人工知能: パンデミックにより人工知能の導入が加速される 3 つの方法

ここ数年、企業が新しいビジネス モデルとマーケティング チャネルを迅速に構築する必要があるため、人工知能の導入が加速しています。これは特に医療分野に当てはまり、データ分析によって新型コロナウイルス感染症ワクチンの開発が加速しています。消費者向けパッケージ商品では、フリトレーがわずか 30 日で電子商取引プラットフォーム Snacks.com を構築したとハーバード ビジネス レビューが報じました。

パンデミックは、学校がオンラインで一晩学習することを余儀なくされたため、教育における人工知能の導入も加速しました。可能な限り、世界は「非接触型」取引に移行し、銀行業界に革命を起こすでしょう。

新型コロナウイルス感染症のパンデミック中の 3 つの技術開発により、人工知能の導入が加速しました。 継続的に安価なコンピューティング能力とストレージ

• 新しいデータ アーキテクチャ
• 新しいデータソースの利用可能性
• 人工知能開発の長所と短所

これはこれらの発展が IT に与える影響を理解するには、以下を参照してください。リーダーになることの長所と短所。

1. 継続的な低コストのコンピューティング パワー

ムーアの法則から 60 年が経過しても、コンピューティング パワーは依然として向上し続けています。 NVidia などの企業の新しいチップ、より強力なマシン、より多くの処理能力を搭載しています。 AIImpacts の報告によると、「過去 25 年間、1 ドルあたり利用可能なコンピューティング能力は、およそ 4 年ごとに 10 倍 (FLOPS または MIPS で測定) 増加した可能性があります。」しかし、過去 6 ～ 8 年間、この速度は鈍化しています。

メリット: 少ないリソースでより多くのことを実現

安価なコンピューティングにより、IT リーダーはより多くの選択肢を得ることができ、より多くのことを実行できるようになります。少ない。

欠点: 選択肢が多すぎると、時間とお金の無駄につながる可能性があります

ビッグデータを検討してください。 IT プロフェッショナルは、安価なコンピューティングのパワーを活用したいと考えています。人々は、より良い洞察、分析、意思決定を得るために、利用可能なすべてのデータの取り込みと分析を開始したいと考えています。

#しかし、注意しないと、膨大な量のコンピューティング能力が実際のビジネス アプリケーションには十分ではなくなる可能性があります。

#ネットワーク、ストレージ、コンピューティングのコストが低下するにつれて、人間はそれらをより使用する傾向にあります。しかし、必ずしもすべてにビジネス価値をもたらすわけではありません。

2. 新しいデータ アーキテクチャ

新型コロナウイルス流行以前の「データ ウェアハウス」と「データ レイク」 」 これら 2 つの用語がこれに対応する標準です。しかし、「データ構造」や「データグリッド」のような新しいデータアーキテクチャはほとんど存在しません。 DataFabric は、データの検出、ガバナンス、消費を自動化することで、企業がデータを使用してバリュー チェーンを最大化できるようにするため、AI の導入をサポートします。データがどこに存在しても、企業は適切なデータを適切なタイミングで配信できます。

利点: IT リーダーはデータ モデルとデータ ガバナンスを再考する機会が得られます

逆転の機会が提供されます集中化されたデータ リポジトリまたはデータ レイクのトレンドに対応します。これは、より多くのエッジ コンピューティングと、最も関連性の高い場所で利用可能なデータを意味する可能性があります。これらの進歩により、意思決定に適切なデータが自動的に使用されるようになります。これは、AI が実用化するために非常に重要です。

短所: ビジネス ニーズを理解していない

IT リーダーは、新しいデータ アーキテクチャのビジネスと AI の側面を理解する必要があります。データの種類やデータがどこでどのように使用されるかなど、ビジネスの各部分に何が必要かを理解していなければ、適切なサポートを受けるための適切なタイプのデータ アーキテクチャとデータ消費を作成できない可能性があります。 IT 部門がビジネス要件とこのデータ アーキテクチャに伴うビジネス モデルを理解することが重要です。

3. 新しいデータ ソース

Statista の調査では、データの増加が明らかになりました: 2020 年に世界中で作成、取得、コピー、使用されたデータの総量は 64.2 ゼタバイトであり、 2025 年までに 180 ゼタバイトを超えると予想されています。 2022 年 5 月の Statista 調査レポートでは、「新型コロナウイルス感染症の流行による需要の増加により、成長率は以前の予想よりも高くなっています。」 ビッグデータ ソースには、メディア、クラウド コンピューティング、モノのインターネット、ネットワーク、データベースが含まれます。

利点: データは強力です

あらゆる意思決定とトランザクションをデータ ソースまで追跡できます。 AIOps/MLOps を使用して分析と意思決定のためにデータ ソースに焦点を当てることができれば、IT リーダーは大きな力を得ることができます。適切なデータは、即時のビジネス分析を提供し、予測分析のための深い洞察を提供します。

欠点: どのデータを使用するかをどうやって知ることができますか?

モノのインターネット、エッジ コンピューティング、フォーマットされたデータとフォーマットされていないデータ、インテリジェントなデータと理解できないデータに囲まれた IT リーダーは、80/20 ルールに対処しています。20 とは何かビジネス価値の 80% を提供する信頼できるデータ ソースの割合は何ですか? AI/ML 操作をどのように使用して、信頼できるデータ ソースを特定し、どのデータ ソースを分析と意思決定に使用する必要があるかを判断しますか?すべてのビジネスはこれらの質問に対する答えを必要としています。

コア AI テクノロジーは独自に進化しています

人工知能は新しいアルゴリズムと Powered によって強化され、ユビキタスになりつつありますますます豊富で手頃なコンピューティング能力によって。 70 年以上にわたり、人工知能テクノロジーは進化の道を歩んできました。パンデミックは人工知能の開発を加速させたわけではなく、その導入を加速させました。

以上が人工知能: パンデミックにより人工知能の導入が加速される 3 つの方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。