![[ai.x2021] AI Data for Everyone](https://i.ytimg.com/vi/L0Dtb-MKIXU/hqdefault.jpg)
콘텐츠
출처 : PhonlamaiPhoto / iStockphoto
테이크 아웃 :
인공 지능은 훈련에 사용 된 데이터만큼이나 똑똑 할 수 있습니다. 그렇기 때문에 AI가 고품질 데이터에 대해 교육을 받으려면 적절한 데이터 관리가 필수적입니다.
인공 지능은 매우 중요한 측면에서 전통적인 소프트웨어와는 다릅니다. 업무 수행 방법을 배워야합니다.
이는 코딩 마법사가 1 년에 한 번 (또는 덜 빈번하게) 생성을 수동으로 업그레이드 할 때까지 기다릴 필요없이 시스템 수명주기에 주요 이점을 제공합니다. 시스템 자체는 새로운 도구를 추가하고, 새로운 기능을 작성하고, 그렇지 않으면 다른 방식으로 변경할 수 있습니다. 사용자 요구 사항을 더 잘 충족시킵니다. 물론 단점은 AI 프로그램이 거의없는 최고의 비행 성능을 제공한다는 것입니다. 지속적인 사용을 통해서만 기대되는 것과 목표를 달성하는 가장 좋은 방법을 이해하게됩니다.
이 진화의 핵심 요소는 AI 기반 시스템에 노출되는 데이터입니다. 올바른 조건에 적절하게 조정되고 배치 된 우수한 데이터는 서비스가 정보에 근거한 결정을 내리고 적절한 조치를 취할 수있게하는 반면 나쁜 데이터는 결과가 좋지 않고 지속적으로 성능이 저하됩니다.
예를 들어 AI 기반 마케팅 전략을 고려하십시오. 주요 데이터 포인트는 특정 지역 또는 특정 인구 통계에있는 특정 제품 오퍼링에 대한 관심이 증가했음을 암시 할 수 있습니다. 그러나 데이터가 심층적 인 소비자 설문 조사가 아닌 웹 페이지보기 또는 다른 일화적인 증거에 기반한 경우 존재하지 않는 기회를 찾기 위해보다 생산적인 프로젝트에서 상당한 시간, 돈 및 기타 자원을 전환 할 수 있습니다. AI 마케팅에 대한 자세한 내용은 인공 지능이 판매 산업을 어떻게 혁신 할 수 있는지 확인하십시오.
문제보기
그러나 현재까지 기업은 데이터, 특히 비정형 데이터를 관리하는 데 한계가있었습니다. Corinium에 따르면, IT 및 데이터 관리 팀의 70 %가 분석 요구를 충족하기 위해 노력하는 반면, 절반 이상이 데이터 스토리지에 최첨단 하이브리드 및 멀티 클라우드 아키텍처를 사용하더라도 거의 40 %가 우수한 데이터 품질을 유지하는 데 어려움을 겪고 있습니다.
그러나 긍정적 인면에서 많은 조직들이 문제의 중요성을 인식하기 시작하고이를 해결하기위한 조치를 취하고 있습니다. 응답자의 90 % 이상이 내년에 새로운 분석 이니셔티브에 백만 달러 이상을 투자 할 것이며 60 % 이상이 하이브리드 멀티 클라우드 전략을 사용하여 내부 및 외부 인프라에 데이터를 연합 할 것이라고 응답했습니다.
그러나 여전히 극복해야 할 한 가지 주요 문제는 기본 데이터 수집 및 집계를 넘어 고급 고급 및 관련성 모델로 발전해야한다는 것입니다. 기업은 기술, 비즈니스, 운영 및 사용에 관한 주요 메타 데이터를 파싱해야만 지능형 알고리즘을 훈련시키는 데 필요한 일종의 "지능형 데이터"를 육성 할 수 있습니다.
