


Kebanyakan perniagaan tidak mempercayai AI untuk membuat keputusan perniagaan secara autonomi
Kebanyakan syarikat tidak percaya bahawa kecerdasan buatan boleh membuat keputusan perniagaan secara autonomi
- Data tinjauan yang dikeluarkan oleh Fivetran menunjukkan bahawa 86% syarikat tidak boleh mempercayainya sepenuhnya Kecerdasan buatan, yang menunjukkan tahap kematangan AI yang lebih rendah dan ketidakupayaan untuk membuat semua keputusan perniagaan tanpa campur tangan manusia.
- Walaupun 87% perniagaan melihat AI sebagai masa depan perniagaan dan berhasrat untuk mengembangkan pelaburan dalam AI, terdapat kekurangan kepercayaan yang ketara dalam membuat keputusan yang diterajui oleh mesin disebabkan oleh cabaran teknikal dan kekurangan pendidikan .
- Selain itu, 71% responden menghadapi kesukaran mengakses semua data yang diperlukan untuk melaksanakan algoritma AI, beban kerja dan model.
- Menurut Fivetran, pada masa hadapan saintis data akan menghabiskan lebih sedikit masa untuk aktiviti manual dan dengan itu menumpukan pada mencipta model AI dan melancarkan lebih banyak data dan projek AI.
Kebanyakan pekerja percaya organisasi mereka tidak matang Menjelaskan isu yang dihadapi oleh perniagaan dalam ekosistem AI hari ini. Kertas kerja itu menyiasat bagaimana walaupun 87% perniagaan melihat AI sebagai masa depan perniagaan dan berhasrat untuk mengembangkan pelaburan di dalamnya, kekurangan kepercayaan dalam membuat keputusan yang diterajui oleh mesin merupakan halangan yang ketara disebabkan oleh cabaran teknikal dan kekurangan pendidikan. Hanya 14% daripada responden percaya organisasi mereka "maju" dari segi kematangan AI.
Hampir semua perniagaan yang ditinjau memperoleh dan menggunakan data daripada sistem operasi, tetapi cabaran data berterusan. Menurut hasil tinjauan, saluran paip data teknikal adalah punca utama kekecewaan, dengan 73% responden menyatakan bahawa mengekstrak, memuatkan dan memproses data daripada sumber yang berbeza ke dalam gudang yang berasingan merupakan kesukaran yang ketara. Selain itu, 71% responden melaporkan kesukaran mengakses semua data yang diperlukan untuk melaksanakan algoritma AI, beban kerja dan model.
Ini menyebabkan 73% responden kurang percaya dalam menterjemahkan cerapan data kepada panduan praktikal untuk pembuat keputusan, memaksa mereka bergantung pada pertimbangan yang diterajui manusia dalam 71% kes.
Menurut penemuan penyelidikan, saintis data menghabiskan lebih banyak masa untuk mengupas data berbanding membina model AI untuk meningkatkan hasil perniagaan melalui ramalan dan cerapan membuat keputusan. Apabila ditanya berapa banyak masa yang mereka habiskan untuk menyediakan data dan membina model AI, saintis data berkata ia mengambil purata 70% masa mereka. 87% responden berkata mereka merasakan mereka kurang digunakan dalam syarikat mereka.
Isu tadbir urus data juga menjadi kebimbangan bagi organisasi. 64% daripada organisasi A.S. yang ditinjau mengakui bahawa masih terdapat ruang penting untuk penambahbaikan dalam pematuhan terhadap peranan, dasar dan piawaian tadbir urus data untuk memastikan data digunakan dengan berkesan, selamat dan mematuhi peraturan kerajaan.
