Arbeitskräftemangel war schon immer ein Problem, das viele Unternehmen plagt. Es gibt viele Einstiegspositionen, die meisten Einzelhandelsgeschäfte stellen neue Mitarbeiter ein und natürlich steigen auch die Durchschnittsgehälter. Länder wie Japan sind schon seit langem dabei und führend bei der Nutzung von KI, um einen höheren Automatisierungsgrad zu erreichen, mit dem Ziel, mit weniger Menschen mehr zu erreichen.
Hier sind einige der wichtigsten Trends in der KI-Automatisierung:
1. KI-Training und Datenqualität „In künstlicher Intelligenz geschulte Dateningenieure nehmen den Datenqualitätsprozess ernst“, sagte Ruben Orduz, leitender Entwicklerbefürworter der offenen Datenqualitätsplattform Great Expectations. Ein Problem besteht darin, dass reale Daten nicht sauber oder vorhersehbar sind. Es kann zu Qualitätsproblemen wie fehlenden, abgeschnittenen oder ungültigen Daten, unerwarteten Duplikaten und Anomalien kommen.
Er sagte: „Wenn unordentliche Daten zum Trainieren eines Algorithmus verwendet werden, können die Ergebnisse katastrophal sein, wenn auf Eingabedaten und KI geschlossen wird Algorithmen sind besonders anfällig für schlechte Datenbedingungen. Wenn ein Unternehmen beispielsweise Waren versendet und liefert, erhält es eine Reihe von Bestellungen von einem Lieferanten. Dazu gehören der Name, die Adresse und die zu liefernden Waren. KI-Systeme empfangen diese Daten und nutzen sie zum Erlernen und Planen von Lieferwegen. Wenn die Anzahl der gelieferten Waren normalerweise zwischen 1 und 30 liegt, die Daten aber plötzlich Tausende von Paketen in der „Anzahl der Pakete“ anzeigen, bedeutet dies, dass mehr Zustellfahrer eingestellt werden müssen, was darauf hindeutet, dass das Modell ebenfalls voreingenommen ist . Aus diesem Grund arbeiten Dateningenieure hart daran, die Qualität ihrer Daten zu verstehen und nutzen Datenqualitätsplattformen, um Ausreißer und betroffene Daten zu identifizieren. Dies ist jetzt einfacher als je zuvor. Ingenieure können eingehende Datenströme entdecken, Pipeline-Tests durchführen und Ausreißer erkennen, bevor sie mit dem KI-Trainingsprozess beginnen.
2. Künstliche Intelligenz, Automatisierung und Vernetzung
Cisco, Juniper Networks, Gluware, Splunk und viele andere Es wird in die Automatisierung von KI-Funktionen investiert, um sie bei der Fehlerbehebung im Netzwerk und bei der Leistungsdiagnose einzusetzen. Der Netzwerkbetrieb erfordert traditionell hochgradig engagierte Personalressourcen. Künstliche Intelligenz und Daten können viele Aufgaben automatisieren.
Das Netzwerk ist schließlich ein komplexes System, das eine Vielzahl von Technologien, Architekturen und Overlays umfasst, was an vielen Betriebspunkten zu Ausfällen und Leistungsproblemen führt. Die manuellen Aspekte des Netzwerks sind gleichermaßen anspruchsvoll. Trotz einiger Bemühungen, den Betrieb auf Netzwerkcontrollern zu zentralisieren, bleibt die Netzwerkverwaltung weitgehend manuell und erfordert erhebliches Fachwissen seitens der Administratoren. Darüber hinaus ist die Arbeit größtenteils explorativ, wobei Manager versuchen, die Grundursache des Problems ohne vorherige Erkenntnisse oder Daten manuell abzuleiten. Daher ist der Betrieb eines Netzwerks auf herkömmliche Weise kostspielig, sowohl im Hinblick auf Ausfallzeiten oder Beeinträchtigungen des Dienstes als auch im Hinblick auf die für die Implementierung der Lösung erforderliche Arbeitskraft.
