AI換AI越來(lái)越受到關(guān)注-但是是否會(huì)忽略嵌入AI以提高數(shù)據(jù)生產(chǎn)力的能力?讓我們直截了當(dāng)?shù)夭榭葱袠I(yè)專家的觀點(diǎn)。

在BCG亨德森研究所(BCG Henderson Institute)最近的一篇文章中，“ 如何用人工智能取勝”中，作者提出了一個(gè)問題：

在眾多投資人工智能的公司中，有一個(gè)令人驚訝的獨(dú)家集團(tuán)：從AI創(chuàng)造價(jià)值的公司。而且，至少到現(xiàn)在，反對(duì)被錄取的可能性是發(fā)人深省的。據(jù)2500名多名高管的調(diào)查-為進(jìn)行新的報(bào)告由麻省理工學(xué)院斯隆管理評(píng)論，BCG伽瑪和BCG亨德森學(xué)院-十家企業(yè)的七人報(bào)告很少或沒有收益從他們的AI行動(dòng)為止。為什么有些努力成功了，而更多的失敗了?

在新的報(bào)告由麻省理工學(xué)院斯隆管理評(píng)論，BCG伽瑪和BCG亨德森學(xué)院提供六點(diǎn)建議，以改善該組織可以與AI成功率：

將AI策略與業(yè)務(wù)策略整合

將收入增長(zhǎng)優(yōu)先于降低成本

承擔(dān)具有重大影響的大型項(xiàng)目-即使它們具有風(fēng)險(xiǎn)

使AI的生產(chǎn)與AI的消??費(fèi)保持一致

將AI視為主要的業(yè)務(wù)轉(zhuǎn)型工作

投資于AI人才，數(shù)據(jù)治理和流程變更

這很明顯。唯一讓我震驚的是#3。并不是說它是如此新穎，而是作者對(duì)仍然是一個(gè)備受爭(zhēng)議的問題表示了立場(chǎng)：目標(biāo)高，但起點(diǎn)低，而起點(diǎn)低。我不會(huì)認(rèn)為#3是給定的。這取決于太多因素。

人工智能悄然取得了可驗(yàn)證和有益進(jìn)展的領(lǐng)域之一不是應(yīng)用程序。在應(yīng)用程序管道的另一端，我們看到了嵌入在流程中的AI的迅速擴(kuò)展：管理，解釋和配置信息。

關(guān)鍵是，用于數(shù)字轉(zhuǎn)換和創(chuàng)建面向客戶的應(yīng)用程序的AI比將嵌入式AI集成到工具中要困難得多。這是雙贏的，因?yàn)槲茨芴峁└蓛羟铱捎糜贏I的數(shù)據(jù)是缺少進(jìn)度的最常見的原因。這樣做，以推動(dòng)AI通過所需的規(guī)模和節(jié)奏準(zhǔn)備數(shù)據(jù)已經(jīng)成為一項(xiàng)不人道的任務(wù)。利用AI為AI做準(zhǔn)備; 它聽起來(lái)很優(yōu)美。

在福布斯(Forbes.com)上瀏覽Gil Press的一篇文章，《2020年AI預(yù)測(cè)120種》，我對(duì)此想法有所支持。(注意：文章中只有60條評(píng)論，我想這是第1部分)。我將這些作為示例。這不是完整的行業(yè)調(diào)查。以下是受訪者的一些亮點(diǎn)以及我的反應(yīng)。

Trifacta的聯(lián)合創(chuàng)始人兼首席運(yùn)營(yíng)官Joe Hellerstein。Joe是加州大學(xué)伯克利分校的計(jì)算機(jī)科學(xué)教授，他的工作重點(diǎn)是以數(shù)據(jù)為中心的系統(tǒng)及其驅(qū)動(dòng)計(jì)算的方式。他是ACM研究員，Alfred P. Sloan研究研究員，并且由于他的研究獲得了兩個(gè)ACM-SIGMOD“時(shí)間測(cè)試”獎(jiǎng)。Hellerstein認(rèn)為AI在數(shù)據(jù)背后的作用：

還期望看到數(shù)據(jù)準(zhǔn)備方面的投資有所增加，而數(shù)據(jù)準(zhǔn)備是任何數(shù)據(jù)項(xiàng)目中不可或缺的組成部分，仍然經(jīng)常被視為許多項(xiàng)目的最大瓶頸，這將推動(dòng)數(shù)據(jù)質(zhì)量的提高，并使IT擺脫準(zhǔn)備數(shù)據(jù)的壓力。

