在過去的幾年里，企業(yè)需要快速創(chuàng)建新的商業(yè)模式和營銷渠道，這加速了人工智能的采用。在醫(yī)療保健領(lǐng)域尤其如此，數(shù)據(jù)分析加速了新冠疫苗的開發(fā)。在消費包裝商品方面，哈佛商業(yè)評論報道稱，F(xiàn)rito-Lay公司在短短30天內(nèi)創(chuàng)建了一個電子商務(wù)平臺Snacks.com。

新冠疫情還加速了人工智能在教育中的采用，因為學(xué)校被迫在一夜之間啟用在線學(xué)習(xí)。只要有可能，世界就會轉(zhuǎn)向“非接觸式”交易，徹底改變銀行業(yè)。

新冠疫情期間的三項技術(shù)發(fā)展加速了人工智能的采用：

• 持續(xù)廉價的計算能力和存儲
• 新的數(shù)據(jù)架構(gòu)
• 新數(shù)據(jù)源的可用性

人工智能發(fā)展的利弊

以下了解這些發(fā)展對IT領(lǐng)導(dǎo)者的利弊。

1.持續(xù)廉價的計算能力

即使在摩爾定律之后的60年，計算能力也在不斷提高，通過NVidia等公司的新芯片，有了更強大的機器和更多的處理能力。AIImpacts報告稱，“在過去的25年中，每美元可用的計算能力可能大約每四年增加十倍（以FLOPS或MIPS衡量）。”然而，在過去的6-8年中，這一速度有所放緩。

優(yōu)點：事半功倍

廉價計算為IT領(lǐng)導(dǎo)者提供了更多選擇，使他們能夠事半功倍。

缺點：太多的選擇會導(dǎo)致浪費時間和金錢

考慮大數(shù)據(jù)。借助廉價的計算，IT專業(yè)人員希望發(fā)揮其強大功能。人們希望開始攝取和分析所有可用數(shù)據(jù)，從而獲得更好的洞察力、分析和決策。

但是如果不小心，最終可能會得到巨大的計算能力，而沒有足夠的實際業(yè)務(wù)應(yīng)用程序。

隨著網(wǎng)絡(luò)、存儲和計算成本的下降，人類傾向于更多地使用它們。但它們不一定能為所有事物帶來商業(yè)價值。

2.新的數(shù)據(jù)架構(gòu)

在新冠疫情之前，“數(shù)據(jù)倉庫”和“數(shù)據(jù)湖”這兩個術(shù)語是標(biāo)準(zhǔn)的此。但是像“數(shù)據(jù)結(jié)構(gòu)”和“數(shù)據(jù)網(wǎng)格”這樣的新數(shù)據(jù)架構(gòu)幾乎不存在。DataFabric支持人工智能采用，因為它使企業(yè)能夠通過自動化數(shù)據(jù)發(fā)現(xiàn)、治理和消費來使用數(shù)據(jù)來最大化其價值鏈。無論數(shù)據(jù)位于何處，企業(yè)都可以在正確的時間提供正確的數(shù)據(jù)。

優(yōu)點：IT領(lǐng)導(dǎo)者將有機會重新思考數(shù)據(jù)模型和數(shù)據(jù)治理

它提供了一個逆向集中式數(shù)據(jù)存儲庫或數(shù)據(jù)湖的趨勢的機會。這可能意味著在最相關(guān)的地方有更多的邊緣計算和數(shù)據(jù)可用。這些進步導(dǎo)致適當(dāng)?shù)臄?shù)據(jù)可以自動用于決策——這對人工智能的可操作性至關(guān)重要。

缺點：不了解業(yè)務(wù)需求

IT領(lǐng)導(dǎo)者需要了解新數(shù)據(jù)架構(gòu)的業(yè)務(wù)和人工智能方面。如果他們不知道業(yè)務(wù)的每個部分需要什么——包括數(shù)據(jù)的類型以及數(shù)據(jù)的使用地點和方式——他們可能無法創(chuàng)建正確類型的數(shù)據(jù)架構(gòu)和數(shù)據(jù)消費以獲得適當(dāng)?shù)闹С帧T對業(yè)務(wù)需求以及與該數(shù)據(jù)架構(gòu)配套的業(yè)務(wù)模型的理解至關(guān)重要。

3.新的數(shù)據(jù)源

Statista研究強調(diào)了數(shù)據(jù)的增長：2020年，全球創(chuàng)建、捕獲、復(fù)制和使用的數(shù)據(jù)總量為64.2澤字節(jié)，預(yù)計到2025年將達到180澤字節(jié)以上。2022年5月的Statista研究報告稱，“增長是由于新冠疫情導(dǎo)致需求增加，因此高于之前的預(yù)期。”大數(shù)據(jù)源包括媒體、云計算、物聯(lián)網(wǎng)、網(wǎng)絡(luò)和數(shù)據(jù)庫。

優(yōu)點：數(shù)據(jù)很強大

每個決策和事務(wù)都可以追溯到數(shù)據(jù)源。如果IT領(lǐng)導(dǎo)者可以使用AIOps/MLOps將數(shù)據(jù)源歸零以進行分析和決策，那么他們就獲得了授權(quán)。適當(dāng)?shù)臄?shù)據(jù)可以提供即時的業(yè)務(wù)分析，并為預(yù)測分析提供深刻的見解。

缺點：怎么知道要使用哪些數(shù)據(jù)？

被來自物聯(lián)網(wǎng)、邊緣計算、格式化和非格式化、智能和難以理解的數(shù)據(jù)所包圍——IT領(lǐng)導(dǎo)者正在處理80/20規(guī)則：提供80%業(yè)務(wù)價值的20%可信數(shù)據(jù)源是什么？您如何使用AI/ML操作來確定可信的數(shù)據(jù)源，以及應(yīng)該使用哪些數(shù)據(jù)源進行分析和決策？每個企業(yè)都需要找到這些問題的答案。

核心人工智能技術(shù)正在自行進化　　

人工智能正變得無處不在，由新算法和越來越豐富且廉價的計算能力提供支持。70多年來，人工智能技術(shù)一直走在進化的道路上。新冠疫情并沒有加速人工智能的發(fā)展；它加速了它的采用。