Stanislav Miskovic, Vizepräsident für künstliche Intelligenz bei Gluware, sagte: „Die Automatisierung von Analysen mit KI ist eine große Chance, und wir bauen eine Plattform auf, die sie nutzt und vereinheitlicht.“ Reale Daten über den gesamten Netzwerk-Stack
KI-Automatisierung kann Unternehmen auf verschiedene Weise dabei helfen, netzwerkbezogene Betriebskosten zu senken: Ursachenanalyse und -lokalisierung durchführen Problematisch Standorte, Geräte und Protokolle; Einstufung der Relevanz identifizierter Probleme und Vorschreiben von Abhilfemaßnahmen für Netzwerkingenieure 3. Künstliche Intelligenz in der Cybersicherheit
# 🎜🎜#So wie die Vernetzung im Allgemeinen mit mehr künstlicher Intelligenz automatisiert werden muss, gilt dies auch für die Cybersicherheit. Da Bedrohungen immer ausgefeilter werden und die Grenzen von Unternehmensnetzwerken zunehmend verschwimmen, insbesondere mit dem Übergang zu Cloud-Plattformen, übersteigt die Menge der zu analysierenden Daten die Möglichkeiten einer manuellen Inspektion bei weitem.
Miskovic sagte: „Künstliche Intelligenz und Analysen sind Schlüsselfaktoren für mehr Sicherheit. Heutzutage muss die Sicherheit einen größeren Bereich abdecken, und zwar ohne die Hilfe der KI-Automatisierung.“ Wenn die Angriffsfläche zu groß und die Datenmenge zu groß ist, kann sie nicht ohne die Hilfe künstlicher Intelligenz untersucht werden. Bei der Entwicklung der Benutzer- und Entitätsverhaltensanalyse handelt es sich um einen rein künstlichen Intelligenz-gesteuerten Sicherheitsbereich. Ein weiterer KI-gesteuerter Sicherheitsansatz ist die Erkennung von Zero-Day-Angriffen oder unbekannten Ereignissen, die ohne automatisierte KI-Basisanalyse und Anomalieerkennung nicht möglich wäre. Schließlich unterstützt die KI-Automatisierung Sicherheitsreaktionsteams, indem sie Sicherheitswarnungen priorisiert, die Alarmmüdigkeit verringert und Korrekturmaßnahmen empfiehlt.
4. Prozessautomatisierung
Selbst bei all den Produkten, die dabei helfen, die Unternehmensinfrastruktur zu überwachen, zu verwalten, zu betreiben und zu sichern, ist die Anzahl der von ihnen generierten Warnungen und die Anzahl der Schritte, die Ingenieure zu deren Behebung unternehmen müssen, überwältigend. Aus diesem Grund wird die KI-gesteuerte Prozessautomatisierung zu einem integralen Bestandteil des Netzwerkbetriebs, des Sicherheitsbetriebs und des Ticketmanagements.
Miskovic sagte: „Viele KI-gesteuerte Lösungen wurden entwickelt, um verschiedene Aspekte der Aufgabe der Auslösung von Warnungen und der Lösung von Problemen zu automatisieren. Diese KI-Automatisierungslösungen bieten anpassbare Playbooks.“ Viele Logistik- oder Sanierungsaufgaben können ohne menschliches Eingreifen durchgeführt werden. Das System kann die vielen zur Lösung eines Problems erforderlichen Spielbuchschritte autonom erlernen, indem es Muster erkennt, die Ingenieure zur Lösung ähnlicher Probleme durchgeführt haben. „
# 🎜🎜#
5. Künstliche Intelligenz als Service
Künstliche Intelligenz als Service. Daher werden zwangsläufig andere die schwere Arbeit übernehmen und AI-as-a-Service als Alternative zu AI-as-a-Plattform anbieten.
Frans Cronje, Mitbegründer und CEO von DataProphet, sagte: „Da Unternehmen und ihre Data-Science-Teams ihre Stärken durch Plattformen für künstliche Intelligenz genutzt haben, beginnen sie mit dem Aufbau professioneller Teams.“ den Mehrwert künstlicher Intelligenz zu erkennen, und künstliche Intelligenzsysteme, die fundiertes Wissen in Form von künstlicher Intelligenz als Service bereitstellen, werden die Entwicklung beschleunigen.“
Das obige ist der detaillierte Inhalt vonTop 5 KI-Automatisierungstrends im Jahr 2022. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
