在過(guò)去的幾年里，企業(yè)需要快速創(chuàng)建新的商業(yè)模式和營(yíng)銷渠道，這加速了人工智能的采用。在醫(yī)療保健領(lǐng)域尤其如此，數(shù)據(jù)分析加速了新冠疫苗的開發(fā)。在消費(fèi)包裝商品方面，哈佛商業(yè)評(píng)論報(bào)道稱，F(xiàn)rito-Lay公司在短短30天內(nèi)創(chuàng)建了一個(gè)電子商務(wù)平臺(tái)Snacks.com。

新冠疫情還加速了人工智能在教育中的采用，因?yàn)閷W(xué)校被迫在一夜之間啟用在線學(xué)習(xí)。只要有可能，世界就會(huì)轉(zhuǎn)向“非接觸式”交易，徹底改變銀行業(yè)。

新冠疫情期間的三項(xiàng)技術(shù)發(fā)展加速了人工智能的采用：

• 持續(xù)廉價(jià)的計(jì)算能力和存儲(chǔ)
• 新的數(shù)據(jù)架構(gòu)
• 新數(shù)據(jù)源的可用性

人工智能發(fā)展的利弊

以下了解這些發(fā)展對(duì)IT領(lǐng)導(dǎo)者的利弊。

1.持續(xù)廉價(jià)的計(jì)算能力

即使在摩爾定律之后的60年，計(jì)算能力也在不斷提高，通過(guò)NVidia等公司的新芯片，有了更強(qiáng)大的機(jī)器和更多的處理能力。AIImpacts報(bào)告稱，“在過(guò)去的25年中，每美元可用的計(jì)算能力可能大約每四年增加十倍（以FLOPS或MIPS衡量）?！比欢?，在過(guò)去的6-8年中，這一速度有所放緩。

優(yōu)點(diǎn)：事半功倍

廉價(jià)計(jì)算為IT領(lǐng)導(dǎo)者提供了更多選擇，使他們能夠事半功倍。

缺點(diǎn)：太多的選擇會(huì)導(dǎo)致浪費(fèi)時(shí)間和金錢

考慮大數(shù)據(jù)。借助廉價(jià)的計(jì)算，IT專業(yè)人員希望發(fā)揮其強(qiáng)大功能。人們希望開始攝取和分析所有可用數(shù)據(jù)，從而獲得更好的洞察力、分析和決策。

但是如果不小心，最終可能會(huì)得到巨大的計(jì)算能力，而沒(méi)有足夠的實(shí)際業(yè)務(wù)應(yīng)用程序。

隨著網(wǎng)絡(luò)、存儲(chǔ)和計(jì)算成本的下降，人類傾向于更多地使用它們。但它們不一定能為所有事物帶來(lái)商業(yè)價(jià)值。

2.新的數(shù)據(jù)架構(gòu)

在新冠疫情之前，“數(shù)據(jù)倉(cāng)庫(kù)”和“數(shù)據(jù)湖”這兩個(gè)術(shù)語(yǔ)是標(biāo)準(zhǔn)的此。但是像“數(shù)據(jù)結(jié)構(gòu)”和“數(shù)據(jù)網(wǎng)格”這樣的新數(shù)據(jù)架構(gòu)幾乎不存在。DataFabric支持人工智能采用，因?yàn)樗蛊髽I(yè)能夠通過(guò)自動(dòng)化數(shù)據(jù)發(fā)現(xiàn)、治理和消費(fèi)來(lái)使用數(shù)據(jù)來(lái)最大化其價(jià)值鏈。無(wú)論數(shù)據(jù)位于何處，企業(yè)都可以在正確的時(shí)間提供正確的數(shù)據(jù)。

優(yōu)點(diǎn)：IT領(lǐng)導(dǎo)者將有機(jī)會(huì)重新思考數(shù)據(jù)模型和數(shù)據(jù)治理

它提供了一個(gè)逆向集中式數(shù)據(jù)存儲(chǔ)庫(kù)或數(shù)據(jù)湖的趨勢(shì)的機(jī)會(huì)。這可能意味著在最相關(guān)的地方有更多的邊緣計(jì)算和數(shù)據(jù)可用。這些進(jìn)步導(dǎo)致適當(dāng)?shù)臄?shù)據(jù)可以自動(dòng)用于決策——這對(duì)人工智能的可操作性至關(guān)重要。

缺點(diǎn)：不了解業(yè)務(wù)需求

IT領(lǐng)導(dǎo)者需要了解新數(shù)據(jù)架構(gòu)的業(yè)務(wù)和人工智能方面。如果他們不知道業(yè)務(wù)的每個(gè)部分需要什么——包括數(shù)據(jù)的類型以及數(shù)據(jù)的使用地點(diǎn)和方式——他們可能無(wú)法創(chuàng)建正確類型的數(shù)據(jù)架構(gòu)和數(shù)據(jù)消費(fèi)以獲得適當(dāng)?shù)闹С帧T對(duì)業(yè)務(wù)需求以及與該數(shù)據(jù)架構(gòu)配套的業(yè)務(wù)模型的理解至關(guān)重要。

3.新的數(shù)據(jù)源

Statista研究強(qiáng)調(diào)了數(shù)據(jù)的增長(zhǎng)：2020年，全球創(chuàng)建、捕獲、復(fù)制和使用的數(shù)據(jù)總量為64.2澤字節(jié)，預(yù)計(jì)到2025年將達(dá)到180澤字節(jié)以上。2022年5月的Statista研究報(bào)告稱，“增長(zhǎng)是由于新冠疫情導(dǎo)致需求增加，因此高于之前的預(yù)期。”大數(shù)據(jù)源包括媒體、云計(jì)算、物聯(lián)網(wǎng)、網(wǎng)絡(luò)和數(shù)據(jù)庫(kù)。

優(yōu)點(diǎn)：數(shù)據(jù)很強(qiáng)大

每個(gè)決策和事務(wù)都可以追溯到數(shù)據(jù)源。如果IT領(lǐng)導(dǎo)者可以使用AIOps/MLOps將數(shù)據(jù)源歸零以進(jìn)行分析和決策，那么他們就獲得了授權(quán)。適當(dāng)?shù)臄?shù)據(jù)可以提供即時(shí)的業(yè)務(wù)分析，并為預(yù)測(cè)分析提供深刻的見解。

缺點(diǎn)：怎么知道要使用哪些數(shù)據(jù)？

被來(lái)自物聯(lián)網(wǎng)、邊緣計(jì)算、格式化和非格式化、智能和難以理解的數(shù)據(jù)所包圍——IT領(lǐng)導(dǎo)者正在處理80/20規(guī)則：提供80%業(yè)務(wù)價(jià)值的20%可信數(shù)據(jù)源是什么？您如何使用AI/ML操作來(lái)確定可信的數(shù)據(jù)源，以及應(yīng)該使用哪些數(shù)據(jù)源進(jìn)行分析和決策？每個(gè)企業(yè)都需要找到這些問(wèn)題的答案。

核心人工智能技術(shù)正在自行進(jìn)化　　

人工智能正變得無(wú)處不在，由新算法和越來(lái)越豐富且廉價(jià)的計(jì)算能力提供支持。70多年來(lái)，人工智能技術(shù)一直走在進(jìn)化的道路上。新冠疫情并沒(méi)有加速人工智能的發(fā)展；它加速了它的采用。