目前,世界上的每个部门都在研究人工智能(AI)。 人工智能的突破性进展将发生在健康和生命科学、网络智能、智能城市和交通领域。
但是在任何人可以执行人工智能策略之前,他们都需要一个数据策略。
AI 背后的数据策略
当我们想到数据科学家所做的绝大多数工作时,85%的工作都与数据治理、数据清理、数据标记和数据分类相关——所有这些都体现在数据策略的概念中。
因此,利用人工智能的数据能力,需要了解所需的数据集,以及它们与我们试图驱动的洞察力的相关性。
我们必须扪心自问:我们有干净而有意义的企业数据吗?还是数据中充满了空白或欺骗性数据? 我们能否利用企业外部的海量数据,比如社交媒体或零售数据?
在许多方面,我们的客户仍然处于与理解他们的数据在哪里以及识别相关的准确数据的影响程度相关的初级阶段。 一旦他们这样做了,这就为他们如何利用这些数据来推动形成竞争优势的洞察力进行了有意义的讨论。
https://mediacenter.ibm.com/media/1_e7ccy846
借助英特尔和 IBM 加速人工智能
在英特尔,我们正在成为一个以数据为中心的公司,不仅因为这是我们公司愿景的一部分,也因为我们的客户要求我们这样做。 他们决心找到一种方法来利用我们的基础设施来加速他们的人工智能战略。 我们专注于确保我们能够理解如何在硅片上优化工作负载和代码,以提高客户要求的效率和性能。
英特尔和 IBM是很好的合作伙伴,在变得更加以数据为中心方面保持紧密的联系。 IBM创建了 IBM Cloud Pak for Data (以前的 IBM Cloud Private for Data),这是一个用于多个数据集高级集成和互操作性的平台。 我们的公司致力于确保它针对英特尔 Xeon可扩展处理器进行优化,为我们的客户加速性能
满足市场上的需求
我们的许多客户在识别、发现、评估、清理和集成所需的数百个数据集时遇到了困难。 IBM Cloud Pak for Data有助于数据发现和企业级数据的快速集成,使业务能够在市场中交付与高度相关的体验、服务和产品。
英特尔的参与和贡献是有意义的,因为客户可以在基于英特尔的基础设施上快速运行 IBM Cloud Pak for Data。 IBM和英特尔之间的联盟正以前所未有的方式增强数据科学家的能力,以推动更好的洞察力和更好的业务成果。
通过使用多声音数据和 AI平台,改进如何将数据转换为见解,请查看ibm.bi z/icp4data。
英特尔的 Melvin Greer 是非盈利组织格里尔领导力与创新研究所的的创始人,该研究所的主要重点是确保这些服务不足的人群积极参与人工智能解决方案的设计和开发。
了解更多IBM 数据与AI解决方案请访问
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。