WatchStor.com — 领先的中文存储网络媒体 | 51CTO旗下网站

新闻资讯 > 人工智能 > 正文
人工智能是解决数据过剩的灵丹妙药吗?
作者: 佚名 2018-03-13 13:14 【HPE中国】

 

由于流媒体数据、物联网数据以及广泛的文本数据的激增,大多数企业都有太多数据要处理。只要提前进行正确的分析,那么人工智能就可以从这些数据中获得价值。

每当一个新的颠覆性技术到来时,都需要有一种方法来确保它给企业带来真正的价值。怀着对人工智能的热情,公司不仅关心人工智能是否能够提供这种价值,而且也关心它们的起点。

人工智能的发展很快,应用人工智能去解决商业问题是很现实的。未来一年投资和试验的领域包括推荐系统、自动化客户服务、欺诈分析以及自动化威胁情报和预防系统。人工智能技术将迅速扩展到其他领域。

此外,在2021年人工智能将创造接近三万亿美的元商业价值同时,也解放了多于六十亿小时的人工生产力。这并不一定意味着2022年更换工人,其中五分之一的工人从事不易自动化的工作。他们可以依靠从人工智能中获得的洞察来执行特殊任务。

至少这是可以承诺的。但是对于IT、运营人员和公司管理来说,扩展人工智能使用的领域来实现这些价值似乎是不切实际的。公司担心他们没有资源或专业知识来定义潜在的使用案例,更不用说建立人工智能试点了。

过程不必如此令人畏惧。负责“订制人工智能(figuring out AI)”的团队为他们的雇主提供了三项服务来帮助他们:

01-灵活的人工智能平台及应用

人工智能是解决数据过剩的灵丹妙药吗?

有越来越多的开箱即用(out-of-the box)的人工智能解决方案,可提供给有意测试人工智能领域或建立成熟全面的生产系统的公司。您可能听说过用于处理特定任务的人工智能应用程序,例如欺诈检测和QA优化。

此外,大型公共云播放器也是以民主化人工智能为名义推出的平台和软件工具。这些工具简化了在商业环境中实现人工智能的应用程序。它们包括亚马逊,SageMaker,微软的基于Azure的人工智能平台以及最近宣布的来自谷歌的云 AutoML。

02-提供战略咨询和人工智能专业知识

人工智能是解决数据过剩的灵丹妙药吗?

不仅可以帮助企业建立人工智能工具,并将它们与现有生产系统相结合,而且还能让专家们帮助他们发展与团队业务目标相一致的人工智能战略。这常常需要考察垂直的竞争者或公司如何利用人工智能,然后审视自己的组织,并问:“我能做得更好吗?”。战略规划可以让每个人都能在同一基点上理解人工智能有哪些可能性以及最有希望的机会在哪里。

03-可重新用于人工智能的现有数据源

人工智能是解决数据过剩的灵丹妙药吗?

公司可能已经拥有了驱动人工智能算法、识别模式异常以及培训先进机器学习应用程序所需的数据。数据可能必须为训练人工智能而准备和标准化,但是获得最优的数据比设计最佳算法要好。源于分析和ERP系统的数据、历史数据和商业档案以及来自控制器、传感器和物联网系统的实时数据流可以为人工智能试点提供动力。换句话说,您公司已经存在的未充分利用的数据可能成为未来人工智能应用程序的基础,它可以提供洞察力、激活新的自动化进程以及提高整体效率。

平衡数据可用性与业务需求

人工智能是解决数据过剩的灵丹妙药吗?

物联网以及其他IT和OT系统所产生的数据过剩长期以来是个问题。随着传感器、应用程序、移动设备和网络系统的激增,加上供应商开发出了更先进的网络和存储系统,企业必须管理的数据量大大增加。IDC预测到2020年将产生44ZB(十万亿亿字节,2^70B)数据,高于五年前的4.4ZB。

麦肯锡全球研究所(Mckinsey Global Institute)最近发布的一份报告称,“尽管近年来可用数据数量呈指数增长,但大多数公司只是捕捉到了对收入和利润而言的潜在价值中的一小部分。公司通常使用较少量的可用数据来驱动生产系统或对操作进行监察,而其余部分则被归档、丢弃或忽略。

无论是基本业务分析、还是工厂基础设备上历史流数据是可用的,但并不意味着它们应该成为人工智能试点的基础。人工智能试点的开始应该集中在潜在的使用案例上,这些使用案例是定义过程或解决与特定业务结果相关的问题的离散步骤。业务、数据和技术团队都需要在同一个空间里共享一种通用语言来描述他们打算与人工智能一起去向何方,需要有一个共同的愿景来指导利益相关者进行合作。

一旦团队识别了用例,那么他们就可以开始计划使用多年来收集到的数据来构建这些能力。试点可以从验证用例和数据开始。有必要时需引入外部专业知识团队与内部团队紧密合作。

人工智能的应用:预测性分析

人工智能是解决数据过剩的灵丹妙药吗?

预测性分析是商务人工智能中一个快速增长的领域,它被广泛应用于各种工业公司、白领企业和公共机构。过去,这些组织在更换机器、处理客户服务投诉或解决其他需求方面都是被动的。预测性分析不仅使企业能够识别需要采取行动的问题,而且能够自动地采取行动。

一个预测性分析应用程序可以帮助企业在危机升级之前解决问题。人工智能算法通过设备实时数据和应用程序及附加业务数据来确定最佳解决方案,然后自动响应。

例如,在设备故障时,传统的钢铁铸造厂可能不得不关闭生产线。但是通过将温度读数、振动指标、输出措施、历史数据等输入到一个预测性分析应用程序中,铸造厂可以确定哪些设备更容易损坏。该系统可以自动减少设备的使用,并在生产线故障前进行维护。

对于此类项目,数据源将可用到人工智能中,经常使用可从各种来源获取数据的总控钥匙组件。它们包括结构化和非结构化数据,转换为企业级Hadoop、云和SQL数据库的所有数据。

新的数据源也需要添加到系统中。例如,工厂里的遗留设备可能会用最新的温度传感器进行改造,公共安全机构可能也不得不将远程摄像机的反馈用于识别潜在安全问题的算法中。

在未来五年里,人工智能将以更深刻的方式影响企业。就像早期的万维网一样,我们正处在人工智能技术看似新颖及难以掌握的阶段。事实上,仅靠自身力量在人工智能上有所建树将非常困难。但好消息是先进工具、专家帮助甚至关键数据源等都可以使公司利用人工智能传递真正的业务价值。

如何在你的业务中启动人工智能试点

人工智能是解决数据过剩的灵丹妙药吗?

现有数据源可作为人工智能试点甚至作为项目开展的基础,人工智能试点应该基于整个组织的数据输入,而且应关联到业务来构建。

从事人工智能试点的公司不需要从头开始开发系统,他们可以使用一些开箱即用的应用程序、平台和软件工具,以及与能够提供战略咨询服务的伙伴进行合作。


标签:人工智能 

LecVideo