Fivetran percaya bahawa automasi data dan saluran paip AI adalah penyelesaian kepada masalah kematangan AI. “Dengan peningkatan automasi, perniagaan boleh mencapai skala yang lebih besar dan kecekapan kos sambil menjimatkan masa Lebih-lebih lagi, lebih banyak automasi membolehkan saintis data menumpukan pada menyelesaikan masalah kompleks yang penting kepada perniagaan, dan bukannya mengekalkan Talian data berfungsi dengan baik." - Brenner Heintz. daripada Fivetran dalam catatan blog.
Fivetran juga menyebut bahawa mengajar pihak berkepentingan perniagaan untuk membina kepercayaan terhadap AI dan meningkatkan kematangan AI mereka boleh menjadi penyelesaian. “Pihak berkepentingan dan pengguna perniagaan mesti memahami proses AI untuk memahami sepenuhnya bagaimana keputusan ini dibuat Tetapi adalah sama pentingnya bahawa penglibatan manusia harus ditumpukan pada bidang yang betul, seperti meningkatkan kualiti data dan prestasi model AI, Ini akan membawa. kepada kepercayaan yang lebih besar."
Fivetran berkata saluran paip data automatiknya bertindak balas terhadap perubahan skema, membolehkan pelanggan mengautomasikan sepenuhnya penyuapan sumber data yang besar ke dalam penyelesaian berasaskan awan. Gudang data atau data tasik untuk transformasi data, menjimatkan banyak masa. Fivetran seterusnya mendakwa bahawa strategi penetapan harga berasaskan penggunaannya membolehkan perniagaan mengurangkan perbelanjaan dengan hanya mereplikasi data yang mereka perlukan. Akhirnya, syarikat itu mendakwa bahawa saintis data akan menghabiskan lebih sedikit masa untuk aktiviti manual, membolehkan mereka menumpukan pada membangunkan model AI dan melancarkan data baharu dan projek AI.
George Fraser, Ketua Pegawai Eksekutif Fivetran, berkata: “Penyelidikan ini menyerlahkan jurang yang ketara dalam ketidakcekapan dalam pergerakan data dan akses merentas organisasi Program AI yang berjaya bergantung pada asas data yang kukuh, berlabuh oleh sebuah gudang data awan atau pasukan Analitis memanfaatkan timbunan data moden boleh memanjangkan nilai data mereka dengan lebih mudah dan memaksimumkan pelaburan mereka dalam AI dan sains data ”
Atas ialah kandungan terperinci Kebanyakan perniagaan tidak mempercayai AI untuk membuat keputusan perniagaan secara autonomi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Menggunakan perpustakaan Chrono di C membolehkan anda mengawal selang masa dan masa dengan lebih tepat. Mari kita meneroka pesona perpustakaan ini. Perpustakaan Chrono C adalah sebahagian daripada Perpustakaan Standard, yang menyediakan cara moden untuk menangani selang waktu dan masa. Bagi pengaturcara yang telah menderita dari masa. H dan CTime, Chrono tidak diragukan lagi. Ia bukan sahaja meningkatkan kebolehbacaan dan mengekalkan kod, tetapi juga memberikan ketepatan dan fleksibiliti yang lebih tinggi. Mari kita mulakan dengan asas -asas. Perpustakaan Chrono terutamanya termasuk komponen utama berikut: STD :: Chrono :: System_Clock: Mewakili jam sistem, yang digunakan untuk mendapatkan masa semasa. Std :: Chron

