2022년 상위 5개 AI 자동화 트렌드

인력 부족은 항상 많은 회사를 괴롭히는 문제였습니다. 신입사원 자리가 많이 있고, 대부분의 소매점에서 채용하고 있으며, 물론 평균 급여도 그에 따라 상승하고 있습니다. 일본과 같은 국가는 오랫동안 AI를 활용하여 더 적은 인력으로 더 많은 작업을 수행한다는 목표로 더 높은 수준의 자동화를 달성하는 데 앞장서고 있습니다.

다음은 AI 자동화의 주요 트렌드 중 일부입니다.

1. AI 교육 및 데이터 품질

Ruben Orduz, Great Expectations 개방형 데이터 품질 플랫폼의 선임 개발자 옹호자이자 AI 교육 분야에서 일하는 사람 데이터 엔지니어는 데이터 품질 프로세스를 진지하게 받아들이고 있습니다. 한 가지 문제는 실제 데이터가 깔끔하지 않거나 예측 가능하지 않다는 것입니다. 데이터 누락, 잘림 또는 유효하지 않은 데이터, 예상치 못한 중복 및 이상과 같은 품질 문제가 발생할 수 있습니다.

그는 “알고리즘을 훈련하기 위해 지저분한 데이터를 사용하면 결과가 치명적일 수 있습니다. 입력 데이터를 기반으로 한 추론과 조정에 의존하는 기계 학습 및 인공 지능 알고리즘은 특히 열악한 데이터 조건에 취약합니다.”라고 말했습니다.

예를 들어 기업이 상품을 보내고 배송하는 경우 공급업체로부터 이름, 주소, 배송할 상품이 포함된 일련의 주문을 받습니다. AI 시스템은 이 데이터를 수신하고 이를 사용하여 배송 경로를 학습하고 계획합니다. 배송된 상품의 수가 일반적으로 1~30개 범위인데 데이터의 "패키지 수"에 갑자기 수천 개의 패키지가 표시된다면 이는 더 많은 배송 드라이버를 고용해야 함을 의미하며 이는 모델도 편향되어 있음을 나타냅니다. . 그렇기 때문에 데이터 엔지니어는 데이터 품질을 이해하고 데이터 품질 플랫폼을 사용하여 이상값과 영향을 받는 데이터를 식별하기 위해 열심히 노력하고 있습니다. 이제 이 작업을 수행하는 것이 그 어느 때보다 쉬워졌습니다. 엔지니어는 AI 훈련 프로세스에 들어가기 전에 데이터 스트림이 들어올 때 파이프라인 테스트를 발견하고 실행할 수 있으며 이상값을 포착할 수 있습니다.

2. AI 자동화 및 네트워킹

Cisco, Juniper Networks, Gluware, Splunk 등 많은 기업에서 AI 기능 자동화를 네트워크 문제 해결 및 성능 진단에 적용하기 위해 투자하고 있습니다. 네트워크 운영에는 전통적으로 고도로 관여된 인력이 필요했습니다. 인공지능과 데이터는 많은 작업을 자동화할 수 있습니다.

결국 네트워크는 다양한 기술, 아키텍처 및 오버레이를 포함하는 복잡한 시스템이므로 여러 운영 지점에서 오류 및 성능 문제가 발생합니다. 네트워크의 수동적 측면도 마찬가지로 어렵습니다. 네트워크 컨트롤러에 작업을 중앙 집중화하려는 노력에도 불구하고 네트워크 관리는 여전히 대부분 수동으로 이루어지며 관리자 측에서는 상당한 전문 지식이 필요합니다. 더욱이 이 작업은 관리자가 사전 통찰력이나 데이터 없이 문제의 근본 원인을 수동으로 도출하려고 시도하는 탐색적인 작업입니다. 결과적으로 기존 방식으로 네트워크를 운영하는 것은 서비스 가동 중지 시간이나 성능 저하 측면에서, 그리고 솔루션 구현에 필요한 인력 측면에서 비용이 많이 듭니다.

