將此篇文章跟 Facebook 上的朋友分享將此篇文章跟 Plurk 上的朋友分享將此篇文章跟 Twitter 上的朋友分享列印轉寄
2018/11/2

強化IT服務持續可用性 熱備機制不可少

資料決定AI成效 質比量更重要

余采霏
科技、應用、資料正驅動數位轉型,重塑市場樣貌。對於企業來說,如何運用下一個重要創意,抓住新的商機,將是贏得市場的重要關鍵,而這其中,科技與資料更是扮演著重要角色。
近期,HPE副總裁暨高效能運算&人工智慧技術長吳永琳來台擔任HPE Reimagine Summit 2018 TAIPEI主題演講嘉賓,同時也對媒體分享了他對AI實踐的兩大觀察,吳永琳認為,在新的世界中,具有品質的「好」數據非常重要;另外,如果有對的運算能力,就能學習的很快。

▲ HPE副總裁暨高效能運算&人工智慧技術長吳永琳指出,AI實踐有兩大關鍵,其一是具有品質的「好」數據非常重要,另外,如果有對的運算能力,就能學習的很快。
他提到,過去30年來,IT都是運用科學規則來進行預測,舉例來說,電腦在股市中自動的買進賣出,憑斷的依據可能是:如果50天的短期股價移動平均超過200天長期的股價移動平均,就應該自動買進。這是科學規則,但是大約在3、5年前,華爾街股市有了不同的作法,只要透過歷史記錄,就能試著預測未來。「機器學習並不是很複雜的過程,只是需要不斷地嘗試錯誤,將參數權重調整到最佳的狀態,再加上現今的運算能力愈來愈強,只要將舊有累積下來的歷史數據就可以進行機器學習,這也是為什麼AI與機器學習會這麼受歡迎的原因。」

近年來,機器學習已成為一股顯學,最早的應用主要是拿來辨識圖片,許多競賽也以辨識率作為主要評比的依據,從25%的錯誤率一路進步到15%的錯誤率,直至今日,在圖片方面的辨識,機器的錯誤率只有2%,勝過人類的表現。同時機器學習的應用也不斷在擴展中,舉例來說,過往農場在除草時,通常的作法是大面積地將除草劑灑在農地上,但有了機器學習技術之後,除草機就能準確地分辨作物與雜草,只將除草劑精準灑在雜草上,而避開種植的作物,如此一來,農家可以節省90%的除草劑用量。

「當機器可以辨識物品,而且辨識得又快又好的時候,就可以有各式各樣的應用。」但吳永琳也提醒,機器的聰明程度取決於用到的歷史記錄,而且不只取決於量,更取決於質。這也是為什麼數據管理框架對企業而言非常重要,因為企業不僅須保留數據,在需要的時候還必須能快速取得。「現今許多企業環境,資料多半分散存放在各個部門內,但要讓機器具有聰明的智慧,就必須綜覽全貌,這些資料應該要統整起來,也是企業必要進行的功課。」

對於現今解決方案供應商提供AI模型以提供企業運用的現況,他坦承,即使已經有訓練好的模型,企業還是必須持續地訓練,但要花多久的時間就得看資料有多「乾淨」,是不是能夠快速存取,通常這兩個因素是企業遇到的兩大難題,一般來說,企業通常需要花上80%的時間用於整理資料,然後才能開始訓練。「假設公司有30年的數據,前後歷經四任的資訊長,現任的資訊長要用這30年的數據來進行訓練,可能就會有點困難。如果前面幾任資訊長對數據有一致的管理方法,或許只要花上2至3個月就可以把資料整理好。這也是為什麼就算企業還沒打算投入AI,也要重視數據管理框架的原因,否則一旦決定投入時,IT根本無法跟上。」

這篇文章讓你覺得滿意不滿意
送出
相關文章
秒速容器服務 挺應用轉型
網路層貫通地端與雲端 實現容器隨需遷移
拆解龐大核心系統 微服務仍保障既有投資
數位商業模式箭在弦上 關鍵應用系統轉型助攻
新運算科技札根人才培育
留言
顯示暱稱:
留言內容:
送出