Isi
- Melihat Masalahnya
- Tanpa Bug, Tanpa Stres - Panduan Langkah Demi Langkah Anda untuk Membuat Perangkat Lunak yang Mengubah Hidup Tanpa Menghancurkan Kehidupan Anda
- Data dari Afar
Sumber: PhonlamaiPhoto / iStockphoto
Bawa pulang:
Kecerdasan buatan hanya bisa secerdas data yang digunakan untuk melatihnya. Itulah mengapa manajemen data yang tepat sangat penting agar AI dilatih tentang data berkualitas tinggi.
Kecerdasan buatan tidak seperti perangkat lunak tradisional dalam satu aspek yang sangat penting: Ia harus belajar bagaimana melakukan tugasnya.
Ini memberikan manfaat utama untuk siklus hidup produk, daripada harus menunggu penyihir pengkodean untuk memperbarui kreasi mereka secara manual sekali per tahun (atau bahkan lebih jarang), sistem itu sendiri dapat menambahkan alat baru, membuat fitur baru, atau mengubah sendiri ke lebih baik memenuhi kebutuhan pengguna. Kelemahannya, tentu saja, adalah bahwa beberapa program AI akan memberikan kinerja penerbangan terbaik langsung; hanya melalui penggunaan terus menerus mereka akan memahami apa yang diharapkan dari mereka dan bagaimana cara terbaik untuk mencapai tujuan mereka.
Faktor kunci dalam evolusi ini adalah data yang terpapar pada sistem yang digerakkan oleh AI. Data yang baik, dikondisikan dengan benar dan ditempatkan di con yang tepat, akan memungkinkan layanan untuk membuat keputusan yang tepat dan mengambil tindakan yang tepat, sementara data yang buruk akan menyebabkan hasil yang buruk dan terus menurun kinerja.
Sebagai contoh, pertimbangkan strategi pemasaran yang digerakkan oleh AI. Poin data utama mungkin menyarankan peningkatan minat pada penawaran produk tertentu di wilayah tertentu atau di antara demografis tertentu. Tetapi jika data hanya didasarkan pada tampilan halaman web atau bukti anekdotal lainnya daripada survei konsumen yang mendalam, waktu, uang, dan sumber daya lainnya yang signifikan dapat dialihkan dari proyek yang lebih produktif untuk mengejar peluang yang tidak ada. (Untuk lebih lanjut tentang AI dalam pemasaran, lihat Bagaimana Kecerdasan Buatan Akan Merevolusi Industri Penjualan.)
Melihat Masalahnya
Sampai saat ini, bagaimanapun, perusahaan telah mengalami sedikit keberhasilan dalam mengelola data, khususnya data yang tidak terstruktur. Menurut Corinium, 70 persen tim TI dan manajemen data berjuang untuk memenuhi kebutuhan analitik, sementara hampir 40 persen mengalami kesulitan mempertahankan kualitas data yang baik meskipun lebih dari setengahnya menggunakan arsitektur canggih dan multi-cloud untuk penyimpanan data mereka.
Namun, di sisi positifnya, banyak organisasi mulai mengenali pentingnya masalah dan mengambil langkah-langkah untuk mengatasinya. Lebih dari 90 persen responden mengatakan bahwa mereka akan menginvestasikan lebih dari $ 1 juta dalam inisiatif analitik baru di tahun mendatang, dengan lebih dari 60 persen menggunakan strategi hybrid, multi-cloud untuk menggabungkan data di seluruh infrastruktur internal dan eksternal.
Namun, satu masalah utama yang masih harus diatasi adalah perlunya berkembang di luar pengumpulan data dasar dan agregasi menjadi model yang lebih maju dan relevan, kata Presiden Informatica Amit Walia. Hanya dengan memilah metadata kunci mengenai teknologi, bisnis, operasi, dan penggunaan, perusahaan dapat memupuk jenis "data cerdas" yang diperlukan untuk melatih algoritma cerdas.
