เมื่อเร็วๆ นี้ "The Economists" เน้นย้ำว่าข้อมูลกลายเป็นสินค้าที่มีค่าที่สุดที่ถูกครอบครองโดยมนุษย์ เมื่อชิ้นเล็กๆ ของข้อมูลถูกรวมกันในระมะมาก จะเรียกว่า "Big Data" ในขณะที่เรายุ่งกับการรักษาความปลอดภัย Big Data จากการโจมตี มันเงียบๆ ช่วยขับเคลื่อนการเติบโตของปัญญาประดิษฐ์ คุณถามว่าอย่างไร? Machine Learning ส่วนหนึ่งของ AI กำลังปรับปรุงอย่างรวดเร็วและเรียกได้ว่า "กลยุทธ์ที่ขับเคลื่อนด้วยข้อมูล" อย่างง่าย คือ ต้องการข้อมูลปริมาณมากเพื่อสร้าง ทดสอบ และเตรียม AI
ไม่ thểปฏิเสธได้ว่า AI มีศักยภาพมหาศาลที่จะเพิ่มประสิทธิภาพหลายภาคส่วน ถูกใช้ประโยชน์โดยบริษัทการเงิน อุตสาหกรรมยานยนต์ สำนักงานกฎหมาย และอื่นๆ การครอบครองข้อมูลและการวิเคราะห์ด้วย AI จึงกลายเป็นสิ่งจำเป็นสำหรับธุรกิจที่มองไปข้างหน้าเพื่อแข่งขันกัน หากเราเชื่อถือรายงานของ "ศูนย์สำหรับปัญญาประดิษฐ์และหุ่นยนต์" AI ไม่ใช่สิ่งที่เพิ่งค้นพบ! มันอยู่กับเรามาตั้งแต่ปี 1986 ความสามารถของ AI และ Machine Learning คงเป็นปริศนานาน เพราะเราขาดปริมาณข้อมูลใหญ่ที่รวบรวมจากหลายแหล่ง ซึ่งสำคัญต่อการทำให้เครื่อง AI เรียนรู้ จึงไม่มีการพัฒนาที่สำคัญ แต่ตอนนี้สถานการณ์เปลี่ยน เรามีไม่แค่ปริมาณข้อมูลใหญ่ แต่ยังมีความสามารถวิเคราะห์ชุดข้อมูล ดังนั้น การพัฒนาของ "Big Data" ได้เปลี่ยนแปลงและปรับเปลี่ยนขอบเขตและอนาคตของ AI อย่างมีนัยสำคัญ คุณไม่เห็นด้วย? อ่านต่อเพื่อรู้เหตุผล!
แหล่งที่มา: betanews.com
1. กำลังคำนวณ (Computing Power)
ความสามารถในการคำนวณสามารถเปลี่ยน Big Data จากภาระเป็นทรัพย์สินทางธุรกิจ และได้เริ่มต้นแล้ว ก่อนหน้านี้ใช้เวลาและเงินลงทุนมาก แต่วันนี้เราแค่ต้องการแค่นาโนวินาทีในการประมวลผลชุดข้อมูลล้านชุดหรือ Big Data เครดิตไปที่การเพิ่มขึ้นแบบเอ็กซ์โพเนนเชียลของความเร็วในการคำนวณ การก้าวหน้าของการคำนวณลำดับขั้นและขนาน ตอนนี้ช่วยประมวลผลข้อมูลแบบเรียลไทม์ นอกจากนี้ ยังกำหนดชุดแนวทางสำหรับแอปพลิเคชันที่พัฒนาจาก AI
2. วิธีการที่เพียงพอ (Adequate Approach)
การเข้าถึงและเรียกคืน Big Data หรือปริมาณข้อมูลใหญ่ได้อย่างรวดเร็ว กำลังนำไปสู่การปฏิวัติ หากพิจารณาสถานการณ์ทศวรรษก่อน นักวิทยาศาสตร์ข้อมูลและนักสถิติจำกัดงานกับ "ชุดข้อมูลตัวอย่าง" สิ่งนี้เปลี่ยนไปอย่างมาก ตอนนี้พวกเขาทำงานกับข้อมูลจริงได้โดยไม่กลัว นอกจากนี้ ตอนนี้มีข้อมูลแบบ iterative และเครื่องมือ predictive analytics ทำให้องค์กรมากขึ้นเปลี่ยนไปใช้แนวทาง data-first แทน hypothesis-based approach สุดท้ายขับเคลื่อน AI
แหล่งที่มา: martechtoday.com
3. การประมวลผลภาษาธรรมชาติ (Natural Language Processing)
เทคโนโลยี NLP ถูกใช้ประโยชน์ในแอปพลิเคชันโต้ตอบหลายอย่าง ตัวอย่างเช่น Siri, บอทบริการธนาคารออนไลน์, Alexa และอื่นๆ การเรียนรู้จากการโต้ตอบของมนุษย์เป็นส่วนสำคัญของ AI และ NLP เนื่องจาก Big Data มีความสามารถค้นหาข้อมูลที่เกี่ยวข้องในปริมาณข้อมูลใหญ่เพื่อให้ข้อมูลเชิงลึกรวม นอกจากนี้ Big Data ช่วยระบุและเปิดเผยรูปแบบข้ามแหล่งข้อมูล ซึ่งจะเป็นประโยชน์ต่อ AI
4. ต้นทุนและประสิทธิภาพ
มีศึกที่ไม่มีวันสิ้นสุดระหว่างต้นทุนและประสิทธิภาพ อุปกรณ์หน่วยความจำตอนนี้ทำให้จัดเก็บและเรียกคืน Big Data ได้อย่างมีประสิทธิภาพ และเราต้องการมากมาย! โดยคำนึงถึงนี้ Upmem องค์กรฝรั่งเศสดัง ได้นำเสนอวิธีการออฟโหลดการประมวลผลไปยัง DRAM สำหรับภาระงาน AI พบว่าการเชื่อมต่อหน่วยพวกนี้หลายพันหน่วยเข้ากับโปรเซสเซอร์แบบดั้งเดิม จะทำให้ภาระงานเร็วขึ้น 20 เท่า อย่างไรก็ตาม การนำไปใช้ต้องการการลงทุนมาก และดังนั้นเราไม่สามารถทำให้ต้นทุนและประสิทธิภาพไปพร้อมกันได้ เราจะต้องแลกเปลี่ยนด้านหนึ่งแน่นอน
แหล่งที่มา: codekul.com
ไม่ thểปฏิเสธได้ว่าอิทธิพลของ Big Data จะไปเกินคาดหมายของเรา คลื่นนวัตกรรมคาดว่าจะเพิ่มสูงขึ้นจากการรวม AI และ Big Data เราสามารถพูดได้เพราะทั้งสองเป็นเส้นทางเทคโนโลยีที่มีความหวังมากที่สุดซึ่งธุรกิจจะพึ่งพาในอนาคต อย่าลืมว่าคลื่นแรกของ Big Data มุ่งเน้นเพิ่มความยืดหยุ่นและความเร็วในการอัปโหลดและดาวน์โหลดข้อมูล และบรรลุแล้ว อย่างไรก็ตาม เราอาจใช้เวลานานพอในการบรรลุคลื่นที่สอง ที่จะใช้ประโยชน์จาก AI โดยการเข้าใจการรวมตัวและความ相互依存 เทียบกับ Big Data เราหวังว่าคุณจะชอบบทความนี้ แชร์ความคิดเห็นได้ด้านล่างครับ!
