人工智能与机器学习推动企业发展

IT主管们正逐渐收获人工智能和机器学习技术带来的丰厚回报。近期的一项调查显示，面对经济困境，有一半的主管正在考虑加大对能够带来实际收益的人工智能和机器学习技术的投资。

如今，大多数人都意识到，人工智能及其子领域机器学习与人类智能并无直接关联。这些技术主要用于识别数据模式并自动执行独立任务，例如检测可疑的金融交易或通过聊天机器人回答客户的询问。IT主管们对这些技术的巨大潜力表示高度重视。

根据2月发布的“首席信息官技术民意调查”（CIO Tech Poll），62%的受访者认为人工智能和机器学习是颠覆性技术，42%的受访者认为它们具有很大的影响力。这两个数据使得人工智能和机器学习的认可度是其最强竞争对手（大数据分析技术）的两倍。令人瞩目的是，有18%的人已经在实际生产中应用了这些解决方案。

在7月份的“首席信息官疫情业务影响调查”（CIO Pandemic Business Impact Survey）中，提出了一个更具挑战性的问题：“贵公司考虑更多使用人工智能/机器学习技术来减少或降低人力资源成本的可能性有多大？”接近一半（48%）的受访者表示可能性很大或有可能。这意味着，随着经济衰退的加剧，对人工智能和机器学习解决方案的需求可能会显著上升。

现在是制定您人工智能和机器学习技术策略的时机。为此，媒体记者和分析师们深入剖析这些问题，并提供了一些有价值的建议。

智能企业

尽管人工智能和机器学习技术必然会取代某些工作，但马修·芬尼根在“计算机世界”平台上的文章《工作中的人工智能：您的下一位同事可能是一个算法》强调了人工智能系统与人类协作以提升工作效率的情况。其中一个引人注目的例子是“协作机器人”，它们与工厂工人共同工作，以增强员工的能力。

高效的人工智能/机器学习解决方案呈现多样性，例如在“首席信息官”平台上，克林特·博尔顿在《5个机器学习成功案例：内部观察》中讲述了一系列新案例。这些案例展示了机器学习在多个领域的应用，包括通过预测分析预测医学治疗结果、通过深入数据分析实现个性化产品推荐以及通过图像分析提高作物产量。一个清晰的趋势是，当某个组织在某一领域成功应用机器学习后，类似的技术往往会在其他领域得到推广。

撰稿人尼尔·温伯格在《人工智能如何创建自动化运营数据中心》中强调了人工智能和机器学习技术的实际应用如何直接惠及IT部门。温伯格指出，这些技术能够管理电源、设备和工作负载，并在无需人工干预的情况下持续优化（如预测硬件故障）。此外，数据中心的安全性也能从人工智能和机器学习的功能中获益，能够及时提醒管理员异常情况，并识别漏洞及提供修复方案。

机器学习技术通常从发现大量数据的模式开始。然而，许多情况下，正如“首席安全官”平台的玛利亚·科洛夫在《您的人工智能和机器学习项目的安全性如何？》一文中所述，这些数据往往是敏感的。科洛夫指出，数据安全性通常是在事后才考虑的，这使得某些机器学习系统容易发生数据泄露。为避免此类问题，建议从一开始便制定明确的安全策略，并在大型组织中任命专责高管来管理与人工智能相关的风险。

那么，您应该如何设计人工智能和机器学习解决方案呢？“信息世界”平台的特约编辑马丁·海勒认为，公共云提供商提供了很有吸引力的选择，但需谨慎挑选。在《如何选择云端机器学习平台》中，海勒概述了每个云端机器学习平台应具备的12种功能及其必要性。随着越来越多的数据分析工作负载转移到云端，利用机器学习技术以获取更大价值显得尤为重要，但确保能够使用高效的机器学习框架并受益于预训练模型同样至关重要。

尽管我们距离与人类智能相当的人工智能还有几代的距离，但人工智能和机器学习技术将逐步渗透到几乎所有类型的应用程序中，减少繁琐工作并提供前所未有的功能。因此，IT主管们普遍认为，这些技术将产生深远的影响。

[[[IMG_1]]]
[[[IMG_2]]]
[[[IMG_3]]]
[[[IMG_4]]]
[[[IMG_5]]]