赞助功能 人工智能（AI）最近占据了商业和技术头条新闻。你不可能在浏览新闻网站时看到有关人工智能将如何改变我们开展业务的方式的故事。
当然，几乎每家公司都渴望开始或推进他们的人工智能之旅，但大多数公司不太知道如何继续。
人工智能已经对现代商业产生了重大影响。事实上，根据统计 权威黑客，35% 的企业已采用人工智能，77% 的设备正在使用某种形式的人工智能，十分之九的组织支持使用人工智能来获得竞争优势。预计到 10 年，人工智能将为全球经济增加 15.7 万亿美元。与任何新技术一样，就业机会也会减少和增加。到 2030 年，人工智能可能会消除 85 万个工作岗位，但另一方面，它也可能创造 2025 万个新工作岗位。
想要首次采用人工智能或扩大其现有使用范围的公司在人员配置和技术方面都面临着多层挑战。该技术还存在监管和道德方面的担忧。由于人工智能系统由数据驱动，企业不可避免地会担心如何确保输入人工智能算法的信息的质量、相关性和可用性。确保这些数据集准确、最新且尽可能全面可能会带来持久的挑战。在处理必要的硬件、基础设施和能源供应的复杂性以及相关成本时也是如此。
克服挑战以获得回报
HPE 人工智能首席技术专家马特·阿姆斯特朗-巴恩斯 (Matt Armstrong-Barnes) 认为，组织经常犯在没有战略计划的情况下接触人工智能的错误。 “他们对技术的追求太快了。他们没有共同的策略，”他说。 “他们创造了有趣的科学项目，但没有增加商业价值”。
首先也是最重要的是，公司需要制定人工智能战略，识别用例并确定其优先级，并确保他们解决真正的问题，而不仅仅是构建在实验室中生存和消亡的东西。当然，这个过程还存在一些实际问题：“你将如何构建这些人工智能平台？你打算怎么监视他们？”阿姆斯特朗-巴恩斯问道。 “你如何确保他们仍然高效运营？您如何才能意识到您已经实现了您认为他们将实现的收益？您如何以正确的方式分配预算来资助各项举措？”
毫无疑问，提出正确的问题并制定可靠的计划有助于缩短实现人工智能优势所需的时间。但将任何人工智能系统从实验模型转变为实际工作模型也面临着重大挑战。 “最大的挑战在于‘操作化’，即如何获得人工智能系统，从最初的数据收集到构建模型再到生产部署，”阿姆斯特朗-巴恩斯解释道。
确保员工拥有适当的技能至关重要。吸引和留住具有合适特质的员工，或与能够提供专业知识的组织合作，将是一个主要焦点。 “对于这项技术的用途仍然存在很多误解，因此教育不仅可以培养技能，还可以增强人们的认同，”他补充道。
他建议，公司解决一些技能和基础设施问题可以采取的一种方法是寻求合作伙伴关系：“你可以通过合作来引入这些技能；合作伙伴访问基础设施、平台和模型服务。”
人工智能原生架构有很多层。例如，AI 基础设施服务组件可以包括 GPU 和加速器，以及计算、存储和网络元素、容器、虚拟机以及 AI 库。同样，人工智能平台服务可以包含机器学习应用程序以及数据、开发和部署服务。我们不要忘记包含基础模型、微调、矢量存储和提示的模型服务，以及旨在通过消除偏见和偏差来提高可信度的人工智能业务服务，以提供有价值的用例演示。
该公司表示，慧与已经建立了一个强大的以人为本的框架，可以满足客户的要求，以隐私、包容性和责任为中心。
“这意味着您可以专注于数据和业务问题，”阿姆斯特朗-巴恩斯说。
一切都与数据有关
设计和部署人工智能系统时关注数据至关重要。组织每天都受到数据海啸的打击。人工智能使他们能够找到数据中隐藏的模式，这有助于加快他们从数据中获取价值的能力。然后，他们可以就他们想要构建或增强的应用程序、流程和服务做出更明智的决策。
以数据为中心的重点的一个主要组成部分是制定一个可靠的策略来收集、管理和监控数据——该策略与业务紧密结合，构建数据文化，并包括围绕治理、数据质量、慧与表示，隐私和元数据。
