阐明数据时，工程师不得不利用查询或SQL(查询列表)。可是，跟着数据重要性的不绝增长，得到洞察力的多种要领也应运而生。人工智能是查询/SQL的下一步。Alluxio公司首席执行官Steven Mih说，“已往的统计模子此刻已经与计较机科学融合，并已成为人工智能和呆板进修的一部门。” 2.数据阐明的劳动强度正在低落 因此，与已往对比，打点和阐明数据所需的人工时间更少了。人们仍然在数据打点和阐明中饰演着至关重要的脚色，但由于人工智能，本来大概需要几天或几周(或更长)的进程正在加速速度。 Sungard AS公司的高级架构师Sue Clark说，“人工智能和呆板进修是辅佐企业阐明数据的东西，比员工单独完成的事情更快、更有效。” Exasol公司首席技能官Mathias Golombek在大数据方面已调查到一种回收两层计策的趋势，因为组织争辩要从中得到任何代价所必需打点的海量信息：存储层和位于其之上的运营阐明层。 Golombek说，“这是从数据中提取看法并举办数据驱动的决定的处所。人工智能通过全新的成果通过培训数据做出半自动决定来加强阐明。它不合用于企业对数据存在的所有问题，可是对付特定的用例，它彻底改变了无需巨大的人类常识就能完陈法则、决定和预测的方法。” 换句话说，洞察力和决定可以更快地产生。另外，IT可以将雷同的道理(利用人工智能技能来淘汰人工、劳动麋集型承担并提高速度)应用于后端事物，让人们面临现实，IT之外很少有人想知道。 Alluxio公司Mih说，“数据洞察力的及时性质，加上此刻无处不在的事实，这将超过差异的机架、区域和云计较，这意味着企业必需从传统的打点和阐明数据要领中成长而来。这就是人工智能的用武之地。数据工程师一次又一次地人工复制数据的日子已经一去不复返了，在数据科学家提出要求后数周之内就交付了数据集。” 3.人类仍然重要 与其他人一样，Qlik Research公司副总裁Elif Tutuk将人工智能和呆板进修视为处理惩罚大数据的强大杠杆。 |