李浩遠(yuǎn)，Alluxio創(chuàng)始人兼首席技術(shù)官：

過去的統(tǒng)計(jì)模型現(xiàn)在已經(jīng)與計(jì)算機(jī)科學(xué)融合，并已成為AI和機(jī)器學(xué)習(xí)。因此，數(shù)據(jù)，分析和AI團(tuán)隊(duì)不再相互孤立。他們需要合作并共同努力，以從他們都使用的相同數(shù)據(jù)中獲取價(jià)值。2020年，我們將看到更多的組織圍繞數(shù)據(jù)堆棧建立專門的團(tuán)隊(duì)。

MyPOV：他們將使用帶有AI輔助開發(fā)的工具。這些專門的團(tuán)隊(duì)將需要大大減少他們?yōu)閿?shù)據(jù)管理，版本控制，一鍵式訪問算法(或張量)而編寫的代碼量。AI / ML對(duì)于AI工程師的工作效率沒有得到足夠的重視。

Virtana首席執(zhí)行官Philippe Vincent ：

……企業(yè)……將需要基于AIOps的解決方案，該解決方案將基礎(chǔ)架構(gòu)監(jiān)視，工作負(fù)載自動(dòng)化和容量規(guī)劃集成到一個(gè)平臺(tái)中。因此，無(wú)法采用AIOps服務(wù)模型的供應(yīng)商和未能在端到端基礎(chǔ)架構(gòu)可見性方面進(jìn)行投資的企業(yè)將無(wú)法實(shí)現(xiàn)客戶要求和性能SLA。

MyPOV：好主意，但并沒有真正談?wù)揂I。

Qlik全球市場(chǎng)情報(bào)主管高級(jí)總監(jiān)Dan Sommer ：

現(xiàn)在比以往任何時(shí)候都更容易進(jìn)行數(shù)據(jù)庫(kù)內(nèi)索引和分析，并且我們擁有確保數(shù)據(jù)可以移到正確位置的工具。數(shù)據(jù)的神秘性消失了：2019年Hadoop分銷商的整合和快速消亡標(biāo)志著這一轉(zhuǎn)變的信號(hào)。下一個(gè)重點(diǎn)領(lǐng)域?qū)⑹欠浅７稚⒌幕?ldquo;廣泛的數(shù)據(jù)”。數(shù)據(jù)格式變得越來(lái)越多樣化和碎片化，結(jié)果，適用于各種數(shù)據(jù)風(fēng)格的不同類型的數(shù)據(jù)庫(kù)增加了一倍以上。

MyPOV：如果沒有具有嵌入式機(jī)器學(xué)習(xí)，深度學(xué)習(xí)和NLP的工具，任何人都無(wú)法組織這個(gè)smorgasbord。

Genpact首席數(shù)字官Sanjay Srivastava ：

我們將看到數(shù)字道德官員的崛起，他們將負(fù)責(zé)實(shí)施道德框架以做出決策。這包括安全性，偏見，預(yù)期用途和內(nèi)置治理

MyPOV：這是唯一提及道德的評(píng)論;否則，與主題無(wú)關(guān)。我只是想指出六十位預(yù)測(cè)者中有五十九位被忽略了，而一件事將在2020年變得炙手可熱。

智庫(kù)首席營(yíng)銷官兼企業(yè)傳播負(fù)責(zé)人Yaffa Cohen-Ifrah ：

人工智能使保險(xiǎn)公司能夠更好地利用他們掌握的大量數(shù)據(jù)，以從至關(guān)重要的客戶洞察中受益，從而最大程度地提高其服務(wù)和產(chǎn)品。這樣可以使客戶滿意并提高業(yè)務(wù)效率。

MyPOV：實(shí)際上，這取決于哪種類型的保險(xiǎn)公司。長(zhǎng)尾風(fēng)險(xiǎn)(例如人壽保險(xiǎn))具有老化應(yīng)用程序中的數(shù)據(jù)，記錄了40年，五十年或更久的歷史。利用這些“數(shù)據(jù)寶庫(kù)”非常困難，并且對(duì)于使用AI的解決方案(使語(yǔ)義上的困難混合合理化)已經(jīng)成熟。

Qentelli總裁Sanjay Jupudi：

2020年將更多地關(guān)注可解釋的AI，以減少預(yù)測(cè)中的任何偏差。數(shù)據(jù)科學(xué)家將成為產(chǎn)品團(tuán)隊(duì)不可或缺的一部分，并與他們緊密合作，以數(shù)據(jù)為先的方法開發(fā)應(yīng)用程序，而不是專注于理解由應(yīng)用程序生成的數(shù)據(jù)

MyPOV：我不完全理解他所說的“數(shù)據(jù)優(yōu)先”的含義，但是我認(rèn)為它暗示了AI通知的數(shù)據(jù)管道，這很好。

Talend首席技術(shù)官兼首席運(yùn)營(yíng)官Laurent Bride ：

無(wú)論是用于自動(dòng)執(zhí)行重復(fù)性任務(wù)(數(shù)據(jù)準(zhǔn)備等)，還是通過來(lái)自您和您的同行的上下文信息來(lái)連接管道，人工智能都將開始滲透到業(yè)務(wù)功能的所有領(lǐng)域。

