大数据与人工智能应用的7个常见误区

作者: Stephanie Overby 2020-04-22 10:03:39

随着越来越多的组织采用大数据技术处理大量、快速、多变的信息资产,通常很快就会面临如何从中有效地获得洞察力和商业价值的问题。

Talend公司产品高级总监Jean-Michel Franco为此表示,“大数据技术自然可以带来高级分析措施。但当组织可以捕获有关可以改进业务主题的大量信息时,不要只是了解事物表面,还想发现事物本质,找出根本原因,预测将要发生的事情,并准确地解决问题。而人类在没有机器帮助的情况下独自完成是很难做到的。”而人工智能技术已经成为一种理解所有信息的方式,并且实际上成为一种需要大量数据才能实施的学科。

大数据/人工智能

因此,大数据和人工智能技术总是结合在一起是很自然的。商业转型和外包咨询服务商PaceHarmon公司总监JP Baritugo说:“大数据和人工智能之间存在着牢固的关系。大数据是燃料,人工智能是手段。”

但是在这一过程中,人们对人工智能和大数据如何协同工作产生了一些误解,导致潜在的混乱,IT领导者应在采用数据驱动型策略时进行澄清:

1. 某些类型的人工智能可能不需要大数据

例如,一些聊天机器人学习的输入数据集可能比人工智能技术还要少。

Baritugo说,“‘垃圾输入,垃圾输出’的数据分析理念是适用的,因为组织需要足够的良好数据来从其人工智能工作中驱动具有意义的价值。但需要多少数据可能会有所不同。”

Everest集团执行副总裁兼资深分析师Sarah Burnett为此解释说:“大数据意味着由结构化和非结构化数据组成的大数据集,可以为人工智能的一些应用提供数据,例如需要大量数据来训练人工智能、分析信息以发现模式,并用概率来提出问题的答案时,并非所有人工智能都需要大量数据。”

Baritugo 说,“通过设计,人工智能通常需要大型的规范化数据集(即大数据的“清理”子集)来有意义地识别模式并生成必要的输出,其所需的数据量(包括培训和评估数据集)主要由问题的复杂性、需要评估的输入功能的数量以及所使用的算法决定。”

例如,机器学习(ML)通常需要比深度学习(机器学习的另一个子集)更少的数据来进行训练。

2. 并非所有大数据都需要人工智能的应用

人工智能可能有助于推动数据分析,但不一定需要从大数据中提取价值。ISG公司认知自动化和创新总监Wayne Butterfield说,“高级分析已成为大多数组织多年来利用的概念。这实际上取决于数据集的大小和需要分析的不同数据集的数量。就算专家拥有最聪明的头脑,也不可能在有限的时间内在一些大型数据集中找到具有洞察力的模式,因此机器学习在完成繁重工作方面具有一定优势,但是并非所有数据集都是庞大而多样的,因此不一定总是需要采用机器学习(ML)才能从中获得洞察力。”

IT组织还可以使用商业智能、分析和数据仓库解决方案来分析数据并可视化见解。

3. 高级分析和人工智能并不一样

很多时候,人们使用“大数据”一词来更广泛地描述这些信息资产的高级分析,这并没有什么问题。但是他们可能认为高级分析和人工智能也是可以互换的术语,这种想法是不对的。

Burnett说:“人工智能和高级分析紧密联系在一起,但存在一些关键区别。例如,人工智能可以尝试各种假设、自我学习并增强其分析。尽管人工智能技术可以分析数据,却无法自我学习,只能依靠人类来设置其参数。”

4. 大数据可能会扭曲人工智能模型

Franco说,“大数据为人工智能和机器学习奠定了基础。获得的数据越多,模型就越好。但是当数据不受控制时,也会给人工智能和机器学习带来偏差。”

过分关注数据的数量而不是质量往往是罪魁祸首。Franco说:“当人们无法控制基础数据时,人工智能和机器学习不可避免地会遭遇失败。将大量数据收集到数据湖中并不能为人工智能和机器学习的成功奠定足够的基础。”

5. 组织可能已经将人工智能和大数据结合在一起但却不知情

Burnett谈到智能文档处理(IDP)软件时说:“有些软件解决方案已经内置了人工智能功能,可以随时安装、训练和使用。这些解决方案加速了人工智能的采用,并帮助组织处理特定的业务需求。在这些情况下,不一定需要了解人工智能技术才能获得收益。”

6. 人类证明了将大数据和人工智能结合起来的必要性

当涉及大数据和人工智能时,信任和透明度是关键。Franco说,“组织需要扎实的数据基础,才能使用人工智能获得正确的见解。而且,组织员工需要参与到数据治理的过程,以控制数据(数据质量、代表性、数据隐私)和算法(使用可解释的人工智能能够理解算法的内容)。”

7. 并非所有数据都对人工智能有用

Butterfield说:“与人工智能结合使用时,通常在拥有大量数据和拥有正确数据以提供见解之间有着很好的平衡。人工智能并不是解决所有问题的灵丹妙药,至少到目前为止是这样。企业领导者需要意识到这一点。”

大数据 人工智能 AI
上一篇:自动驾驶江湖浮沉录:泡沫退去以后 下一篇:AI的五个真正危险
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

科技史上超炸组合「元宇宙+脑机接口」,离我们还有多远?

技术推进门槛很硬,资本市场敬而远之,伦理问题纠缠不清。脑机接口距离元宇宙还差了几个"VR元年"?

董子博 ·  1天前
芯片短缺对人工智能有多大伤害?

全球芯片短缺的影响随处可见:从家用电器价格上涨到消费电子设备产能受限。急需处理器的人工智能应用也正面临压力,不过SambaNova CEO表示,硬件本身并不是人工智能成功的决定性因素。

AI时代前沿 ·  1天前
2021年人工智能与自动化的发展趋势

自动化正在成为许多市场的首要任务,特别是随着远程工作的增长和劳动力短缺改变了传统的工作模式,很多企业转而采用更可持续的自动化解决方案。

Shelby Hiter ·  2天前
人工智能能否帮助金融行业有效应对勒索软件?

现在是金融机构安全意识进一步发展的时候了——这意味着要超越试图阻止勒索软件突破防火墙的预防性方法,专注于用能够检测和阻止攻击的工具武装自己。

Garry Veale ·  2天前
AI视频分析技术是如何工作的?原理是什么?

实时 AI 视频分析是一种基于人工智能的技术,可分析视频流以检测特定行为和事件的展开。这种类型的系统通过人工智能机器学习引擎检查来自监控摄像头的视频流来进行相关工作。该引擎使用一系列算法和程序来理解数据,并将数据转换为可理解的、有意义的信息。

EasyNVR ·  2天前
AI能成科学家的工具人?Nature采访五位顶尖学者:学会写代码,降低期望

AI 对于其他领域的科研来说是一个极其好用的工具,DNA测序、天文地理甚至艺术领域都必须要用到AI 模型来提供灵感。最近Nature 采访了五位跨领域的专家,听听他们对于AI 工具人有什么想法?

佚名 ·  2天前
人工智能与云计算正加速形成应用生态

人工智能在赋能生产力升级,推动各行业完成智能化转型和新旧动能转换的进程中发挥着重要作用。同时,人工智能技术也已经广泛应用在金融、教育、医疗、能源、消费、工业等各行业多场景之中。

佚名 ·  2天前
Facebook在ICCV 2021 发布两个3D模型,自监督才是终极答案?

在 ICCV 2021 上,Facebook AI提出了两个新模型3DETR和DepthContrast,这两个互补的新模型可促进3D理解并更容易上手。

佚名 ·  2天前
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载