回顧Think人工智能之旅社區人群聊天無處不在的AI

人工智能正在改變每個業務流程。開發人員通過工具將深度學習，機器學習和同類技術等形式的AI整合到云原生應用程序和業務流程中，從而使他們能夠將這些功能組合為數據驅動的微服務。

周四，IBM Corp.與SiliconANGLE的姊妹市場研究公司Wikibon舉行了#Think會議 社區CrowdChat，討論企業如何在云中實現AI之旅。長達一個小時的在線會議受到了熱烈的關注，并且就與AI之旅有關的許多問題進行了熱烈的討論。

CrowdChat吸引了以下IBM AI主題專家：數據科學和機器學習的Carlo Appugliese;Matthias Funke，混合數據管理;Madhu Kochar，交叉分析;Hemanth Manda，IBM數據私有云;UGI的Anantha Narasimhan;和Jason Tavoularis，業務分析。

以下是這些參與者和其他參與者對每個CrowdChat問題最值得注意的回答：

問：IBM Analytics總經理Rob Thomas表示，沒有IA或信息架構就不會有AI。您如何現代化您的數據資產(數據資產的組織)以為AI和多云世界做好準備?

凱蒂·謝弗(Katie Schafer)：“如果有人想了解有關ICP for Data的更多信息，請務必簽出會議#2571，標題為：改變游戲規則：學習如何與AI攜手共贏2月13日太平洋標準時間下午1:30，數據和AI校園的大型劇院。”

Hemanth Manda：“已經與許多客戶和業務合作伙伴進行了交流，這是每個人都在努力解決的問題，我們正在通過我們的新平臺提供解決方案，該平臺提供ICP for Data，這是一個用于多云的集成數據和AI平臺”

Madhu Kochar：“每個客戶的討論都始于此對話框……對于建立可信賴的分析數據基礎而言，這一點至關重要。首先要了解您的數據，信任您的數據并使用您的數據來進一步推動見解”

Matthias Funke：“我看到這個問題到處都有。現代化以提高敏捷性，更快地獲得新見解，并從中受益更多……很多時候，人們需要從AI階梯的底部開始，并提出以下問題：如何收集所需的所有數據，并使其成為現實在合適的時間讓合適的人訪問?以及如何整合跨不同位置和數據源的數據資產?”

Carlo Appugliese：“我們與客戶一起進行他們的數據科學之旅，而贏得AI的最大因素是確保您考慮到三件事：正確的技能，正確的流程/文化以及正確的工具。”

杰森·塔沃拉利斯(Jason Tavoularis)：“當然!人工智能需要數據。如果沒有基礎設施，就不會有太多的數據，因此您不能指望AI非常智能。”

Anantha Narasimhan：“我們的客戶正在尋找AI，以幫助推動數字化和潛在的業務轉型。AI的核心是a)人員和文化，b)流程，c)數據…在整個組織中都存在數據的情況下，第一步就是要做好處理…收集，組織然后分析數據。然后注入AI模型以進行操作……ML是AI的強大推動者。我們需要記住，人工智能可以幫助我們快速獲勝..或迅速崩潰。因為如果數據質量不佳，那么模型將拋出錯誤的見解”

Tanmay Sinha：“ AI模型的質量與用于訓練模型的數據質量成正比。如果沒有用于提供高質量數據的信息體系結構，那么AI模型可能會不一致，不相關或存在更嚴重的偏差。”

John Furrier：“我認為他真正確定了核心AI(和ML)角度元數據或提供AI引擎的信息非常重要。如果公司正確地做到這一點，那么機器學習和人工智能將達到新的高度”

Jameskobielus：“如果沒有高性能的數據湖中的數據質量，治理，準備和培訓，就沒有實際的AI。在用于AI的多云環境中現代化您的數據倉庫需要一種工業化的DevOps方法，該方法可以自動執行大多數/大多數流程…如果數據科學家可以找到合適的數據來驅動要素工程等，則AI不會很聰明。同樣，AI模型也無法高信心地完成工作，而無需從新的操作數據中進行前期和持續的培訓……將AI注入業務中，需要具有強大的實時/流CI / CD工作流的可操作數據科學管道。”

David Floyer：“ IMO，分析的未來就是實時結果。這意味著可以在數據附近快速執行可操作的AI /分析。這也意味著希望自動化流程的應用程序與所需的AI /分析之間的低延遲連接……例如，如果您要確保只有員工進入企業場所，就會有很多企業遇到相同的問題，并且有很多解決方案購買... 1. AI解決方案有兩種來源–內部和外部，是正常的購買或購買決定。對于擁有的產品和服務，在IA中收集有關這些服務的數據至關重要。但是，有很多技術會更容易購買。”