人工智能如何与大数据完美配合
大数据和人工智能工具的结合实现了新形式的分析和自动化，这些形式在企业应用程序中仍在不断发展和演变。

邓恩＆amp； Bradstreet今年1月发布了一项调查，调查发现40％的受访者表示部署人工智能技术增加了更多就业机会。这一发现似乎与使用人工智能减少就业机会相反，在调查中，100名受访者中只有8人表示他们的组织因人工智能而被解雇。

这是Dun＆amp； Bradstreet去年12月在波士顿举行的人工智能世界会议和博览会的研究团队。这引发了公司如何适应人工智能和大数据等新兴技术的问题。特别是在这个从未见过的数字颠覆时代。
商界领袖面对数字颠覆的现实，发现很难处理人工智能的快速采用策略。技术的快速发展和人工智能对未来工作的影响将导致迫在眉睫的问题，例如工作的变化和留住知识工作者的困难。
使用人工智能的好处及其带来的问题
Dun&Bradstreet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容易访问。例如，大学教授现在可以使用一系列的工具来检测作弊，这以前是一个手工测试和基于经验的繁琐过程。在人力资源部，可以筛选简历、预测应聘者的成功以及执行许多其他任务的技术也被采用了，这些技术一度被认为很难处理。
不仅人工智能使这些应用程序更可行，而且它也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惊人的新方式使用先进技术，迫使企业采用更多资源来解决与数据安全和治理相关的问题。
今天的商业环境越来越复杂，很难应付这种混乱。随着第二代数字土著的兴起，人们需要探索和研究人工智能和大数据的日益增长的应用。
根据Dun&Bradstreet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是一致的，它们指出从认识和早期采用到全面实施的转变，以及从使用中创造额外的业务价值。
现实情况是，许多人工智能应用程序，尤其是那些需要丰富的稳定数据来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，使用诸如物联网和移动网络等新技术的新应用开始产生有希望的结果。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驾驶飞机。

谁在使用企业人工智能，它在做什么？

人工智能从业人员的调查通常包括三类：成功部署人工智能应用程序的人员；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；仍在探索人工智能技术或尚未对企业中的人工智能做出认真承诺的人。关于这三个群体的相对规模存在重大争议。
Dun＆Bradstreet的调查是在一次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这项技术，20％的受访者表示他们的公司已经部署了人工智能技术。 23％的人表示他们计划实施。
寻求用人工智能技术解决复杂问题的公司有时会对他们的结果感到有些困惑和不满，这表明存在一些可解释的问题。如果人工智能方法没有得到很好的理解，那么他们很难接受看似违反直觉的结果。在Dun＆amp； amp；和Dun Bradstreet的调查显示，46％的受访者表示理解人工智能如何得出结论是他们组织的一个问题。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，人工训练的监督人工智能方法存在基于潜在误导和加强现有知识做出决策的风险，特别是如果没有提前采取正确步骤来解决数据，算法本身或他们的生产。解释结果。

问题的制定依赖于数据科学家确保使用正确方法和数据的能力，以及结论所支持的正确问题。问题发展的不完全风险强调需要可解释的人工智能和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。

人工智能与大数据的正确组合
仔细考虑人工智能使用的数据同样重要。在Dun＆amp； Bradstreet的调查显示，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％的受访者认为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成倍增长，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，但对于某些人工智能应用来说，大数据环境中的变化率仍然是一个重要问题。流数据是一个很好的例子，说明了数据样本常常被忽视。
数据准确性是另一个日益重要的问题，尤其是分类方法和其他无人监督的人工智能方法。数据是任何技术（特别是人工智能）必须建立的基础。不正确的数据基础（例如使用包含偏差的数据或被错误地操作）通常会导致错误的技术方法，从而产生错误的见解，并且可以通过负面的压力加以加强。
人工智能的发展对其商业价值至关重要。
然而，随着数据的不断增长和存储量的成倍增长，人们将开始看到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我诊断的能力一样，人们将开始看到复杂的系统的出现，这些系统不仅可以从人类的智能体中学习，还可以从经验中学习。0.1772秒。很好的例子包括战斗人工智能和集成方法。

此外，下一代数字原生代人工智能和数据科学实践者将对该系统进行更详细的观察。这些未来的数据科学家将像医生一样进行鉴别诊断，以区分症状相似的疾病。

人工智能和大数据的结合将继续发展，组织可以确保技术的持续试验和部署。然而，并不能保证这种进化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。似乎可以肯定的是，这种进化的速度将继续加快。事实上，人工智能和大数据并不总是完美地结合在一起。在这一领域，最终的最佳结果是不同分析方法和思维的日益成熟。

• 上一篇: 蓝盟IT外包，元宇宙：四梁八柱是什么
  下一篇: 智能警务建设大数据是基础AI是一个综合性的研究引擎

• 分享到：