그러나 데이터 볼륨이 계속 폭발적으로 증가함에 따라이 작업은 점점 어려워지고 있습니다. 아이러니하게도 많은 데이터 분석 및 관리 솔루션은 동일한 AI 및 머신 러닝 알고리즘으로 전환하여 데이터 및 메타 데이터를 소비하는 스마트 애플리케이션을 강화합니다. 전체 프로세스를보다 지능적으로 만들어 기업은 현재 많은 유료 데이터 과학자의 시간을 차지하는 많은 기능을 자동화하여보다 복잡한 전략 목표에 자유롭게 집중할 수 있습니다.
버그 없음, 스트레스 없음-인생을 파괴하지 않고 인생을 바꾸는 소프트웨어를 만드는 단계별 가이드
아무도 소프트웨어 품질에 신경 쓰지 않으면 프로그래밍 기술을 향상시킬 수 없습니다.
Afar의 데이터
모든 지능형 데이터 관리 시스템에 필요한 한 가지는 클라우드와의 원활한 연결입니다. 광역 네트워킹은 점점 더 빠르고 유연하며 소프트웨어 정의되고 있지만 AI 친화적 인 속도로 데이터를 수집, 처리 및 전송할 수있는 세부 관리 도구는 여전히 부족합니다. 이것이 NetApp과 Nvidia가 AFF A800 플래시 플랫폼을 DGX 슈퍼 컴퓨터와 통합하기 위해 협력 한 이유입니다. 이 솔루션은 NetApp의 Data Fabric을 활용하여 "에지에서 코어 투 클라우드까지"데이터 제어를 효과적으로 제공함으로써 분석 엔진에 전체 분산 에코 시스템에 대한 정확한 최신 뷰를 제공하고 데이터가 어디에 있든지 형식에 관계없이 데이터에 직접 액세스 할 수 있도록합니다. 에 있습니다.
그러나 데이터 검색은 첫 번째 단계 일뿐입니다. 데이터베이스가 데이터를 수집하고 해석하는 방식을 개선하는 것도 똑같이 효과적 일 수 있습니다. 데이터베이스 분산 회사 Bluzelle의 CEO 인 Pavel Bains는 블록 체인이 구조화 된 데이터와 구조화되지 않은 데이터를 모두 수용하는 범용 데이터 저장소를 만들어 이와 관련하여 큰 기여를 할 수 있다고 믿고 있습니다. 이를 통해 데이터 관리 팀은 AI가 신속하게 모든 정보를 이해하는 데 필요한 심층적 인 이점을 제공하면서 동시에 하나의 클라우드 공급자가 중요한 데이터를 통제 할 수 없도록 할 수 있습니다. 블록 체인은 분산 피어 투 피어 스토리지 노드를 사용하지만 불변의 개방형 원장 접근 방식으로 높은 무결성을 유지하면서 데이터를 거의 모든 곳에서 가장 빠른 속도로 사용할 수 있습니다. AI가 예상대로 작동하면 비즈니스에 큰 도움이 될 수 있습니다. 기업이 AI 사용을 고려할 수있는 5 가지 방법에 대해 자세히 알아보십시오.
AI는 실제로 지능적이지 않기 때문에 잘못된 이름입니다. 사실과 허구, 선과 악, 옳고 그름을 본질적으로 구분할 수는 없습니다. 할 수있는 일은 방대한 양의 데이터를 소비하고 프로그래밍 요구 사항을 충족시키는 패턴을 찾는 것입니다. 데이터가 부정확하거나 잘못 해석되면 패턴이 왜곡되고 결과가 잘못됩니다.
이러한 관점에서 인공 지능의 실제 지능은 항상 인간의 두뇌에 있습니다. AI는 데이터 수집 및 준비에 대한 적절한 감독을 통해서만 디지털 서비스 및 운영에 최대의 이점을 제공 할 수 있습니다.
우리가 데이터에 대해 더 똑똑할수록 더 큰 생산성을 달성하기 위해 기계가 더 똑똑해질 것입니다.