Tetapi ini menjadi lebih sulit untuk dilakukan karena volume data terus meledak. Agak ironisnya, banyak analisis data dan solusi manajemen beralih ke AI dan algoritma pembelajaran mesin yang sama yang memberdayakan aplikasi pintar yang akhirnya menghabiskan data dan metadata. Dengan menjadikan seluruh proses lebih cerdas, perusahaan dapat mengotomatiskan banyak fungsi hafalan yang saat ini menempati sebagian besar waktu data para ilmuwan yang dibayar tinggi, membuat mereka bebas untuk fokus pada tujuan strategis yang lebih kompleks.
Tanpa Bug, Tanpa Stres - Panduan Langkah Demi Langkah Anda untuk Membuat Perangkat Lunak yang Mengubah Hidup Tanpa Menghancurkan Kehidupan Anda
Anda tidak dapat meningkatkan keterampilan pemrograman Anda ketika tidak ada yang peduli dengan kualitas perangkat lunak.
Data dari Afar
Satu hal yang dibutuhkan oleh setiap sistem manajemen data cerdas adalah konektivitas yang efisien ke dan dari cloud. Sementara jaringan area luas menjadi semakin cepat, fleksibel dan ditentukan oleh perangkat lunak, masih kekurangan alat manajemen butir halus untuk menyusun, memproses dan mentransfer data dengan kecepatan yang ramah AI. Inilah sebabnya mengapa NetApp dan Nvidia bekerja sama untuk menyatukan platform flash AFF A800 dengan superkomputer DGX. Solusi ini memanfaatkan NetApp's Data Fabric untuk secara efektif memberikan kontrol data "ujung ke ujung ke awan", memberikan mesin analitik pandangan yang akurat dan terkini dari seluruh ekosistem yang didistribusikan dan akses langsung ke data di mana pun ia berada atau memformatnya. ada di
Namun, mengambil data hanyalah langkah pertama. Meningkatkan cara database mencerna dan menginterpretasikan data dapat sama efektifnya. Pavel Bains, CEO perusahaan desentralisasi basis data Bluzelle, meyakini blockchain dapat memberikan kontribusi besar dalam hal ini, dengan menciptakan penyimpanan data universal yang mengakomodasi data terstruktur dan tidak terstruktur. Ini akan memungkinkan tim manajemen data untuk memberikan con mendalam yang diperlukan untuk AI dengan cepat memahami semuanya sementara pada saat yang sama memastikan bahwa data penting tidak di bawah kendali satu penyedia cloud. Penggunaan Blockchain dari node penyimpanan terdistribusi, peer-to-peer semuanya tetapi memastikan bahwa data dapat tersedia secara virtual di mana saja dengan kecepatan tertinggi yang mungkin, semua sambil mempertahankan integritas tinggi karena pendekatan ledger yang tidak berubah tetapi terbuka. (Ketika AI bekerja sebagaimana mestinya, itu bisa sangat membantu bisnis. Pelajari selengkapnya dalam 5 Cara Perusahaan Mungkin Ingin Pertimbangkan Menggunakan AI.)
AI adalah keliru karena tidak benar-benar cerdas. Secara intrinsik tidak bisa membedakan antara fakta dan fiksi, baik dan buruk, benar dan salah. Yang bisa dilakukan adalah mengonsumsi data dalam jumlah besar dan mencari pola yang memenuhi mandat pemrogramannya. Jika data salah, atau ditafsirkan salah, polanya akan miring dan hasilnya akan salah.
Dalam cahaya ini, kecerdasan sebenarnya di balik kecerdasan buatan terletak di tempat yang selalu dimilikinya: otak manusia. Hanya melalui pengawasan yang tepat dalam pengumpulan dan persiapan data, AI akan mampu memberikan manfaat terbesar bagi layanan dan operasi digital.
Semakin pintar kita dalam hal data, semakin pintar mesin kita dalam pencarian untuk mencapai produktivitas yang lebih besar.