Rumah  >  Artikel  >  Peranti teknologi  >  Kecerdasan Buatan: Tiga cara wabak ini mempercepat penerimaannya

Kecerdasan Buatan: Tiga cara wabak ini mempercepat penerimaannya

PHPz
PHPzke hadapan
2023-04-12 08:52:08800semak imbas

Sejak beberapa tahun kebelakangan ini, keperluan untuk perusahaan mencipta model perniagaan baharu dan saluran pemasaran dengan pantas telah mempercepatkan penggunaan kecerdasan buatan. Ini benar terutamanya dalam penjagaan kesihatan, di mana analitik data telah mempercepatkan pembangunan vaksin COVID-19. Dalam barangan pakej pengguna, Harvard Business Review melaporkan bahawa Frito-Lay mencipta platform e-dagang, Snacks.com, dalam masa 30 hari sahaja.

Kecerdasan Buatan: Tiga cara wabak ini mempercepat penerimaannya

Pandemik ini juga telah mempercepatkan penggunaan kecerdasan buatan dalam pendidikan, kerana sekolah terpaksa membuat kajian semalaman dalam talian. Apabila boleh, dunia akan beralih kepada transaksi "tanpa sentuhan", merevolusikan industri perbankan.

Tiga perkembangan teknologi semasa pandemik COVID-19 telah mempercepatkan penggunaan AI:

  • Kuasa dan storan pengkomputeran yang murah secara berterusan
  • Seni bina data baharu
  • Ketersediaan sumber data baharu

Kebaikan dan Keburukan perkembangan AI

Berikut lihat impaknya perkembangan ini mengenai Kebaikan dan keburukan IT menjadi seorang pemimpin.

1. Kuasa pengkomputeran murah berterusan

Walaupun 60 tahun selepas Undang-undang Moore, kuasa pengkomputeran masih Terus bertambah baik, dengan cip baharu daripada syarikat seperti NVidia, mesin yang lebih berkuasa dan lebih kuasa pemprosesan. AIImpacts melaporkan bahawa "sepanjang 25 tahun yang lalu, kuasa pengkomputeran yang tersedia bagi setiap dolar berkemungkinan meningkat sepuluh kali ganda (diukur sebagai FLOPS atau MIPS) kira-kira setiap empat tahun Walau bagaimanapun, dalam tempoh 6-8 tahun yang lalu, kadar ini telah Perlahan.

Faedah: Lakukan lebih banyak dengan kurang

Pengkomputeran murah memberikan pemimpin IT lebih banyak pilihan, membolehkan mereka melakukan lebih banyak dengan kurang.

Kelemahan: Terlalu banyak pilihan boleh menyebabkan pembaziran masa dan wang

Pertimbangkan data besar. Dengan pengkomputeran yang murah, profesional IT ingin memanfaatkan kuasanya. Orang ramai ingin mula menelan dan menganalisis semua data yang tersedia untuk mendapatkan cerapan, analisis dan keputusan yang lebih baik.

Tetapi jika anda tidak berhati-hati, anda boleh mendapat sejumlah besar kuasa pengkomputeran dan tidak mencukupi untuk aplikasi perniagaan sebenar.

Apabila kos rangkaian, penyimpanan dan pengkomputeran menurun, manusia cenderung untuk menggunakannya lebih banyak. Tetapi mereka tidak semestinya membawa nilai perniagaan kepada segala-galanya.

2. Seni bina data baharu

Sebelum wabak COVID-19, "gudang data" dan "tasik data "Dua istilah ini adalah standard untuk ini. Tetapi seni bina data baharu seperti "struktur data" dan "grid data" hampir tidak wujud. DataFabric menyokong penggunaan AI kerana ia membolehkan perusahaan menggunakan data untuk memaksimumkan rantaian nilai mereka dengan mengautomasikan penemuan data, tadbir urus dan penggunaan. Tidak kira di mana data berada, perniagaan boleh menyampaikan data yang betul pada masa yang sesuai.

Kebaikan: Pemimpin IT akan berpeluang memikirkan semula model data dan tadbir urus data

Ia menyediakan Peluang terbalik untuk repositori data berpusat atau aliran data tasik. Ini mungkin bermakna lebih banyak pengkomputeran tepi dan data tersedia di tempat yang paling berkaitan. Kemajuan ini menyebabkan data yang sesuai digunakan secara automatik untuk membuat keputusan - yang penting untuk AI boleh diambil tindakan.

Keburukan: Tidak memahami keperluan perniagaan

Pemimpin IT perlu memahami aspek perniagaan dan AI bagi seni bina data baharu . Jika mereka tidak tahu perkara yang diperlukan oleh setiap bahagian perniagaan—termasuk jenis data dan tempat serta cara ia akan digunakan—mereka mungkin tidak dapat mencipta jenis seni bina data dan penggunaan data yang betul untuk mendapatkan sokongan yang betul. Pemahaman IT tentang keperluan perniagaan dan model perniagaan yang sesuai dengan seni bina data ini adalah penting.

3. Sumber data baharu

Penyelidikan statista menyerlahkan pertumbuhan data: Pada tahun 2020, jumlah keseluruhan data yang dicipta, ditangkap, disalin dan digunakan secara global ialah 64.2 zettabait dan dijangka mencapai lebih 180 zettabait menjelang 2025. Laporan penyelidikan Statista Mei 2022 menyatakan bahawa "pertumbuhan itu lebih tinggi daripada yang dijangkakan sebelum ini disebabkan peningkatan permintaan akibat pandemik COVID-19 Sumber data besar termasuk media, pengkomputeran awan, Internet of Things, rangkaian dan pangkalan data.

Kebaikan: Data berkuasa

Setiap keputusan dan transaksi boleh dikesan kembali ke sumber data. Pemimpin IT diberi kuasa jika mereka boleh menggunakan AIOps/MLOps untuk memusatkan perhatian pada sumber data untuk analisis dan membuat keputusan. Data yang betul boleh menyediakan analisis perniagaan segera dan memberikan cerapan mendalam untuk analisis ramalan.

Kelemahan: Bagaimana anda tahu data yang hendak digunakan?

Dikelilingi oleh data daripada IoT, pengkomputeran tepi, diformat dan tidak diformat, pintar dan tidak dapat diteliti – pemimpin IT sedang menangani peraturan 80/20: Apakah 20% daripada yang dipercayai sumber data yang menyediakan 80% daripada nilai perniagaan? Bagaimanakah anda menggunakan operasi AI/ML untuk menentukan sumber data yang dipercayai dan sumber data yang harus digunakan untuk analisis dan membuat keputusan? Setiap perniagaan memerlukan jawapan kepada soalan-soalan ini.

Teknologi AI teras berkembang dengan sendirinya

AI semakin meluas, dikuasakan oleh algoritma baharu dan Dikuasakan oleh kuasa pengkomputeran yang semakin banyak dan berpatutan. Selama lebih daripada 70 tahun, teknologi kecerdasan buatan telah berada di landasan evolusi. Pandemik tidak mempercepatkan perkembangan kecerdasan buatan; ia telah mempercepatkan penggunaannya.

Atas ialah kandungan terperinci Kecerdasan Buatan: Tiga cara wabak ini mempercepat penerimaannya. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan:
Artikel ini dikembalikan pada:51cto.com. Jika ada pelanggaran, sila hubungi admin@php.cn Padam