【智能】人工智能最佳利用的数据基础设施需求

笔者邀请您，先思考：

1 软件定义基础设施（SDI）和人工智能定义基础设施（ADI）的异同？

2 您想用人工智能做什么事情？

随着智能手机，智能汽车，智能家居等创新技术的迅速发展，科技正在迅速将我们的世界变成一个“智能”世界。 物联网（IoT）是这里的主要贡献者之一。 IoT的核心是所有配备传感器和微芯片的连接设备基于集中式平台通过互联网传输数据，从而提高效率和性能。 据估计，到2020年，全球连接设备的数量将接近500亿。

随着连接设备的数量继续迅速增加，将会出现管理和分析由这些设备生成的大量数据的需求。 这些数据至关重要，因为它提供了宝贵的见解和模式，可以帮助企业和组织评估潜在风险，发现新的商业机会，并且最重要的是可以提高组织的整体运作和生产力。 现在，这就是人工智能（AI）和机器学习（ML）的地方。AI和ML技术允许数据科学家深入研究海量数据并从中发现有意义的见解。 强调人工智能对物联网和机器的重要性，John McCarthy教授恰如其分地表示：

“AI的目标是开发出像智能一样行事的机器。”

尽管处于发展阶段，AI已经开始在全球市场创造就业前景。 凯捷报告称，近83％利用人工智能技术的组织认为，人工智能领域新的就业机会已经开始出现。 随着越来越多的组织加入大数据和人工智能的潮流，现在对数据科学家，数据工程师，数据分析师等熟练数据专业人员的需求非常庞大。

现在，开始使用人工智能的职业生涯变得更加便利，因为互联网上涌现出高度教育性和信息丰富的在线人工智能课程。 这些课程专门为有志向学生介绍人工智能的基本概念，如算法，自然语言处理等，并逐渐向更复杂的概念（如机器学习和深度学习）进展。 如果你甚至与技术场景有着遥远的关系，建议你通过这些课程并提高你的就业能力。 因为，正如现在必须清楚的那样，遍布全球的组织一直在关注着熟练的数据专家。现在没有比现在开始的更好的时间了！

计算在数据管理中的作用

今天，数据呈指数增长 - 每天产生近2.5千亿的数据！ 在我们生活的数据驱动世界中，这些数据是所有信息的来源。 然而，管理如此大量的数据本身就是一个挑战。 得益于高端计算流程，我们能够存储，处理和分析这些数据，以揭示隐藏的趋势和见解，从而可以增强业务运营，提高生活质量，最重要的是促进创新。

计算机可以比人类更加快速和准确地处理和分析数据，因此，它极大地帮助企业利用可供处理的数据来计算重要统计数据，监控员工绩效，电力自动化，提高生产力和销售量，提高机器效率，以及更多。 正是由于这种计算能力，今天的组织才能获得广泛的统计和技术见解和可视化。 此外，诸如云计算等技术增强了AI的功能。 例如，像Netflix和亚马逊这样的工业巨头依靠基于云的框架来处理AI任务和需要全面分析和计算的服务。

数据基础设施和人工智能

数据基础架构是数据处理和分析的一个重要方面。 没有适当的数据基础设施，企业和组织就无法从数据中创造价值。 通过数据基础设施，我们指的是处理，存储，传输和保护数据所需的整个后端计算支持系统。

虽然许多公司使用软件定义的基础设施（SDI）来支持动态IT环境，但SDI有其积压。 SDI不仅受到静态源代码的限制，而且其功能在很大程度上还取决于为特定环境编写代码的软件开发人员的技能和专业知识。 因此，SDI不是“智能的”，现在这种趋势正在转向人工智能定义的基础设施（ADI）。

从本质上讲，ADI是SDI的智能升级，完全采用先进的AI和ML算法，可以从现有信息中“学习”，自动构建自我修复框架。 ADI可以：

• 不断分析现有基础设施所有组件的动态行为，并“学习”了解自己的工作。
• 通过主动监控基础架构组件的功能并自动采取措施解决问题（如果有），创建一个无错误的环境。
• 根据工作负载的需求部署资源，并在不再需要特定资源时取消分配资源。

这些数据基础设施有助于支持各种与AI相关的技术和应用，包括：

• 对现有框架的支持：数据基础架构应该包含TensorFlow，Caffe，Theano和Torch等AI框架，以加强和支持当前的框架。但是，重点不应仅仅依赖人工智能框架，而应该适合软件开发人员的需求和兴趣。
• GPU友好的环境：为确保AI任务和进程的无缝处理，数据基础架构必须支持具有令人印象深刻的计算能力的GPU环境。微软的N系列GPU实例就是一个很好的例子
• AI优化的管理环境和工具：缺乏适当的管理环境和用于支持和运行AI应用程序的工具是当前数据基础架构的最大缺点之一。因此，集成正确的管理工具和环境以实现最佳性能至关重要。
• 机器推理：机器推理是AI环境的组成部分。机器推理算法使AI环境能够跟上基础设施和技术的动态趋势，从而为最佳行动方案提供有意义的见解。

人工智能实施中组织技能的重要性

仅仅投资和利用AI技术是不够的。公司和企业需要一个专业人才库，他们可以采用这些AI工具来确保获得最佳结果。随着人工智能和机器学习不断渗透全球的行业和企业，越来越需要重新思考组织的整个领导和思维过程，从产品战略和客户体验到找到提高人力资本生产力的方法。商业世界的领导者必须通过以下方式鼓励其系统内的智能AI集成：

以人为本

仅仅投资人工智能技术就没有结果。企业必须按比例投资于员工。根据杜克大学人类与自主实验室主任米西卡明斯的说法，

“人工智能的未来正在支持和增强人类的能力，因此人工智能团队比单独一人更强大。”

培养学习型工作文化

作为一个发展中的领域，人工智能需要不断的训练和学习，以跟上它今天带来的创新和变化。未来，人工智能将在技术领域带来新的变化，只有通过鼓励和创造不断学习和培训的工作环境，组织才能跟上人工智能的创新。

培养业务运营的透明度

组织应努力保持并推动业务各个方面的透明度。领导和经理应该与员工就他们的AI方法进行公开交流。这不仅有助于赢得他们的信任和信心，而且还会鼓舞士气，激励他们更努力地工作。

Adecco集团首席执行官Alain Dehaze认为：

“增强智能，融合人力投入和人工智能，将成为企业成功和形成繁荣社会的关键驱动力。我们正处在技术变革的风口浪尖上，这与我们之前在人类历史上看到的任何变化都不同。技术进步需要更加关注天生的人类技能 - 批判性思维，情商和价值判断。“

因此，拥有合适的数据基础架构和适当的组织技能可以帮助企业和组织以正确的方式利用人工智能工具和技术。

作者：Vivek Kumar 原文链接： https://towardsdatascience.com/the-need-for-data-infrastructure-for-best-utilization-of-artificial-intelligence-72612c1026e0

版权声明：作者保留权利，严禁修改，转载请注明原文链接。