المحتوى
- رؤية المشكلة
- No Bugs، No Stress - دليلك خطوة بخطوة لإنشاء برامج لتغيير الحياة دون تدمير حياتك
- بيانات من عفار
المصدر: PhonlamaiPhoto / iStockphoto
يبعد:
الذكاء الاصطناعي يمكن أن يكون ذكيا فقط مثل البيانات المستخدمة لتدريبه. ولهذا السبب تعد الإدارة السليمة للبيانات ضرورية من أجل تدريب الذكاء الاصطناعى على البيانات عالية الجودة.
يختلف الذكاء الاصطناعي عن البرامج التقليدية في جانب واحد مهم للغاية: يجب أن يتعلم كيفية القيام بعمله.
يوفر هذا فائدة أساسية لدورات حياة المنتج حيث أنه بدلاً من الاضطرار إلى الانتظار حتى تقوم معالجات الترميز بترقية إبداعاتها يدويًا مرة واحدة سنويًا (أو حتى أقل تكرارًا) ، يمكن للنظام نفسه إضافة أدوات جديدة وإنشاء ميزات جديدة وتعديل نفسه على أفضل تلبية متطلبات المستخدم. الجانب السلبي ، بطبيعة الحال ، هو أن عدد قليل من برامج الذكاء الاصطناعى سوف توفر أداء أعلى من الدرجة الأولى خارج الصندوق. فقط من خلال الاستخدام المستمر يمكنهم فهم ما هو متوقع منهم وأفضل السبل لتحقيق أهدافهم.
أحد العوامل الرئيسية في هذا التطور هو البيانات التي تتعرض لها الأنظمة التي تعتمد على الذكاء الاصطناعي. ستسمح البيانات الجيدة ، التي يتم تكييفها بشكل صحيح والموضوعة بشكل صحيح ، للخدمات باتخاذ قرارات مستنيرة واتخاذ الإجراءات المناسبة ، في حين أن البيانات السيئة ستؤدي إلى نتائج رديئة وتناقص الأداء باستمرار.
على سبيل المثال ، ضع في اعتبارك استراتيجية تسويق تعتمد على الذكاء الاصطناعي. قد تشير نقطة البيانات الرئيسية إلى زيادة الاهتمام بعرض منتج معين في منطقة معينة أو بين مجموعة سكانية معينة. ولكن إذا كانت البيانات تستند فقط إلى طرق عرض صفحة الويب أو أدلة غير متجانسة أخرى بدلاً من استطلاعات الرأي العميقة للمستهلكين ، يمكن تحويل وقت كبير وأموال وموارد أخرى من مشاريع أكثر إنتاجية من أجل البحث عن فرصة غير موجودة. (لمعرفة المزيد عن الذكاء الاصطناعي في التسويق ، راجع كيف ستحدث الذكاء الاصطناعي ثورة في صناعة المبيعات.)
رؤية المشكلة
حتى الآن ، حقق المشروع نجاحًا هامشيًا في إدارة البيانات ، وخاصة البيانات غير المهيكلة. وفقًا لكورينيوم ، فإن 70 في المائة من فرق تكنولوجيا المعلومات وإدارة البيانات تكافح من أجل تلبية احتياجات التحليلات ، في حين أن حوالي 40 في المائة يواجهون صعوبة في الحفاظ على جودة البيانات الجيدة على الرغم من أن أكثر من نصفهم يستخدمون أبنية هجينة متعددة السحاب لتخزين البيانات الخاصة بهم.
ومع ذلك ، على الجانب الإيجابي ، بدأت العديد من المنظمات تدرك أهمية المشكلة وتتخذ خطوات لمعالجتها. يقول أكثر من 90 في المائة من المجيبين أنهم سيستثمرون أكثر من مليون دولار في مبادرات تحليلية جديدة في العام المقبل ، مع أكثر من 60 في المائة يستخدمون استراتيجيات مختلطة متعددة السحابية لتوحيد البيانات عبر البنية التحتية الداخلية والخارجية.
ومع ذلك ، فإن إحدى المشكلات الرئيسية التي لا يزال يتعين التغلب عليها هي الحاجة إلى التطوير إلى ما بعد تجميع البيانات الأساسية وتجميعها إلى نماذج كونفورتيال ونسب ملاءمة أكثر تقدماً ، كما يقول رئيس شركة إنفورماتيكا أميت واليا. فقط عن طريق تحليل البيانات الوصفية الرئيسية المتعلقة بالتكنولوجيا والأعمال والعمليات والاستخدام ، يمكن للمؤسسة تعزيز نوع "البيانات الذكية" اللازمة لتدريب الخوارزميات الذكية.
