Innehåll
- AI vs Automation
- Några nackdelar?
- Inga buggar, ingen stress - din steg-för-steg-guide för att skapa livsförändrad programvara utan att förstöra ditt liv
Källa: CharlieAJA / iStockphoto
Hämtmat:
AI är närmare än du tror, och det kan verkligen införa några radikala förändringar i hur vi arbetar och lever.
Artificiell intelligens (AI) är ett hett ämne i företaget idag, med branschledare som tittar på applikationer som sträcker sig från smarta produkter till självhelande - till och med självmedveten - datorinfrastruktur.
Men hur mycket av detta är verkligt och hur mycket är science fiction? Är vi verkligen på väg att sälja ut vår mänsklighet till en klass av robotöverherrar? Eller kommer tekniken inte att ge någon meningsfull förändring alls?
Att bedöma efter vad som är tillgängligt just nu och vart utvecklingstrenderna är på väg är svaret på de två sista frågorna "Nej".
AI vs Automation
Det första att förstå om dagens AI är att det inte bara är en förlängning av befintlig automatisering. Traditionell automatisering kan användas för att få maskiner, enheter och applikationer att utföra repeterbara uppgifter, vanligtvis i en jämn takt och på ett konsekvent sätt. AI-driven automatisering gör att den programmerade enheten först kan anpassa sig och svara på ett brett spektrum av stimuli och sedan justera sina egna programmerings- och driftsmönster så att de passar dess förändrade miljö. Så medan en automatiserad robotarm kan programmeras för att fästa en viss panel till en viss typ av bildörr på samma sätt ett oändligt antal gånger, kan en AI-arm analysera olika paneler och ta reda på hur man fäster dem på olika typer av dörrar. (För mer information om automatisering, se Automation: The Future of Data Science and Machine Learning?)
När det gäller företagsinfrastruktur är AI nyckeln till att implementera den digitala omvandlingen som är nödvändig för att frodas i en serviceorienterad ekonomi, säger Venkat Srinivasan, ordförande och VD för automationsföretaget Rage Frameworks. AI introducerar redan flera nyckelfunktioner för infrastrukturverksamhet med hjälp av en mer lingvistisk strategi för dataanalys istället för traditionella databasalgoritmer. På detta sätt får företagsdatasystem förmågan att förstå data i dess kon och relevans för den verkliga världen, vilket i sin tur tillåter dem att känna till raderna av ostrukturerad data som sitter i företagsarkiv orörda och glömda. Samtidigt möjliggör det en högre nivå av resonemang och spårbarhet, vilket ger mänskliga operatörer och andra intelligenta system möjlighet att borras ner i analyser och andra processer för att avgöra hur och varför beslut fattas.
Men hur, exakt, kommer allt detta att spela på en operativ nivå? Vilka typer av applikationer kan vi förvänta oss att se från AI-driven processer?
Enligt Gil Press, ledande partner vid forskningskonsultföretag gPress, är två av de mer djupgående taligenkänning och naturligt språkgenerering. Med hjälp av neurala nätverk och annan avancerad teknik driver företag som Google och Amazon redan samtalsberäkning till hemmet via Google Home och Alexa. Det är bara en tidsfråga att samma teknik invaderar datacentret och tillåter även icke-tekniska användare att helt enkelt fråga sina datamiljöer vad de behöver veta snarare än att skriva, klicka eller ing. Med de självlärande, självkorrigerande förmågorna som AI kommer med i tabellen är det troligt att systemets livscykel och uppgraderingsmönster kommer att förändras dramatiskt - utrustning försämras inte med tiden; det kommer att bli bättre med lite eller inget mänskligt engagemang. Datamiljön i sig kommer också att bli mer proaktiv i sin verksamhet och ge förslag på hur man kan optimera dataprestanda, inte bara svara på kommandon.
Några nackdelar?
Är denna vision om en ljus, blank framtid allt som finns för AI i företaget då? Hur är det med nackdelarna?
Inga buggar, ingen stress - din steg-för-steg-guide för att skapa livsförändrad programvara utan att förstöra ditt liv
Du kan inte förbättra dina programmeringsfärdigheter när ingen bryr sig om mjukvarukvalitet.
För att vara säker, säger eWeeks Chris Preimesberger, måste AI implementeras på ett kontrollerat, samordnat sätt, precis som alla andra tekniker. Faktum är att många av de viktigaste fallgroparna är desamma som med befintliga dataplattformar, till exempel att använda en teknik för att söka efter en lösning och att inte säkerställa att automatiserade processer är förutsättningar för företagets krav. Men AI kräver också viss speciell uppmärksamhet, som att erkänna det faktum att AI bara kan leverera resultat som är lika bra som de data den får. Det finns också en avvägning mellan bredd och djup när det gäller AI; alla system som är utformade för att adressera ett brett spektrum av funktioner kommer inte att kunna borras ner i de mycket granulära processerna som driver produktiviteten. (För mer om AI: s framtid, se Se inte tillbaka, här kommer de! Förskottet av konstgjord intelligens.)
Och förmodligen viktigast av allt: oavsett hur "smart" en AI-plattform blir, kommer den alltid att behöva en mänsklig hjärna för att vägleda den.
Så även om det kan låta klisjé, så är faktumet att AI verkligen är på väg eller gör om datamiljön till något liknande det vi har sett i sci-fi-filmer alla dessa år: en pratande, tänkande datamiljö som bokstavligen är allt runt oss, som ombord på datorn från Starship Enterprise.
Mot bakgrund av detta verkar det som om vi alla måste vänja oss vid idén att företaget inte längre bara är en samling enheter och programvara som stöder våra data, utan en lyhörd och mycket effektiv medlem av affärsteamet.