Hvordan utforske AI for automatisering av IT-infrastruktur

Video: Hvordan fortelle forskjellen mellom AI, maskinlæring og dyp læring Fremskritt innen kunstig intelligens, maskinlæring og dyp læring påvirker virksomheten. Men, begrepene blir ofte brukt om hverandre. Slik skiller du dem fra hverandre.

Omtrent halvparten av foretakene bruker en form for kunstig intelligens (AI), mest i sin egen IT-automatiseringsprogramvare - men det betyr ikke at de gjør det riktig, sa analytikere fra IDC.

Kunstig intelligens, som noen selskaper kan kalle kognitiv programvare eller maskinlæring, går tilbake til forskning på sjakkspillende datamaskiner på 1950-tallet; nå er det mest kjent for å gi virtuelle assistenter gjennom den smarte enheten din. AI tjener virkelig ved å hjelpe IT-ansatte med å holde informasjonsinfrastrukturen i gang.

IDC-analytikere Peter Rutten og Ritu Jyoti snakket med TechRepublic om hvordan man gjør AI riktig.

"Det er mye forvirring og mye feilinformasjon der ute. AI er sprøytenarkoman ... vi prøver å være så realistiske og empiriske som mulig om det, " sa Rutten, som dekker maskinvaresiden. Det kombinerte markedet for AI-servere som inneholder teknologi som applikasjonsspesifikke brikker, feltprogrammerbare brikker, grafiske prosesseringsenheter og prosessorer med hundrevis av kjerner vil være $ 22 milliarder dollar innen år 2022, "sa han.

"Det vi har sett er at selskaper finner noen i selskapet som er litt kunnskapsrike om emnet. De vil vanligvis be dem om å opprette et lite team som begynner å utforske mulighetene, " forklarte Rutten. "Mellomstore og mindre selskaper vil vanligvis ha en mester som kartlegger hva mulighetene er, hva konkurransen gjør ... og i utgangspunktet lage et kart over 'Dette er hva vi kunne eller burde gjøre, '" som kan innebære utviklere, forretningsinteresser og dataforskere, sa han.

Mer om kunstig intelligens

  • Google DeepMind-grunnlegger Demis Hassabis: Tre sannheter om AI
  • De 10 mest etterspurte AI-jobbene i verden
  • De 3 mest oversett begrensningene av AI i virksomheten
  • Hvordan bli maskinlæringsingeniør: Et jukseark

Rutten sa at den vanligste feilen han ser når selskaper ønsker å teste AI-vannet, er at de dykker i uten skikkelige team og bruker underdrevne komponenter - virtuelle maskinpartisjoner eller små klynger vil ikke nødvendigvis være nok. "Mange bedrifter i dag og for 12 måneder siden skjønner at du ikke kan starte AI på bare noen infrastruktur, " sa han. Spesifikke problemer inkluderer I / O-begrensninger, datamodeller som er for store og behandling som er for treg. "På det tidspunktet er det typisk en erkjennelse av at vi trenger å finne ut hva infrastrukturen er som vi trenger for AI-innsatsen, " sa han. "Mange selskaper gjennomgår en prøve-og-feil-kultur."

På programvaresiden la Jyoti vekt på seks kritiske tips for enterprise AI-prosjekter i en presentasjon på IDC Directions 2018-konferansen i mars:

  • bruk offentlige skytjenester fordi de er mer skalerbare enn bedriftens egen infrastruktur;
  • bygg teamet ditt rundt prosjektkravene - ikke bygg prosjektet rundt de ansatte du tilfeldigvis har;
  • hente inn erfarne AI-konsulenter;
  • se om programvareleverandørene dine allerede har AI-aktivert noen av applikasjonene dine;
  • ta i bruk AI i nivåer som forutsigelsesresultater første og full automatisering sekund; og
  • etablere organisasjoner for endringsledelse.

Mens bare halvparten av de store selskapene for øyeblikket bruker AI til IT-automatisering, vil dette tallet øke til 75% innen 2020, sa Jyoti. De fleste av dagens AI-oppgaver er enkle, for eksempel å varsle menneskelige overherrer når en harddisk nærmer seg maksimal kapasitet, eller når disken mislykkes, eller når CPU-prosesser går fra hverandre i sømmene - den typen AI er ikke ulik å ha robot IT-praktikant. Teknologien hjelper virkelig når den rapporterer og automatisk løser kompliserte problemer som et ytelsesproblem i en Oracle-database som kjører i en virtuell maskin - mennesker kan skylde på hverandres avdeling, men programvare har ingen fordeler og kan bore ned i CPU-tilstander og nettverk / lagringsinnstillinger, bemerket hun.

Ikke at AI ikke har begrensningene, observerte Jyoti. 'A' står fortsatt for kunstig, ikke faktisk intelligens. Å få mest mulig ut av AI-dollarene dine krever at du bruker tid og krefter på å sikre at dataene dine er av høy kvalitet; Ellers lider du av søppel-inn, søppel-ut, der AI-systemet ditt konkluderer med at alle andre hoppet av en bro, og det burde du også.

Nyhetsbrev om innovasjon

Vær kjent med smarte byer, AI, Internet of Things, VR, AR, robotikk, droner, autonom kjøring og mer av de kuleste teknologiske nyvinningene. Leveres onsdager og fredager

Registrer deg i dag

© Copyright 2020 | mobilegn.com