人工智能如何与大数据完美结合

大数据和人工智能工具的结合使新形◤式的分析和自动化成为可能，这些新形式的分析和自动化仍在企业应用程序中不断发展和演变。

Dunn & 在 1 月份发布的一项调查发现，40% 的受访者表示▆部署 AI 技术创造了更多的就业机会。这一发现似乎与使用人工智能减少就业机会相矛盾，调查中 100 名受访者中只有 8 人报告说他们的组织因人工智能而被解雇。

这是去年 12 月在波士顿举行的人工ㄨ智能世界大会暨博览会上的 Dun & 团队。这引发了企业如何适应人工智能和大数据等新兴技术的问题。尤其是在这№个前所未有的数字颠覆时代。

面对数字颠覆的现实，企业领导者发现很难应对 AI 的快速采用策ζ略。技术的快速发展和人工智能对未来工作的影→响将导致工作变动和难以留住知识工作者等迫在眉睫的问题。

使用人工智能的好处以及随之而来的问题

邓的调查发现，人工智能主要用于分¤析、自动化和数据管理。正在启用新功能，使原本无法访问的域更易于访问。例如，大学教授现在可以使用一系列工具来检测作弊，这在以前是一个基于々手动测试和经验的繁琐过程。在人力资源领域，还采用了可◥以筛选简历、预测候选人成功以及执行许多其他曾经被认为棘手的任务的技术。

人工智能不仅让这些应用变得○更加可行，而且是⊙对业务任务的重新思考，以利用现有数据并开辟新的思维方式。与此同时，不断变化□的隐私法规使企业和网络犯罪分子能够以令人惊讶的新方式使用先进技术，迫使企业投入更多资源来解决与数据安←全和治理相关的问题。

当今的商业环境越来越复杂，处理这种混乱可能很困难。随着第二代数字原住民的崛起，人们需要探索和研究人工】智能和大数据日益增长的应用。

根据 Dun & Co. 的一项调查，目前大多数组织都在一定程度上使用人工智能技〖术。这一发现与其他↓行业机构的研究一致，这些机构指出从意识和早期采用到全面实施以及从使用中创造额外商业价值的转变。

现实〗情况是，许多 AI 应用程序，尤其是那些需要大量稳定数据才能得出结论』的应用程序，一直受到数据发现和管理复杂性的困扰。然而，随着大数据技术的发展，使组织能够维护和管理越来越多的数据，使用物联网和◆移动网络等新技术的新应用程序开始产生可喜的结果。一些例子包括执法中的面部识别、智能城市技术、自动驾驶汽车和■无人机。

谁在使用企业 AI，它¤在做什么？

对人工智能从业者的调查通常包括三类：成功部署人工智能应用的人；那些正在部署人工智能项≡目但仍在努力平衡创新和投资回报率的人；人工智能做出严肃的承诺。关于这三个群体的相对规模存在重大争议。

Dun & Co 的调查是在一♂场以人工智能为主题的活动中进行的，近一半的受◥访者 (44%) 表示他们的公司正在部署该技术，20% 的受访者表示他们的公司已经拥有人工智能技术。23% 的人表示▂他们计划实施它。

寻求使用 AI 技术解决复杂问题的公司有时会对他们的结果感到困惑和不满意，从而提出一些可以解释的问题。如果人工智能方法没有得到很好＠的理解，他们就很难接受看似违反直觉的结果。在 Dun & Dun 的一∩项调查中，46% 的受访者表示了解 AI 如何得出结论是他们组织面临的一个问题。只有三分之一的人表示他们完全＠ 理解人工智能系统是如何得出结论的。

对 AI 结果不满意的其他原因来自基本问题的发展。例如，受过人工训练的监督式 AI 方法存在根据潜在误♀导和强化现有知识做出决策的风险，特别是如果没有预先采◆取正确的步骤来处理数据、算法本身或其生产。解释结果。

问题的制定依赖于数据科学家确保使用正确的方法和︻数据以及正确的问题支持结论的能力。问题发展的不完全风险突出表明需要可解释的人工智能以及更多关于思??想和方∮法多样性的对话，以便技术对企业更有价值。

人工智能√和大数据的正确组合

仔细考虑人工智能使用的数据同样重要。在邓氏 调查显示，许多组织表示缺乏正确的数据是进一步实▃施人工智能的最大障碍之一，而 28% 的受访者表示缺乏内部专业知识也是一个主要障碍。随着数据生产和存储的增加，人们将开始看到人工智能系▲统的适应和改进。

虽然人工智能从业者可以合理地处理数据量，但大数据环境中的变化率仍然々是一些人工智能应用程序的重要问题。流数据是数据样本经常被忽视的一个很好的例子。

数据准确性是另一个日益重要的问题，特别是对于分类方法和其他无监督人工智能方法。数据是任何技术，尤其是人工智▓能必须建立的基础。不正确的◥数据库（例如使用包含偏差或被错误操作的数据）通常会导致错误的技术方法，导致错误的见解，并且↘可以通过负面压力得到加强。

人工智能的发展对其商业价值至关重要。

然而，随着数据的持续增长和存储的增加，人们将开始看到ω　人工智能系统的适应和改进。这〓种进化是人工智能商业价值的内在体现。正如人工智能技术在某种程度上具有自ξ　我诊断能力一样，我们将开始看到复杂系统的出现，这些系统不仅可以从人类主体那里学习，还可以从经验中学习。0.1772 秒。很好的例子包括◢战斗 AI 和集成方法。

此外，下一代数字原生 AI 和数据科学从业者将对该系统进行更详细↑的了解。这些未来的数据科学家将ζ像医生一样进行鉴别诊断，以区分具有相似症状的疾病。

人工智能和大数据的结合将继续发◣展it技术公司，组织可以确保∞对该技术的持续试验和部署。但是，不能保证这种演变会朝》着积极的方向发展。事实上，一些伟大的预言导致了相反的结果。

数字颠覆的新科学与商业和人工智能的发展密切相关∏。似乎可以肯定it技术公司，这种演变的』步伐将继续加快。事实上，人工智能和大数据并不总是完美地结合在一起。在这个领域，最终的最优结果是不同分析方法↙和思维的日益成熟。