在過去的幾年裡，企業需要快速創造新的商業模式和行銷管道，這加速了人工智慧的採用。在醫療保健領域尤其如此，數據分析加速了新冠疫苗的開發。在消費包裝商品方面，哈佛商業評論報道稱，Frito-Lay公司在短短30天內創建了一個電子商務平台Snacks.com。
新冠疫情也加速了人工智慧在教育中的採用，因為學校被迫在一夜之間啟用在線學習。只要有可能，世界就會轉向「非接觸式」交易，徹底改變銀行業。
新冠疫情期間的三項技術發展加速了人工智慧的採用：
以下了解這些發展對IT領導者的利弊。
#即使在摩爾定律之後的60年，運算能力也在不斷提高，透過NVidia等公司的新晶片，有了更強大的機器和更多的處理能力。 AIImpacts報告稱，「在過去的25年中，每美元可用的運算能力可能大約每四年增加十倍（以FLOPS或MIPS衡量）。」然而，在過去的6-8年中，這一速度有所放緩。
#便宜計算為IT領導者提供了更多選擇，使他們能夠事半功倍。
考慮大數據。借助廉價的計算，IT專業人員希望發揮其強大功能。人們希望開始攝取和分析所有可用數據，從而獲得更好的洞察力、分析和決策。
但是如果不小心，最終可能會得到巨大的運算能力，而沒有足夠的實際業務應用程式。
隨著網路、儲存和運算成本的下降，人類傾向於更多地使用它們。但它們不一定能為所有事物帶來商業價值。
#在新冠疫情之前，“資料倉儲”和“資料湖”這兩個術語是標準的此。但是像「資料結構」和「資料網格」這樣的新資料架構幾乎不存在。 DataFabric支援人工智慧採用，因為它使企業能夠透過自動化資料發現、治理和消費來使用資料來最大化其價值鏈。無論資料位於何處，企業都可以在正確的時間提供正確的資料。
##它提供了一個逆向集中式資料儲存庫或資料湖的趨勢的機會。這可能意味著在最相關的地方有更多的邊緣運算和資料可用。這些進步導致適當的數據可以自動用於決策——這對人工智慧的可操作性至關重要。
#IT領導者需要了解新資料架構的業務和人工智慧方面。如果他們不知道業務的每個部分需要什麼——包括資料的類型以及資料的使用地點和方式——他們可能無法創建正確類型的資料架構和資料消費以獲得適當的支援。 IT對業務需求以及與該資料架構配對的業務模型的理解至關重要。 #
Statista研究強調了資料的成長：2020年，全球創建、擷取、複製和使用的資料總量為64.2澤字節，預計到2025年將達到180澤字節以上。 2022年5月的Statista研究報告稱，「成長是由於新冠疫情導致需求增加，因此高於先前的預期。」大數據來源包括媒體、雲端運算、物聯網、網路和資料庫。
#每個決策和交易都可以追溯到資料來源。如果IT領導者可以使用AIOps/MLOps將資料來源歸零以進行分析和決策，那麼他們就獲得了授權。適當的數據可以提供即時的業務分析，並為預測分析提供深刻的見解。
被來自物聯網、邊緣運算、格式化和非格式化、智慧和難以理解的資料所包圍－IT領導者正在處理80/20規則：提供80%業務價值的20%可信賴資料來源是什麼？您如何使用AI/ML操作來確定可信任的資料來源，以及應該使用哪些資料來源進行分析和決策？每個企業都需要找到這些問題的答案。
#人工智慧正變得無所不在，由新演算法和越來越豐富且廉價的計算能力提供支援。 70多年來，人工智慧技術一直走在進化的道路上。新冠疫情並沒有加速人工智慧的發展；它加速了它的採用。
#以上是人工智慧：新冠疫情加速其採用的三種方式的詳細內容。更多資訊請關注PHP中文網其他相關文章！
