根據一項研究發現，投資現代數據對於成功擴展人工智慧至關重要，但有一半的企業面臨成本障礙。從長遠來看，現在可以投資於資料管理的企業將成為人工智慧的領導者
受訪者中有69%的人至少參與了一個正在進行中的人工智慧項目，其中28%的項目已經達到了企業規模。儘管企業和研究機構正在加速採用人工智慧來尋求創造新的價值主張，但該研究表明，資料基礎設施和人工智慧的可持續性挑戰成為了大規模成功實施人工智慧的障礙。報告強調，到2023年，生成式人工智慧在企業內部的發展將迅速增加，進一步加劇了這些挑戰
#人工智慧的應用不斷增加，但企業規模仍然是一個挑戰。 WEKA與標準普爾共同對1500名全球人工智慧決策者進行了調查，並公佈了這些結果。調查確定了企業在人工智慧旅程中遇到的機會和障礙，以及全球各行業採用人工智慧的獨特動力。調查也提供了企業未來需要採取哪些步驟才能成功使用人工智慧的見解
受訪者中有32%認為資料管理是AI/ML部署的技術障礙。此外，有26%的受訪者表示安全性問題和20%的受訪者表示運算效能問題是當前的主要挑戰，這顯示許多企業現有的資料架構無法支援人工智慧革命
#根據調查，77%的受訪者認為傳統架構和資料基礎設施對他們的永續發展績效產生了影響，而74%的受訪者表示，將工作負載轉移到公有雲是實現永續發展的重要或關鍵動力
有68%的受訪者表示，他們對人工智慧/機器學習對其企業的能源使用和碳足蹟的影響感到擔憂
隨著人工智慧計畫的進一步發展，需要採用混合方法和多個部署位置來支援工作負載需求。傳統資料基礎設施對其高效、可持續地大規模使用人工智慧的能力，產生了直接的負面影響，因為它們在開發時沒有考慮到現代性能密集型工作負載或混合雲和邊緣模式
就像我們不會期望使用20世紀90年代開發的電池技術來為特斯拉等最先進的電動車提供動力一樣，我們也不能指望為上世紀的數據挑戰而設計的數據管理方法能夠支持生成式人工智慧等下一代應用
建構現代資料堆疊旨在支援從邊緣到核心，再到雲端無縫跨越的人工智慧工作負載需求的企業，將成為未來的領導者和顛覆者。
以上是資料管理：人工智慧革命的巨大挑戰？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