“你需要了解企业想要做什么，”阿姆斯特朗-巴恩斯解释道。 “您需要了解如何提高数据质量、谁访问了数据、如何处理数据以及存储哪些元数据。”
数据可能出现的另一个问题是数据孤岛。当数据被锁定时，从中提取和获取价值可能会出现问题。一旦这些数据可供访问和使用，就会出现训练数据以通知人工智能平台的问题。当谈到构建人工智能系统时，在高层次上有几个阶段：数据收集；提炼数据，为模型构建做好准备；建立模型；调整模型；然后部署它们。每个阶段都面临着特定的挑战。
但 HPE 表示，使用 HPE Greenlake 的 AI 原生架构可以为加快这些流程奠定正确的基础大有帮助。该公司的机器学习开发环境（MLDE）也旨在帮助降低机器学习模型开发相关的复杂性和成本。
训练这些人工智能模型还需要强大的处理能力。当公司开始采用或增加人工智能的使用时，他们首先必须拥有处理负载的技术能力。 HPE GreenLake 平台可以以高性能处理架构和简化的数据管道的形式提供这种能力，组织需要确保访问高质量的相关数据来构建和部署 AI 模型和工作负载。
成功的项目可以照亮道路
查看那些在采用和实施人工智能方面已经做得很好的公司来获取指导通常会有所帮助。其中之一是总部位于华盛顿州西雅图的电子竞技团队 Evil Geniuses。在其 25 年的历史中，该公司已加入各种电子竞技队伍，包括《使命召唤》、《堡垒之夜》、《光环》、《火箭联盟》和《VALROANT》。 Evil Geniuses 的团队非常成功。例如，该公司的《使命召唤：二战》团队赢得了 2018 年《使命召唤》冠军，《VALORANT》团队赢得了 2023 年《VALORANT》冠军。
“我们来这里是为了改变游戏的面貌，”Evil Geniuses 首席执行官 Chris DeAppolonio 说道。 “我们是一家电子竞技和游戏娱乐组织。我们在全球范围内专业地玩游戏。技术和数据是我们所做一切的支柱。我们的游戏是建立在 1 和 0 之上的。它们基于数据，我们如何处理数据并从中产生见解？”
Evil Geniuses 面临的更紧迫的问题之一是识别潜在的职业游戏玩家。该公司处理大量复杂数据以在全球范围内寻找人才，并且。 “我们希望找到有关未来职业选手的数据，”他说。它似乎正在发挥作用。 “我们想赢。我们希望找到更好的人才。我们希望在教练和球探方面更加高效。我们可以利用洞察力来发掘下一个超级巨星。”
从生产力和商业利益的角度来看，人工智能的未来看起来充满希望。 “人工智能是一项团队运动，关乎技能，”HPE 的阿姆斯特朗-巴恩斯 (Armstrong-Barnes) 说道。 “当谈到成功实施人工智能系统时，一种方法是与在构建可扩展、高效和有效的人工智能系统方面拥有跟踪记录的组织合作。慧与在人工智能领域拥有数十年的深厚底蕴，可提供加速人工智能计划的工具、技术和技能。”
以数据为驱动并充分了解数据及其用途，将有助于组织采用以用例为中心的方法来帮助确定如何将数据与人工智能技术融合以驱动业务价值。一旦有了这种理解，就可以更轻松地利用优势。
阿姆斯特朗-巴恩斯建议公司建立平台，让他们从小规模开始，但拥有所有基础，使他们能够在需要时扩大规模。然后他们只需要弄清楚他们想要做什么以及它将如何增加价值，并随着时间的推移随着他们的需求而增长。 HPE强调其构建“人工智能工厂”的能力，将硬件、软件和服务相结合，提供企业可扩展性，并得到集成系统的支持，使最终用户的生活更轻松。
“你想在人工智能之旅上跟上竞争对手，”他说。 “在构建可根据您的需求进行扩展的 AI 原生架构时，将合作伙伴添加到 Team AI 中是一个关键的成功因素，让您能够专注于数据和业务挑战，而不是复杂的底层基础。”
由慧与赞助。