Mengendalikan paparan DPI yang tinggi di C boleh dicapai melalui langkah -langkah berikut: 1) Memahami DPI dan skala, gunakan API Sistem Operasi untuk mendapatkan maklumat DPI dan menyesuaikan output grafik; 2) Mengendalikan keserasian silang platform, gunakan perpustakaan grafik silang platform seperti SDL atau QT; 3) Melaksanakan pengoptimuman prestasi, meningkatkan prestasi melalui cache, pecutan perkakasan, dan pelarasan dinamik tahap butiran; 4) Selesaikan masalah biasa, seperti teks kabur dan elemen antara muka terlalu kecil, dan selesaikan dengan betul menggunakan skala DPI.

DMA di C merujuk kepada DirectMemoryAccess, teknologi akses memori langsung, yang membolehkan peranti perkakasan secara langsung menghantar data ke memori tanpa campur tangan CPU. 1) Operasi DMA sangat bergantung kepada peranti perkakasan dan pemacu, dan kaedah pelaksanaan berbeza dari sistem ke sistem. 2) Akses langsung ke memori boleh membawa risiko keselamatan, dan ketepatan dan keselamatan kod mesti dipastikan. 3) DMA boleh meningkatkan prestasi, tetapi penggunaan yang tidak wajar boleh menyebabkan kemerosotan prestasi sistem. Melalui amalan dan pembelajaran, kita dapat menguasai kemahiran menggunakan DMA dan memaksimumkan keberkesanannya dalam senario seperti penghantaran data berkelajuan tinggi dan pemprosesan isyarat masa nyata.

C berfungsi dengan baik dalam pengaturcaraan sistem operasi masa nyata (RTOS), menyediakan kecekapan pelaksanaan yang cekap dan pengurusan masa yang tepat. 1) C memenuhi keperluan RTO melalui operasi langsung sumber perkakasan dan pengurusan memori yang cekap. 2) Menggunakan ciri berorientasikan objek, C boleh merancang sistem penjadualan tugas yang fleksibel. 3) C menyokong pemprosesan gangguan yang cekap, tetapi peruntukan memori dinamik dan pemprosesan pengecualian mesti dielakkan untuk memastikan masa nyata. 4) Pemrograman templat dan fungsi sebaris membantu dalam pengoptimuman prestasi. 5) Dalam aplikasi praktikal, C boleh digunakan untuk melaksanakan sistem pembalakan yang cekap.

Di MySQL, tambah medan menggunakan alterTabletable_nameaddcolumnnew_columnvarchar (255) afterexisting_column, memadam medan menggunakan altertabletable_namedropcolumncolumn_to_drop. Apabila menambah medan, anda perlu menentukan lokasi untuk mengoptimumkan prestasi pertanyaan dan struktur data; Sebelum memadam medan, anda perlu mengesahkan bahawa operasi itu tidak dapat dipulihkan; Mengubah struktur jadual menggunakan DDL dalam talian, data sandaran, persekitaran ujian, dan tempoh masa beban rendah adalah pengoptimuman prestasi dan amalan terbaik.

Mengukur prestasi thread di C boleh menggunakan alat masa, alat analisis prestasi, dan pemasa tersuai di perpustakaan standard. 1. Gunakan perpustakaan untuk mengukur masa pelaksanaan. 2. Gunakan GPROF untuk analisis prestasi. Langkah -langkah termasuk menambah pilihan -pg semasa penyusunan, menjalankan program untuk menghasilkan fail gmon.out, dan menghasilkan laporan prestasi. 3. Gunakan modul Callgrind Valgrind untuk melakukan analisis yang lebih terperinci. Langkah -langkah termasuk menjalankan program untuk menghasilkan fail callgrind.out dan melihat hasil menggunakan kcachegrind. 4. Pemasa tersuai secara fleksibel dapat mengukur masa pelaksanaan segmen kod tertentu. Kaedah ini membantu memahami sepenuhnya prestasi benang dan mengoptimumkan kod.

Alat kuantisasi terbina dalam pertukaran termasuk: 1. Binance: Menyediakan modul kuantitatif niaga hadapan Binance, yuran pengendalian yang rendah, dan menyokong urus niaga AI-dibantu. 2. OKX (OUYI): Menyokong Pengurusan Multi Akaun dan Routing Pesanan Pintar, dan menyediakan kawalan risiko peringkat institusi. Platform strategi kuantitatif bebas termasuk: 3. 4. Kuadensi: Perpustakaan Strategi Algoritma Tahap Profesional, menyokong ambang risiko yang disesuaikan. 5. PionEx: Strategi Preset 16 terbina dalam, yuran transaksi yang rendah. Alat domain menegak termasuk: 6. Cryptohopper: platform kuantitatif berasaskan awan, menyokong 150 petunjuk teknikal. 7. Bitsgap:

Bagaimana untuk mencapai kesan penembusan peristiwa menatal tetikus? Apabila kami melayari web, kami sering menghadapi beberapa reka bentuk interaksi khas. Sebagai contoh, di laman web rasmi DeepSeek, � ...
