人工智能在一個(gè)非常重要的方面與傳統軟件不同：它必須學(xué)習如何完成它的工作。

這為產(chǎn)品生命周期提供了一個(gè)關(guān)鍵的好處，因為系統本身可以添加新工具，創(chuàng )建新功能并以其他方式改變自身，而不必等待編碼向導每年手動(dòng)升級一次創(chuàng )建(甚至更少)。更好地滿(mǎn)足用戶(hù)要求。當然，缺點(diǎn)是很少有AI程序可以提供開(kāi)箱即用的頂級性能; 只有通過(guò)持續使用，他們才能了解對他們的期望以及如何最好地實(shí)現他們的目標。

這種演變的一個(gè)關(guān)鍵因素是AI驅動(dòng)系統所面臨的數據。良好的數據，適當的條件和放置在正確的環(huán)境中，將使服務(wù)能夠做出明智的決策并采取適當的行動(dòng)，而糟糕的數據將導致糟糕的結果和穩定的性能下降。

例如，考慮人工智能驅動(dòng)的營(yíng)銷(xiāo)策略。關(guān)鍵數據點(diǎn)可能表明對某個(gè)地區或某個(gè)特定人群中特定產(chǎn)品的興趣增加。但是，如果數據僅僅基于網(wǎng)頁(yè)視圖或其他軼事證據而不是深入的消費者調查，那么大量的時(shí)間，金錢(qián)和其他資源可能會(huì )從更具生產(chǎn)力的項目中轉移出來(lái)，以追逐不存在的機會(huì )。

看到問(wèn)題

然而，到目前為止，企業(yè)在管理數據方面取得了微不足道的成功，特別是非結構化數據。據Corinium稱(chēng)，70%的IT和數據管理團隊難以滿(mǎn)足分析需求，而近40%的人難以保持良好的數據質(zhì)量，盡管有一半以上的人使用尖端的混合和多云架構進(jìn)行數據存儲。

然而，從積極的方面來(lái)看，許多組織開(kāi)始認識到問(wèn)題的重要性，并正在采取措施解決這個(gè)問(wèn)題。超過(guò)90%的受訪(fǎng)者表示他們將在明年投入超過(guò)100萬(wàn)美元用于新的分析計劃，超過(guò)60%的受訪(fǎng)者采用混合的多云策略來(lái)跨內部和外部基礎架構聯(lián)合數據。

然而，仍然需要克服的一個(gè)關(guān)鍵問(wèn)題是需要從基本數據收集和聚合發(fā)展到更高級的上下文和相關(guān)性模型，Informatica總裁Amit Walia說(shuō)。只有通過(guò)解析關(guān)于技術(shù)，業(yè)務(wù)，運營(yíng)和使用的關(guān)鍵元數據，企業(yè)才能培養培訓智能算法所需的“智能數據” 。

但隨著(zhù)數據量持續爆炸，這變得越來(lái)越難。具有諷刺意味的是，許多數據分析和管理解決方案正在轉向相同的AI和機器學(xué)習算法，這些算法使最終消耗數據和元數據的智能應用程序成為可能。通過(guò)使整個(gè)過(guò)程更加智能化，企業(yè)可以自動(dòng)化當前占據大量高薪數據科學(xué)家時(shí)間的許多死記硬背功能，讓他們可以自由地專(zhuān)注于更復雜的戰略目標。

來(lái)自阿法爾的數據

每個(gè)智能數據管理系統都需要的一件事是簡(jiǎn)化與云之間的連接。雖然廣域網(wǎng)絡(luò )變得越來(lái)越快，靈活和軟件定義，但它仍然缺乏精細的管理工具來(lái)以AI友好的速度整理，處理和傳輸數據。這就是為什么NetApp和Nvidia聯(lián)手將AFF A800閃存平臺與DGX 超級計算機聯(lián)合起來(lái)的原因。該解決方案利用NetApp的Data Fabric有效地提供“邊緣到核心到云”的數據控制，為分析引擎提供整個(gè)分布式生態(tài)系統的準確，最新視圖，并無(wú)論數據位于何處或以何種格式直接訪(fǎng)問(wèn)數據在...

但是，檢索數據只是第一步。改進(jìn)數據庫攝取和解釋數據的方式同樣有效。數據庫分散公司Bluzelle的首席執行官Pavel Bains認為，通過(guò)創(chuàng )建一個(gè)適應結構化和非結構化數據的通用數據存儲，區塊鏈可以在這方面做出重大貢獻。這將允許數據管理團隊提供人工智能所需的深層環(huán)境，以便快速理解所有這些，同時(shí)確保關(guān)鍵數據不受任何一個(gè)云提供商的控制。區塊鏈使用分布式，點(diǎn)對點(diǎn)存儲節點(diǎn)幾乎確保數據幾乎可以在任何地方以最高速度提供，同時(shí)由于其不可變但開(kāi)放的分類(lèi)帳方法而保持高完整性。(當AI以其應有的方式運作時(shí)，它可以對業(yè)務(wù)有很大的幫助。了解更多公司可能想要考慮使用AI的5種方法。)

人工智能是用詞不當，因為它不是很聰明。它本能地區分事實(shí)和虛構，無(wú)論好壞，是非。它所能做的就是消耗大量數據并尋找滿(mǎn)足其編程要求的模式。如果數據不正確或解釋不正確，則模式將會(huì )偏斜，結果將會(huì )出錯。

從這個(gè)角度來(lái)看，人工智能背后的真正智慧在于它始終存在的地方：人腦。只有通過(guò)對數據收集和準備的適當監督，AI才能為數字服務(wù)和運營(yíng)帶來(lái)最大利益。

我們更聰明的是數據，我們的機器將更加智能，以實(shí)現更高的生產(chǎn)力。