인공 지능: 팬데믹이 채택을 가속화하는 세 가지 방법

지난 몇 년 동안 기업이 새로운 비즈니스 모델과 마케팅 채널을 신속하게 창출해야 한다는 요구로 인해 인공 지능 도입이 가속화되었습니다. 특히 데이터 분석을 통해 코로나19 백신 개발이 가속화되는 의료 분야에서는 더욱 그렇습니다. 소비재 분야에서 Harvard Business Review는 Frito-Lay가 단 30일 만에 전자상거래 플랫폼인 Snacks.com을 만들었다고 보고했습니다.

학교가 밤새 온라인 학습을 가능하게 함으로써 전염병으로 인해 교육에 인공 지능의 채택이 가속화되었습니다. 가능할 때마다 세계는 "비접촉" 거래로 전환하여 은행 산업에 혁명을 일으킬 것입니다.

COVID-19 팬데믹 기간 동안 세 가지 기술 개발로 인해 인공 지능 채택이 가속화되었습니다.

• 계속 저렴한 컴퓨팅 성능 및 스토리지
• 새로운 데이터 아키텍처
• 새로운 데이터 소스의 가용성

인공 지능 개발의 장단점

다음은 IT 리더를 위한 이러한 개발의 장단점입니다.

1. 계속해서 저렴한 컴퓨팅 성능

무어의 법칙 이후 60년이 지난 지금도 컴퓨팅 성능은 NVidia 처리 기능과 같은 회사의 새로운 칩을 통해 더 강력한 시스템 등을 통해 계속해서 향상되고 있습니다. AIImpacts는 "지난 25년 동안 달러당 사용 가능한 컴퓨팅 성능이 약 4년마다 10배(FLOPS 또는 MIPS로 측정) 증가했을 가능성이 높습니다."라고 보고합니다. 그러나 지난 6~8년 동안 이 비율은 감소했습니다.

이점: 적은 비용으로 더 많은 작업 수행

저렴한 컴퓨팅은 IT 리더에게 더 많은 옵션을 제공하여 더 적은 비용으로 더 많은 작업을 수행할 수 있게 해줍니다.

단점: 너무 많은 선택은 시간과 돈의 낭비로 이어질 수 있습니다.

빅 데이터를 고려하세요. 저렴한 컴퓨팅을 통해 IT 전문가는 그 성능을 활용하고 싶어합니다. 사람들은 더 나은 통찰력, 분석 및 결정을 얻기 위해 사용 가능한 모든 데이터를 수집하고 분석하기를 원합니다.

그러나 조심하지 않으면 엄청난 양의 컴퓨팅 성능을 갖게 되지만 실제 비즈니스 애플리케이션에는 충분하지 않을 수 있습니다.

네트워크, 스토리지, 컴퓨팅 비용이 낮아지면서 인간은 이를 더 많이 사용하는 경향이 있습니다. 그러나 모든 것에 반드시 비즈니스 가치를 부여하는 것은 아닙니다.

2. 새로운 데이터 아키텍처

코로나19 팬데믹 이전에는 '데이터 웨어하우스'와 '데이터 레이크'라는 용어가 표준이었습니다. 그러나 "데이터 구조" 및 "데이터 그리드"와 같은 새로운 데이터 아키텍처는 거의 존재하지 않습니다. DataFabric은 기업이 데이터 검색, 거버넌스 및 소비를 자동화하여 데이터를 사용하여 가치 사슬을 극대화할 수 있도록 지원하므로 AI 채택을 지원합니다. 데이터가 어디에 있든 기업은 적시에 올바른 데이터를 제공할 수 있습니다.

장점: IT 리더는 데이터 모델과 데이터 거버넌스를 재고할 기회를 갖게 됩니다.

중앙 집중식 데이터 저장소 또는 데이터 레이크에 대한 추세를 막을 수 있는 기회를 제공합니다. 이는 가장 관련성이 높은 곳에서 더 많은 엣지 컴퓨팅과 데이터를 사용할 수 있음을 의미할 수 있습니다. 이러한 발전으로 인해 적절한 데이터가 의사 결정에 자동으로 사용되며, 이는 AI가 실행 가능하도록 하는 데 매우 중요합니다.

단점: 비즈니스 요구 사항을 이해하지 못함

IT 리더는 새로운 데이터 아키텍처의 비즈니스 및 AI 측면을 이해해야 합니다. 데이터 유형, 데이터가 어디서 어떻게 사용될지 등 비즈니스의 각 부분에 필요한 것이 무엇인지 알지 못한다면 올바른 지원을 받기 위한 올바른 유형의 데이터 아키텍처와 데이터 소비를 생성하지 못할 수도 있습니다. 비즈니스 요구 사항과 이 데이터 아키텍처와 관련된 비즈니스 모델에 대한 IT의 이해가 중요합니다.

3. 새로운 데이터 소스

Statista 연구는 데이터의 성장을 강조합니다. 2020년 전 세계적으로 생성, 캡처, 복사 및 사용된 데이터의 총량은 64.2제타바이트였으며 2025년에는 180제타바이트에 이를 것으로 예상됩니다. 더. 2022년 5월 Statista 연구 보고서에 따르면 "뉴 크라운 전염병으로 인한 수요 증가로 인해 성장이 이전 예상보다 높습니다." 빅 데이터 소스에는 미디어, 클라우드 컴퓨팅, 사물 인터넷, 네트워크 및 데이터베이스가 포함됩니다.

장점: 데이터는 강력합니다.

모든 결정과 거래는 데이터 소스로 추적될 수 있습니다. IT 리더가 AIOps/MLOps를 사용하여 분석 및 의사 결정을 위해 데이터 소스에 집중할 수 있다면 역량이 강화됩니다. 올바른 데이터는 즉각적인 비즈니스 분석을 제공하고 예측 분석을 위한 심층적인 통찰력을 제공할 수 있습니다.

단점: 어떤 데이터를 사용할지 어떻게 알 수 있나요?

IoT, 엣지 컴퓨팅, 형식화 및 비형식화, 지능화 및 이해불가의 데이터로 둘러싸여 있음 - IT 리더는 80/20 규칙을 다루고 있습니다. 즉, 20%의 신뢰가 80%의 비즈니스 가치를 제공합니다. 데이터란 무엇입니까? 원천? AI/ML 작업을 사용하여 신뢰할 수 있는 데이터 소스를 결정하고 분석 및 의사 결정에 사용해야 하는 데이터 소스는 무엇입니까? 모든 비즈니스에는 이러한 질문에 대한 답이 필요합니다.

핵심 AI 기술은 스스로 진화하고 있습니다.

인공 지능은 새로운 알고리즘과 점점 더 풍부해지고 저렴한 컴퓨팅 성능을 기반으로 유비쿼터스화되고 있습니다. 70년 넘게 인공지능 기술은 진화의 길을 걸어왔습니다. 전염병은 인공 지능의 개발을 가속화하지 않았습니다.

위 내용은 인공 지능: 팬데믹이 채택을 가속화하는 세 가지 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!