人工智能正在改變每個業(yè)務(wù)流程。開發(fā)人員通過工具將深度學(xué)習(xí)，機(jī)器學(xué)習(xí)和同類技術(shù)等形式的AI整合到云原生應(yīng)用程序和業(yè)務(wù)流程中，從而使他們能夠?qū)⑦@些功能組合為數(shù)據(jù)驅(qū)動的微服務(wù)。

周四，IBM Corp.與SiliconANGLE的姊妹市場研究公司W(wǎng)ikibon舉行了#Think會議 社區(qū)CrowdChat，討論企業(yè)如何在云中實現(xiàn)AI之旅。長達(dá)一個小時的在線會議受到了熱烈的關(guān)注，并且就與AI之旅有關(guān)的許多問題進(jìn)行了熱烈的討論。

CrowdChat吸引了以下IBM AI主題專家：數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的Carlo Appugliese;Matthias Funke，混合數(shù)據(jù)管理;Madhu Kochar，交叉分析;Hemanth Manda，IBM數(shù)據(jù)私有云;UGI的Anantha Narasimhan;和Jason Tavoularis，業(yè)務(wù)分析。

以下是這些參與者和其他參與者對每個CrowdChat問題最值得注意的回答：

問：IBM Analytics總經(jīng)理Rob Thomas表示，沒有IA或信息架構(gòu)就不會有AI。您如何現(xiàn)代化您的數(shù)據(jù)資產(chǎn)(數(shù)據(jù)資產(chǎn)的組織)以為AI和多云世界做好準(zhǔn)備?

凱蒂·謝弗(Katie Schafer)：“如果有人想了解有關(guān)ICP for Data的更多信息，請務(wù)必簽出會議#2571，標(biāo)題為：改變游戲規(guī)則：學(xué)習(xí)如何與AI攜手共贏2月13日太平洋標(biāo)準(zhǔn)時間下午1:30，數(shù)據(jù)和AI校園的大型劇院。”

Hemanth Manda：“已經(jīng)與許多客戶和業(yè)務(wù)合作伙伴進(jìn)行了交流，這是每個人都在努力解決的問題，我們正在通過我們的新平臺提供解決方案，該平臺提供ICP for Data，這是一個用于多云的集成數(shù)據(jù)和AI平臺”

Madhu Kochar：“每個客戶的討論都始于此對話框……對于建立可信賴的分析數(shù)據(jù)基礎(chǔ)而言，這一點至關(guān)重要。首先要了解您的數(shù)據(jù)，信任您的數(shù)據(jù)并使用您的數(shù)據(jù)來進(jìn)一步推動見解”

Matthias Funke：“我看到這個問題到處都有?，F(xiàn)代化以提高敏捷性，更快地獲得新見解，并從中受益更多……很多時候，人們需要從AI階梯的底部開始，并提出以下問題：如何收集所需的所有數(shù)據(jù)，并使其成為現(xiàn)實在合適的時間讓合適的人訪問?以及如何整合跨不同位置和數(shù)據(jù)源的數(shù)據(jù)資產(chǎn)?”

Carlo Appugliese：“我們與客戶一起進(jìn)行他們的數(shù)據(jù)科學(xué)之旅，而贏得AI的最大因素是確保您考慮到三件事：正確的技能，正確的流程/文化以及正確的工具。”

杰森·塔沃拉利斯(Jason Tavoularis)：“當(dāng)然!人工智能需要數(shù)據(jù)。如果沒有基礎(chǔ)設(shè)施，就不會有太多的數(shù)據(jù)，因此您不能指望AI非常智能。”

Anantha Narasimhan：“我們的客戶正在尋找AI，以幫助推動數(shù)字化和潛在的業(yè)務(wù)轉(zhuǎn)型。AI的核心是a)人員和文化，b)流程，c)數(shù)據(jù)…在整個組織中都存在數(shù)據(jù)的情況下，第一步就是要做好處理…收集，組織然后分析數(shù)據(jù)。然后注入AI模型以進(jìn)行操作……ML是AI的強(qiáng)大推動者。我們需要記住，人工智能可以幫助我們快速獲勝..或迅速崩潰。因為如果數(shù)據(jù)質(zhì)量不佳，那么模型將拋出錯誤的見解”

Tanmay Sinha：“ AI模型的質(zhì)量與用于訓(xùn)練模型的數(shù)據(jù)質(zhì)量成正比。如果沒有用于提供高質(zhì)量數(shù)據(jù)的信息體系結(jié)構(gòu)，那么AI模型可能會不一致，不相關(guān)或存在更嚴(yán)重的偏差。”

John Furrier：“我認(rèn)為他真正確定了核心AI(和ML)角度元數(shù)據(jù)或提供AI引擎的信息非常重要。如果公司正確地做到這一點，那么機(jī)器學(xué)習(xí)和人工智能將達(dá)到新的高度”

Jameskobielus：“如果沒有高性能的數(shù)據(jù)湖中的數(shù)據(jù)質(zhì)量，治理，準(zhǔn)備和培訓(xùn)，就沒有實際的AI。在用于AI的多云環(huán)境中現(xiàn)代化您的數(shù)據(jù)倉庫需要一種工業(yè)化的DevOps方法，該方法可以自動執(zhí)行大多數(shù)/大多數(shù)流程…如果數(shù)據(jù)科學(xué)家可以找到合適的數(shù)據(jù)來驅(qū)動要素工程等，則AI不會很聰明。同樣，AI模型也無法高信心地完成工作，而無需從新的操作數(shù)據(jù)中進(jìn)行前期和持續(xù)的培訓(xùn)……將AI注入業(yè)務(wù)中，需要具有強(qiáng)大的實時/流CI / CD工作流的可操作數(shù)據(jù)科學(xué)管道。”

David Floyer：“ IMO，分析的未來就是實時結(jié)果。這意味著可以在數(shù)據(jù)附近快速執(zhí)行可操作的AI /分析。這也意味著希望自動化流程的應(yīng)用程序與所需的AI /分析之間的低延遲連接……例如，如果您要確保只有員工進(jìn)入企業(yè)場所，就會有很多企業(yè)遇到相同的問題，并且有很多解決方案購買... 1. AI解決方案有兩種來源–內(nèi)部和外部，是正常的購買或購買決定。對于擁有的產(chǎn)品和服務(wù)，在IA中收集有關(guān)這些服務(wù)的數(shù)據(jù)至關(guān)重要。但是，有很多技術(shù)會更容易購買。”