ولكن هذا أصبح أكثر صعوبة مع استمرار تنفجر وحدات تخزين البيانات. ومن المفارقات إلى حد ما ، تتحول العديد من حلول تحليل البيانات وإدارتها إلى نفس خوارزميات التعلم الآلي والتعلم الآلي التي تعمل على تمكين التطبيقات الذكية التي تستهلك البيانات والبيانات الوصفية في النهاية. من خلال جعل العملية بأكملها أكثر ذكاءً ، يمكن للمؤسسة أتمتة العديد من الوظائف عن بُعد التي تشغل حاليًا الجزء الأكبر من وقت علماء البيانات بأجر كبير ، مما يتركهم حراً في التركيز على أهداف استراتيجية أكثر تعقيدًا.
No Bugs، No Stress - دليلك خطوة بخطوة لإنشاء برامج لتغيير الحياة دون تدمير حياتك
لا يمكنك تحسين مهارات البرمجة لديك عندما لا يهتم أحد بجودة البرنامج.
بيانات من عفار
الشيء الوحيد الذي يحتاجه كل نظام ذكي لإدارة البيانات هو اتصال مبسط من السحابة وإليها. في حين أن الشبكات واسعة النطاق أصبحت سريعة ومرنة ومحددة بشكل متزايد للبرنامج ، إلا أنها لا تزال تفتقر إلى أدوات الإدارة الدقيقة لجمع البيانات ومعالجتها ونقلها بسرعات صديقة لمنظمة العفو الدولية. لهذا السبب تعاونت NetApp و Nvidia لتوحيد نظام الفلاش AFF A800 مع حاسوب DGX العملاق. يعمل هذا الحل على زيادة فعالية نسيج بيانات NetApp لتوفير التحكم الفعال في البيانات "من الحافة إلى الأساسية إلى السحابة" ، ومنح محركات التحليل رؤية دقيقة ومحدثة للنظام الإيكولوجي الموزع بأكمله والوصول المباشر إلى البيانات بغض النظر عن مكان تواجدها أو تنسيقها في داخل.
استعادة البيانات ليست سوى الخطوة الأولى. يمكن أن يكون تحسين طريقة استيعاب قاعدة البيانات للبيانات وتفسيرها بنفس القدر من الفعالية. يعتقد بافيل باينز ، الرئيس التنفيذي لشركة Bluzelle اللامركزية لقواعد البيانات ، أن blockchain يمكن أن تقدم مساهمة كبيرة في هذا الصدد ، من خلال إنشاء مخزن بيانات عالمي يستوعب البيانات المهيكلة وغير المنظمة. سيتيح هذا لفرق إدارة البيانات توفير الخدع العميقة اللازمة لمنظمة العفو الدولية لفهم الأمر بسرعة في نفس الوقت مع ضمان أن البيانات الهامة لا تخضع لسيطرة أي مزود سحابة واحد. إن استخدام Blockchain لعقد التخزين الموزعة من نظير إلى نظير ، يضمن جميعها أنه يمكن إتاحة البيانات تقريبًا في أي مكان بأقصى سرعة ممكنة ، مع الحفاظ على تكامل عالٍ نظرًا لنهجها الثابت في دفتر الأستاذ. (عندما تعمل منظمة العفو الدولية بالطريقة التي يُفترض بها ، يمكن أن تكون مساعدة كبيرة للأعمال التجارية. معرفة المزيد في 5 طرق قد ترغب الشركات في أخذها بعين الاعتبار عند استخدام الذكاء الاصطناعي).
الذكاء الاصطناعى هو تسمية خاطئة لأنها ليست ذكية حقا. لا يمكن التمييز بشكل جوهري بين الحقيقة والخيال ، الخير والشر ، الصواب والخطأ. كل ما يمكن فعله هو استهلاك كميات هائلة من البيانات والبحث عن الأنماط التي تفي بولاياتها البرمجية. إذا كانت البيانات غير صحيحة ، أو تم تفسيرها بشكل غير صحيح ، فسيتم تحريف النموذج وستكون النتائج خاطئة.
في ضوء ذلك ، يكمن الذكاء الحقيقي وراء الذكاء الاصطناعي في مكانه: العقل البشري. لن تتمكن منظمة العفو الدولية من تحقيق أكبر فائدة للخدمات والعمليات الرقمية إلا من خلال الإشراف المناسب على جمع البيانات وإعدادها.
كلما أصبحنا أكثر ذكاءً حول البيانات ، ستصبح أجهزتنا أكثر ذكاءً في السعي لتحقيق إنتاجية أكبر.