MyPOV：我不相信其他人提到管道。制藥公司GSK在公開演示中證明，所有臨床試驗(yàn)數(shù)據(jù)的合并均使用StreamSets精心策劃的10,000多個(gè)管道進(jìn)行，但我沒有明確聽說StreamSets在其產(chǎn)品中使用AI，但我懷疑它們確實(shí)這樣做了。

軟機(jī)器人首席執(zhí)行官Carl Vause ：

關(guān)于人工智能，僅僅因?yàn)榻M織內(nèi)存在數(shù)據(jù)并不意味著數(shù)據(jù)是可用的，可傳輸?shù)母袷健?020年將是企業(yè)開始了解其數(shù)據(jù)尚未支持AI的一年，這將使其業(yè)務(wù)流程效率低下，效率低下或不準(zhǔn)確。

值得注意的是，一些將AI注入其DataOps和/或信息集成產(chǎn)品的技術(shù)提供商的示例是：

Informatica：Informatica于3年前推出，它宣布了一種名為CLAIRE的產(chǎn)品，該產(chǎn)品據(jù)稱是其大量產(chǎn)品平臺(tái)中注入的一組AI功能。我花了差不多幾年的時(shí)間才或多或少地了解他們?cè)谧鍪裁?。CLAIRE現(xiàn)在是具有工程師，市場(chǎng)營(yíng)銷和管理專職的獨(dú)立產(chǎn)品，它提供AI(ML，各種類型的神經(jīng)網(wǎng)絡(luò)，NLP)來(lái)支持整個(gè)產(chǎn)品平臺(tái)。

UnifiSofware(現(xiàn)在是Boomi的一部分)：Unifi OneMind AI技術(shù)是功能的基礎(chǔ)，從數(shù)據(jù)準(zhǔn)備和數(shù)據(jù)目錄建議到發(fā)現(xiàn)類似數(shù)據(jù)集，再到自然語(yǔ)言查詢支持。它基于知識(shí)圖，采用遞歸卷積神經(jīng)網(wǎng)絡(luò)，隱馬爾可夫模型和基因測(cè)序算法。

Trifacta將自己描述為“數(shù)據(jù)爭(zhēng)吵者”(到目前為止，這不是一個(gè)官方的技術(shù)術(shù)語(yǔ)，但也許要關(guān)注這個(gè)領(lǐng)域)。它結(jié)合了機(jī)器學(xué)習(xí)和人工操作來(lái)查詢和組織數(shù)據(jù)以產(chǎn)生各種見解。

Paxata(現(xiàn)在是DataRobot的一部分)Paxata具有類似AI的功能，盡管未明確描述為AI引擎。它具有自動(dòng)發(fā)現(xiàn)相關(guān)數(shù)據(jù)準(zhǔn)備項(xiàng)目和數(shù)據(jù)集并自動(dòng)創(chuàng)建多項(xiàng)目數(shù)據(jù)流的能力。不用說，被認(rèn)為是AI公司的公司DataRobot將為Paxata的數(shù)據(jù)集成和目錄功能添加AI。

Tamr：Tamr使用機(jī)器學(xué)習(xí)的主要地方有兩個(gè)：實(shí)體合并(重復(fù)數(shù)據(jù)刪除)和實(shí)體分類。一個(gè)有趣的方面是，當(dāng)最初沒有足夠的訓(xùn)練數(shù)據(jù)來(lái)建立模型時(shí)，Tarr會(huì)使用強(qiáng)化學(xué)習(xí)。實(shí)體分類(記錄分類)是一個(gè)包含ML部分的多步驟過程。

我拿

有關(guān)AI的大量對(duì)話涉及人員，應(yīng)用程序和自動(dòng)化，這是應(yīng)用程序培訓(xùn)的結(jié)尾。人工智能為列車的無(wú)形部分提供動(dòng)力的機(jī)會(huì)正在逐漸成熟，并將為人工智能的成功(失敗)體驗(yàn)提供推動(dòng)力。

也許與我的建議有點(diǎn)相切，哈克農(nóng)恩認(rèn)為：

當(dāng)將AI應(yīng)用于我們開發(fā)應(yīng)用程序的方式時(shí)，它將改變我們用來(lái)管理基礎(chǔ)結(jié)構(gòu)的方式。AIOps將取代DevOps，并使您的IT部門員工能夠進(jìn)行精確的根本原因分析。此外，這將使您立即輕松地從海量數(shù)據(jù)集中找到有用的見解和模式。大型企業(yè)和云供應(yīng)商將受益于DevOps與AI的融合。

我不得不問Irfan Ahmed Khan，DataOps發(fā)生了什么事情，這似乎很快就來(lái)了，但是我想AIOps只是更智能的DataOps。