Gluware의 인공 지능 담당 부사장인 Stanislav Miskovic은 다음과 같이 말했습니다. “AI를 통한 분석 자동화는 엄청난 기회이며 우리는 전체 네트워크 스택에서 실제 데이터를 활용하고 통합할 플랫폼을 구축하고 있습니다.

AI. 자동화는 기업이 다양한 방법으로 네트워크 관련 운영 비용을 줄이는 데 도움이 될 수 있습니다. 근본 원인 분석을 수행하고 문제가 있는 사이트, 장치 및 프로토콜을 현지화하고, 인프라 전체와 모든 구성 요소를 자율적으로 기준화합니다. 그러나 사이버 세계에서는 이러한 기능의 대부분이 아직 초기 단계에 있습니다. ”

네트워킹과 마찬가지로. 일반적으로 더 많은 인공 지능을 사용하여 자동화해야 하며, 사이버 보안도 마찬가지입니다. 특히 클라우드 플랫폼으로 전환하면서 위협이 더욱 정교해지고 기업 네트워크의 경계가 점점 모호해지면서 분석해야 하는 데이터의 양이 수동 검사의 능력을 훨씬 초과하게 되었습니다.

Miskovic은 “AI와 분석은 보안 강화를 위한 핵심 요소입니다. 오늘날 보안은 더 넓은 범위를 포괄해야 하며 이는 AI 자동화의 도움 없이는 달성할 수 없습니다. 데이터가 너무 커서 인공지능의 도움 없이는 검사할 수 없습니다.”

이로 인해 순수 인공지능 기반 보안 분야인 사용자 및 개체 행동 분석의 발전이 촉진되었습니다. 보안에 대한 또 다른 AI 기반 접근 방식은 제로 데이 공격이나 알 수 없는 이벤트를 탐지하는 것입니다. 이는 AI 자동화 기준 분석 및 이상 탐지 없이는 불가능합니다. 마지막으로 AI 자동화는 보안 경고의 우선순위를 지정하고 경고 피로를 줄이며 시정 조치를 권장함으로써 보안 대응 팀을 돕습니다.

4. 프로세스 자동화

엔터프라이즈 인프라를 모니터링, 관리, 운영 및 보호하는 데 도움이 되는 모든 제품을 사용하더라도 생성되는 경고의 수와 엔지니어가 이를 해결하기 위해 취해야 하는 단계의 수가 압도적입니다. 이러한 이유로 AI 기반 프로세스 자동화는 네트워크 운영, 보안 운영 및 티켓 관리에 필수적입니다.

Miskovic은 “경고 및 문제 해결 작업의 다양한 측면을 자동화하기 위해 많은 AI 기반 솔루션이 개발되었습니다. 이러한 AI 자동화 솔루션은 사람의 개입 없이 배포할 수 있는 맞춤형 플레이북을 제공합니다. 시스템은 엔지니어가 유사한 문제를 해결하기 위해 수행한 패턴을 식별하여 문제를 해결하는 데 필요한 많은 플레이북 단계를 자율적으로 학습할 수 있습니다. 이러한 플레이북은 엔지니어가 맞춤 설정할 수도 있습니다. .AI as a Service

AI 엔진과 플랫폼은 복잡합니다. . 따라서 다른 사람들은 필연적으로 무거운 작업을 수행하고 플랫폼으로서의 AI의 대안으로 서비스로서의 AI를 제공할 것입니다.

DataProphet 공동 창립자 겸 CEO인 Frans Cronje는 다음과 같이 말했습니다. "기업과 데이터 과학 팀이 인공 지능 플랫폼을 통해 자신의 장점을 활용하고 인공 지능의 부가가치를 실현하기 위해 전문 팀을 구성하기 시작함에 따라 이에 대한 필요성이 있습니다. AI-as-a-service 형태로 심층적인 지식을 제공하는 AI 시스템으로의 전환이 가속화될 것입니다.”

위 내용은 2022년 상위 5개 AI 자동화 트렌드의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!