2016年,AI炒作剛剛開(kāi)始,許多人仍然謹(jǐn)慎,當(dāng)提到這個(gè)詞“人工智能”。畢竟,我們中的很多人被毒化了多年來(lái)避免這一項(xiàng),已經(jīng)擴(kuò)散混亂,過(guò)多的承諾,無(wú)法履行。事實(shí)證明,從大數(shù)據(jù)和分析路徑AI是自然的.

不僅因?yàn)樗軒椭藗兟?lián)系和調(diào)整他們的心智模式,或者因?yàn)榇髷?shù)據(jù)和分析正在享受的那種炒作AI現(xiàn)在,才黯然失色的人工智能。但主要是因?yàn)樾枰獢?shù)據(jù)——大或居住地——構(gòu)建人工智能。

ZDNet:2018年“黑色星期五”交易:商業(yè)交易獵人的首選|網(wǎng)絡(luò)星期一2018年交易:商業(yè)交易獵人的首選

它還需要一些其他關(guān)鍵因素。所以,讓我們重新審視西班牙大數(shù)據(jù)(BDS),其中一個(gè)最大和最前衛(wèi)的事件在歐洲,這標(biāo)志著從大數(shù)據(jù)過(guò)渡到AI幾年回來(lái),并試圖回答一些問(wèn)題在人工智能基于我們從上周的陣容和活潑的人群。

簡(jiǎn)短的回答是:不,不會(huì)。分之一,Gartner分析成熟度模型是,如果你想建立AI功能(預(yù)測(cè)和說(shuō)明性的),你必須做一個(gè)堅(jiān)實(shí)的大數(shù)據(jù)基礎(chǔ)(光譜的描述性和診斷結(jié)束)。

的一部分都是關(guān)于存儲(chǔ)和處理大量數(shù)據(jù)的能力,但這只是冰山一角。技術(shù)解決方案這豐富的這些天,但隨著ZDNet的貢獻(xiàn)者托尼•貝爾所說(shuō)的那樣,建立人工智能,你不應(yīng)該忘記人們和過(guò)程.

更具體地說(shuō):不要忘記數(shù)據(jù)讀寫數(shù)據(jù)治理組織中。它已經(jīng)一次又一次地指出的那樣,但是這些真的是賭注。所以,如果你認(rèn)為你可以在你的組織開(kāi)發(fā)人工智能解決方案通過(guò)某種方式跨越的進(jìn)化鏈分析,最好再想想。

作為奧斯卡門德斯,Stratio CEO,強(qiáng)調(diào)在他的主題,超越的AI與經(jīng)?？蓱z的基礎(chǔ),需要一個(gè)全面的方法。你的數(shù)據(jù)基礎(chǔ)架構(gòu)和治理,尋找和培訓(xùn)正確的機(jī)器學(xué)習(xí)(ML)模型可以產(chǎn)生令人印象深刻的結(jié)果。但有一個(gè)限制,這些可以帶你,充分證明了日常的Alexa失敗,Cortana,Siri。

這里的關(guān)鍵信息是,把語(yǔ)境和推理能力的發(fā)揮需要更緊密地模仿人類智能。門德斯的不僅僅是這個(gè),因?yàn)檫@是什么東西等人工智能研究人員共享Yoshua Bengio深度學(xué)習(xí)的思想。深度學(xué)習(xí)(DL)擅長(zhǎng)模式匹配和數(shù)據(jù)和計(jì)算爆炸里,可以讓它超越人類基于模式匹配的任務(wù)。

智慧,然而,并不是所有關(guān)于模式匹配。推理能力不能只建立在ML方法——至少不是現(xiàn)在。所以我們需要的是一種集成少炒作的人工智能方法,所謂的象征:知識(shí)表示和推理,本體等。這是一個(gè)我們一直提倡的消息,看到它的焦點(diǎn)在BDS肯定。

簡(jiǎn)短的回答:也許吧,但你應(yīng)該非常體貼。所以,不要拐彎抹角了:人工智能是困難的。是的,你一定要建立數(shù)據(jù)治理等基本能力,因?yàn)檫@是適合您的組織。有些人,像西班牙電信,從大數(shù)據(jù)到人工智能管理通過(guò)執(zhí)行戰(zhàn)略計(jì)劃。但它不是一件簡(jiǎn)單的事情。

已經(jīng)驗(yàn)證了這一點(diǎn)可能是什么最可靠的調(diào)查毫升收養(yǎng),超過(guò)11 k受訪者回答。從顯示Derwen帕科內(nèi)森從O ' reilly調(diào)查結(jié)果和見(jiàn)解他已經(jīng)檢測(cè),這或多或少地證實(shí)了我們知道:越來(lái)越多的AI貧富之間的差距。

的一個(gè)極端,我們有谷歌和微軟的世界:組織應(yīng)用人工智能作為他們的策略和操作的核心元素。他們的資源、數(shù)據(jù)和知識(shí),他們領(lǐng)先的人工智能比賽。然后還有用戶,致力于應(yīng)用人工智能領(lǐng)域,和落后者,太深埋在技術(shù)債務(wù)能夠做任何有意義的人工智能應(yīng)用。

AI領(lǐng)導(dǎo)人已經(jīng)發(fā)行,從表面上看,似乎“民主化”的人工智能。谷歌和微軟都在BDS,展示,例如,演示圖像識(shí)別應(yīng)用程序是建立在一個(gè)點(diǎn)和點(diǎn)擊的方式在幾分鐘。

傳達(dá)的信息是明確的:讓我們擔(dān)心模型和訓(xùn)練,你專注于你的領(lǐng)域的細(xì)節(jié)。我們可以確定機(jī)械零件,例如——只是給我們你的具體的機(jī)械零件,你是好去。

谷歌還宣布一些新產(chǎn)品在BDS:Kubeflow和人工智能中心。背后的想法是編排毫升管道同樣為碼頭工人什么Kubernetes容器應(yīng)用程序中,并成為一個(gè)Github毫升模型,分別。這些都不是唯一的產(chǎn)品,承諾類似的優(yōu)勢(shì)。他們聽(tīng)起來(lái)誘人的,但你應(yīng)該使用它們嗎?

誰(shuí)不想跳AI隊(duì)列,并獲得結(jié)果現(xiàn)在沒(méi)有所有的麻煩,對(duì)吧?這確實(shí)是一個(gè)實(shí)用的方法,可以讓你在競(jìng)爭(zhēng)。有只有一個(gè)問(wèn)題:如果你人工智能完全外包,你不會(huì)開(kāi)發(fā)所需的技能是中長(zhǎng)期內(nèi)自給自足。

想到的數(shù)字轉(zhuǎn)換。是的,數(shù)字化,探索技術(shù)和重新設(shè)計(jì)的過(guò)程是困難的。并不是所有的組織得到它,或者專門的足夠的資源。但那些現(xiàn)在領(lǐng)先。人工智能也有類似的,如果不是大,潛在的破壞和區(qū)分。因此,盡管得到直接結(jié)果是偉大的,投資在人工智能應(yīng)該仍然被視為一個(gè)戰(zhàn)略重點(diǎn)。

你可以減少一部分懷疑外包是基礎(chǔ)設(shè)施。對(duì)大多數(shù)組織來(lái)說(shuō),維護(hù)自己的數(shù)字基礎(chǔ)設(shè)施只是不加起來(lái)。經(jīng)濟(jì)規(guī)模,頭開(kāi)始,平和的心態(tài),在云中運(yùn)行基礎(chǔ)設(shè)施可以給大量的好處。