企業一直在尋求創新,因此如果您的企業可以利用最先進的 人工智慧雲端 平台,且又無需建立內部數據科學家團隊所需的大量前期時間和投資,該怎麼做?在2020年Data Summit Connect期間,Google雲端顧問Elliott Ning討論了“ 人工智慧雲端 :從數據到洞察力”的主題。

 

 人工智慧雲端 不是一門學科

Elliott Ning表示:“許多人將AI視為機器學習。但人工智能是一門更廣泛的學科。”人工智能是人們學習,思考和應用知識的結果。人們從經驗中學習以創建,學習和思考知識來解決問題,而計算機則從信息中學習以解決問題,這便是AI的核心支柱。

機器學習是要從模式或預測中學習,這些模式或預測是由人類配置的一組規則組成的。Elliott Ning說:“人的大腦非常複雜,因此機器只能完成其中的一小部分。”

Elliott Ning表示,到2021年,將有75%的企業應用程式在使用AI。業界也正在尋求使用工具來創建自動駕駛汽車。然而,隨著AI的推動成真,部署AI並非那麼容易,因此有不到14%的AI項目退出生產。

 

人工智慧雲端與數據

Elliott Ning說,公司需要確定合適的業務問題並部署合適的人員來挖掘數據。為了簡化AI流程,企業需要研究正確的用例,組織正確的數據並利用正確的工具,平台或服務。Elliott Ning說,結構化數據很可能會推動AI的大部分發展的關係。而結構化數據的處理,因此可以快速比對此數據運行查詢的結果。

 

讓更多人使用人工智慧雲端

“我們付出了一切巨大的努力,為使更多人可以使用人工智慧雲端。” Elliott Ning說,Google Cloud AutoML可以用最少的精力和機器學習專業知識,來構建和部署高質量的自定義機器學習模型。這需要從本地應用程序和基於雲的應用程序訪問數據。由於雲端供應商負責數據移動,因此客戶需要瞭解和控制該移動。此外,在將數據移入或移出雲端時可能會影響性能或安全性。

Quest Software Inc.的高級數據庫系統銷售工程師Clay Jacson在Ning的 人工智慧雲端 之後的Data Connect演講中討論了“混合雲端與位置問題”。部署和服務模型是安全存儲敏感數據的關鍵。公共雲雖是最便宜的選擇。不過,傑森說,這可能是最不安全的。而社區雲比公共雲更安全,但是可能會有一些限制,包括成本。使用私有雲端,用戶可以在內部還是遠程之間進行選擇。這是最安全的環境,但它卻也是最昂貴的選擇。