Top 5 des tendances en matière d'automatisation de l'IA en 2022

La pénurie de main-d'œuvre a toujours été un problème qui afflige de nombreuses entreprises. Il existe de nombreux postes de débutants disponibles, la plupart des magasins de détail embauchent et, bien sûr, les salaires moyens augmentent avec eux. Des pays comme le Japon sont présents depuis longtemps et ouvrent la voie en tirant parti de l’IA pour atteindre des niveaux d’automatisation plus élevés, dans le but de faire plus avec moins de personnes.

Voici quelques-unes des principales tendances de l'automatisation de l'IA :

1. Formation en IA et qualité des données

Ruben Orduz, développeur principal et défenseur de la plateforme ouverte de qualité des données Great Expectations, qui travaille sur la formation en IA Les ingénieurs de données prennent le processus de qualité des données au sérieux. L’un des problèmes est que les données du monde réel ne sont ni précises ni prévisibles. Il peut souffrir de problèmes de qualité tels que des données manquantes, tronquées ou invalides, des duplications inattendues et des anomalies.

Il a déclaré : « Lorsque des données désordonnées sont utilisées pour entraîner des algorithmes, les résultats peuvent être catastrophiques. Les algorithmes d'apprentissage automatique et d'intelligence artificielle qui reposent sur l'inférence et l'ajustement basés sur les données d'entrée sont particulièrement vulnérables aux mauvaises conditions des données.

Par exemple, si une entreprise envoie et livre des marchandises, elle reçoit un ensemble de commandes du fournisseur, qui comprend le nom, l'adresse et les marchandises à livrer. Les systèmes d'IA reçoivent ces données et les utilisent pour apprendre et planifier les itinéraires de livraison. Si le nombre de marchandises livrées varie généralement de 1 à 30, mais que les données montrent soudainement des milliers de colis dans le « nombre de colis », cela signifie qu'il faudra embaucher davantage de chauffeurs-livreurs, ce qui indique que le modèle est également biaisé. . C'est pourquoi les ingénieurs de données travaillent dur pour comprendre la qualité de leurs données et utilisent des plateformes de qualité des données pour identifier les données aberrantes et affectées. Faire cela est maintenant plus facile que jamais. Les ingénieurs peuvent découvrir, exécuter des tests de pipeline au fur et à mesure que les flux de données arrivent et détecter les valeurs aberrantes avant d'entrer dans le processus de formation à l'IA.

2. Automatisation de l'IA et mise en réseau

De nombreuses entreprises telles que Cisco, Juniper Networks, Gluware et Splunk investissent dans l'automatisation des capacités de l'IA pour les appliquer au dépannage du réseau et aux diagnostics de performances. Les opérations de réseau nécessitent traditionnellement des ressources humaines très impliquées. L’intelligence artificielle et les données peuvent automatiser de nombreuses tâches.

Le réseau est, après tout, un système complexe qui englobe une vaste gamme de technologies, d'architectures et de superpositions, entraînant des pannes et des problèmes de performances à de nombreux points de fonctionnement. Les aspects manuels du réseau sont tout aussi difficiles. Malgré certains efforts pour centraliser les opérations vers les contrôleurs réseau, la gestion du réseau reste en grande partie manuelle et nécessite une expertise considérable de la part des administrateurs. De plus, le travail est en grande partie exploratoire, les responsables essayant de déterminer manuellement la cause profonde du problème sans informations ni données préalables. Par conséquent, exploiter un réseau de manière traditionnelle est coûteux, à la fois en termes de temps d'arrêt ou de dégradation du service, et en termes de main d'œuvre nécessaire pour mettre en œuvre la solution.

Stanislav Miskovic, vice-président de l'intelligence artificielle chez Gluware, a déclaré : « L'automatisation de l'analyse avec l'IA est une énorme opportunité et nous construisons une plate-forme qui exploitera et unifiera les données réelles sur l'ensemble de la pile réseau

IA. l'automatisation peut aider les entreprises à réduire les coûts opérationnels liés au réseau de diverses manières : en effectuant une analyse des causes profondes et en localisant les sites, les appareils et les protocoles problématiques ; en identifiant de manière autonome l'infrastructure dans son ensemble et tous ses composants ; comme l'identification de preuves à l'appui et la prescription de mesures correctives aux ingénieurs réseau. Mais dans le monde cyber, la plupart de ces capacités en sont encore à leurs balbutiements. en général doit être automatisé avec plus d’intelligence artificielle, il en va de même pour la cybersécurité. À mesure que les menaces deviennent plus sophistiquées et que les frontières des réseaux d'entreprise deviennent de plus en plus floues, notamment avec la transition vers les plateformes cloud, la quantité de données à analyser dépasse de loin les capacités d'inspection manuelle.

Miskovic a déclaré : « L'IA et l'analyse sont des outils clés pour améliorer la sécurité. Aujourd'hui, la sécurité doit couvrir un champ plus large et cela ne peut être réalisé sans l'aide de l'automatisation de l'IA si la surface d'attaque est trop grande. les données sont trop volumineuses pour être examinées sans l'aide de l'intelligence artificielle. »

Cela a favorisé le développement de l'analyse du comportement des utilisateurs et des entités, qui est un domaine de sécurité purement basé sur l'intelligence artificielle. Une autre approche de la sécurité basée sur l'IA consiste à détecter les attaques du jour zéro ou les événements inconnus, ce qui ne serait pas possible sans l'analyse de base automatisée par l'IA et la détection des anomalies. Enfin, l’automatisation de l’IA aide les équipes d’intervention en matière de sécurité en priorisant les alertes de sécurité, en réduisant la fatigue liée aux alertes et en recommandant des actions correctives.

4. Automatisation des processus

Même avec tous les produits qui aident à surveiller, gérer, exploiter et sécuriser l'infrastructure de l'entreprise, le nombre d'alertes qu'ils génèrent et le nombre de mesures que les ingénieurs doivent prendre pour les résoudre deviennent écrasants. C’est pour cette raison que l’automatisation des processus basée sur l’IA fait désormais partie intégrante des opérations réseau, des opérations de sécurité et de la gestion des tickets.

Miskovic a déclaré : « De nombreuses solutions basées sur l'IA ont été développées pour automatiser divers aspects des tâches d'alerte et de résolution de problèmes. Ces solutions d'automatisation de l'IA fournissent des playbooks personnalisables qui peuvent être déployés sans intervention humaine. Le système peut apprendre de manière autonome les nombreuses étapes du playbook nécessaires pour résoudre un problème en identifiant les modèles que les ingénieurs ont créés pour résoudre des problèmes similaires. Ces playbooks peuvent également être personnalisés par les ingénieurs. . Par conséquent, d’autres feront inévitablement le gros du travail et proposeront l’IA en tant que service comme alternative à l’IA en tant que plate-forme. Frans Cronje, co-fondateur et PDG de DataProphet, a déclaré : « Alors que les entreprises et leurs équipes de science des données ont exploité leurs propres avantages grâce aux plateformes d'intelligence artificielle et ont commencé à constituer des équipes professionnelles pour réaliser la valeur ajoutée de l'intelligence artificielle, il est nécessaire aux systèmes d’IA qui fournissent des connaissances approfondies sous la forme de l’IA en tant que service va s’accélérer. »

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!