最近更新文章
2018/11/17
TYAN 發佈 Intel Xeon E-2100 處理器優化的入門級伺服
2018/11/17
BitoPro X NEM 聯手打造公鏈新時代
2018/11/16
遠傳電信加入 DOCOMO亞洲物聯網計畫
2018/11/16
資策會耕耘智慧製造、智慧交通、AI資安成果豐
2018/11/16
台灣大攜手 Nokia 完成5G與終端互連互配 見證1.6Gbps速率
2018/11/16
成長型企業常見課題 資料中心從自建到雲端
2018/11/15
Aruba創新AI行動安全技術 實現最佳邊緣運算體驗
2018/11/15
2018年紅帽亞太區創新獎:國泰世華銀行與台灣期貨交易所
2018/11/15
F-Secure 收購 MWR 提高產品的檢測及回應能力
2018/11/15
模組化資料中心具彈性 IT與OT融合成進行式
2018/11/14
Intel XMM 8160 5G 多模數據機晶片組上市時程提前
2018/11/14
威聯通專為機器學習打造一站式 TS-2888X AI-Ready NAS
2018/11/14
走向零廢棄 UL認證標準協助企業迎接循環經濟
2018/11/14
台北金融科技展:創造金融與消費生活的新連結
2018/11/14
Account was hacked!你收到恐嚇信了嗎?
2018/11/14
五大要領做好雲部署準備
2018/11/14
強化邊緣運算競爭力 智慧儲存位居要角
2018/11/13
超過80%新電腦裝載盜版軟體、並遭惡意軟體侵害
2018/11/13
Fortinet 收購 ZoneFox 強化內部威脅分析能力
2018/11/13
希捷結合IBM運用區塊鏈 打擊硬碟偽造問題
2018/11/13
確實做好認證機制 點對點協定使用無虞
2018/11/13
無線設備搶鮮802.11 ax 解決高密度連網環境干擾
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
資策會耕耘智慧製造、智慧交通、AI資安成果豐
Aruba創新AI行動安全技術 實現最佳邊緣運算體驗
威聯通專為機器學習打造一站式 TS-2888X AI-Ready NAS
全台首座產業 AI 轉型推動平台
甲骨文推區塊鏈平台 企業先自用再擴及生態圈
留言
顯示暱稱:
留言內容:
送出