如果您從事科技行業(yè)或者您不在這個(gè)行業(yè)，也許您已經(jīng)聽(tīng)說(shuō)過(guò)很多關(guān)于 AI 的信息。 我所說(shuō)的不僅僅是多年來(lái)我們都喜歡的科幻小說(shuō)中“天網(wǎng)正在接管地球”式的人工智能，而是人工智能和機(jī)器學(xué)習(xí)已經(jīng)逐漸成為我們?nèi)粘Ｉ钪械膶?shí)際應(yīng)用。

大數(shù)據(jù)是人工智能與機(jī)器學(xué)習(xí)的 生命線和支柱。 龐大的數(shù)據(jù)，或者說(shuō)海量數(shù)據(jù)，一直驅(qū)動(dòng)著當(dāng)今的人工智能與機(jī)器學(xué)習(xí)的發(fā)展。雖然我們總是希望數(shù)據(jù)量越大越好，但近年來(lái)組織已經(jīng)開(kāi)始從追求大數(shù)據(jù)轉(zhuǎn)向選擇小而寬。

讓我們比較一下兩者。

延伸閱讀，點(diǎn)擊鏈接了解 Akamai Cloud Computing

大量的數(shù)據(jù)

大數(shù)據(jù)可以分為兩種方式。

第一種是收集和組織大型數(shù)據(jù)集——這是一個(gè)可能難以良好執(zhí)行的簡(jiǎn)單概念。 該過(guò)程需要大量快速填充且通常是非結(jié)構(gòu)化數(shù)據(jù)。 容納此數(shù)據(jù)流的后端基礎(chǔ)設(shè)施是資源密集型的，會(huì)涉及到網(wǎng)絡(luò)帶寬、存儲(chǔ)空間和處理能力以支持大規(guī)模數(shù)據(jù)庫(kù)部署，并且 通常價(jià)格昂貴。

第二種方法將變得更棘手。 在擁有大量數(shù)據(jù)后，您需要從中提取所需的洞察力與價(jià)值。 技術(shù)已經(jīng)發(fā)展以適應(yīng)大數(shù)據(jù)的規(guī)模，但在確定可以從這些堆積如山的信息中得出什么方面卻進(jìn)展較少。

是時(shí)候變得更聰明了。 即使是無(wú)限存儲(chǔ)空間和完美NoSQL部署的環(huán)境，如果沒(méi)有合適的模型來(lái)匹配，世界上所有的數(shù)據(jù)都將毫無(wú)意義。

這其中也蘊(yùn)含了機(jī)會(huì)。 一些公司正在尋找更多來(lái)源的更少數(shù)據(jù)更實(shí)用的用例，并從數(shù)據(jù)集中得出更好的結(jié)論和相關(guān)性。

小而寬

通過(guò)“小而寬”的方法，您可以查看更多種類的來(lái)源，搜索相關(guān)性，而不僅僅是增加原始數(shù)量。 這種更具戰(zhàn)術(shù)性的方法需要更少的數(shù)據(jù)，從而減少計(jì)算資源。從小到大意味著尋找不同的數(shù)據(jù)格式，結(jié)構(gòu)化和非結(jié)構(gòu)化，并找到它們之間的聯(lián)系。

根據(jù) Gartner 2021 年的一份報(bào)告：“可以使用小數(shù)據(jù)和大數(shù)據(jù)的潛在領(lǐng)域是零售業(yè)的需求預(yù)測(cè)、應(yīng)用于超個(gè)性化的客戶服務(wù)中的實(shí)時(shí)行為和情感智能，以及客戶體驗(yàn)的改善?！?/span>

潛力看上去很大，但在實(shí)踐中看起來(lái)又是怎樣的呢？ 海量數(shù)據(jù)集可能會(huì)很快變得笨拙或過(guò)時(shí)。 在信息時(shí)代，人類趨勢(shì)和行為可能會(huì)突然發(fā)生變化，容易發(fā)生文化和經(jīng)濟(jì)轉(zhuǎn)變。 使用可以動(dòng)態(tài)適應(yīng)這些變化的較小數(shù)據(jù)集的更敏捷模型還有空間。

哈佛商業(yè)評(píng)論的一份報(bào)告解釋說(shuō)，“組織中許多最有價(jià)值的數(shù)據(jù)集都非常?。合胂肭ё止?jié)或兆字節(jié)，而不是艾字節(jié)。 因?yàn)檫@些數(shù)據(jù)缺乏大數(shù)據(jù)的數(shù)量和速度，所以它經(jīng)常被忽視，在PC和功能數(shù)據(jù)庫(kù)中萎靡不振，并且與企業(yè)范圍的IT創(chuàng)新計(jì)劃無(wú)關(guān)?！?/span>

報(bào)告描述了他們與醫(yī)學(xué)編碼人員進(jìn)行的一項(xiàng)實(shí)驗(yàn)，該實(shí)驗(yàn)強(qiáng)調(diào)了用小數(shù)據(jù)訓(xùn)練 人工智能時(shí)的人為因素。 我建議通讀這項(xiàng)研究，但最終的結(jié)論是，除了小數(shù)據(jù)之外，考慮人為因素可以改進(jìn)模型，并使組織在大數(shù)據(jù)軍備競(jìng)賽中具有競(jìng)爭(zhēng)優(yōu)勢(shì)。

換句話說(shuō)，我們探討的是小數(shù)據(jù)、大數(shù)據(jù)和智能數(shù)據(jù)的成功組合。

結(jié)論推導(dǎo)

這一切意味著什么呢？我們?cè)谇懊嬉呀?jīng)描述了很多，最后簡(jiǎn)單舉一個(gè)例子來(lái)總結(jié)：雖然我希望擁有一臺(tái)足夠強(qiáng)大的電腦，但它的發(fā)熱量足以成為我的家庭或辦公室的加熱源，并且未來(lái)總有一天它會(huì)遇到問(wèn)題，比如一個(gè)缺乏優(yōu)化的軟件依然會(huì)在這臺(tái)性能強(qiáng)大的機(jī)器上以糟糕的方式運(yùn)行，即使我們使用了高端的工作站，也無(wú)法逃脫這樣的問(wèn)題。

在多數(shù)情況下，將更多資源投入到一個(gè)問(wèn)題上是不切實(shí)際的，而且會(huì)讓人們忽視真正的問(wèn)題。 更常見(jiàn)的情況是，有一個(gè)很好的改進(jìn)機(jī)會(huì)擺在面前，這就是我們今天開(kāi)始看到的大數(shù)據(jù)。 仍然存在確實(shí)需要大量數(shù)據(jù)的用例，但通過(guò)設(shè)計(jì)模型來(lái)充分利用數(shù)據(jù)也是至關(guān)重要的，而不僅僅是依靠設(shè)計(jì)方法來(lái)獲得最多數(shù)據(jù)。

—————————————————————————————————————————————————

如您所在的企業(yè)也在考慮采購(gòu)云服務(wù)或進(jìn)行云遷移，

點(diǎn)擊鏈接了解Akamai Linode的解決方案