AI对整个社会而言意味着什么？数据又将如何支持AI的发展？在下文中，联想凌拓母公司之一
NetApp的CEO George Kurian，将为您深入阐释我们是如何借助数据管理的力量，帮助客户实现以AI为驱动的目标的。
数据是AI的基础
近期，人们对AI的描述层出不穷，比如“革命性”、“改变经济游戏规则”、“被夸大或被低估的‘野兽’”等。我喜欢把AI看作是推动人类进步的伟大工具传统中的一个新领域——信息革命的下一个阶段。正如同此前的工业革命或科学革命以及任意一项重大创新一样，AI既有可能带来好处，也有可能带来混乱。
AI为企业开辟了广阔的发展前景：由机器学习驱动的预测性AI已被用于识别模式、大幅提升效率，而且在解决商业和社会问题方面的效果和速度空前。这项技术可以帮助推动医学研究，如预测
蛋白质的折叠方式对生物功能的影响；可以帮助检测金融欺诈，维护客户和公司的财富；可以更好地预测危机及其连锁反应，从而帮助制定自然灾害预案。我们之所以知道这些，是因为多年来我们一直在帮助客户实现这些由AI驱动的目标。
生成式AI不仅能识别模式，还能生成新的模式。这种能力可以提升软件开发人员的工作效率，帮助内容创作者创造更身临其境的体验，使客户、员工、公民和学生更便捷地获取信息。
所有这些可能性都源于一样东西：数据。这一点由来已久——更好的数据集能够让前几代AI工具预测得更准确，而大型语言模型通过使用超大数据集，将生成式AI的能力提升到了新的水平。当前的创新正在借助客户的私人数据提供更好的文本或改进现有模型，使之做出更好的决策。著名计算机科学家
Peter Norvig对此进行了精妙的总结：“数据的数量比算法的聪明程度更重要，而数据的质量则比数据的数量更重要。”
简而言之，数据是AI的基础。数据的存储、安全和可访问性对于AI提供洞察和分析至关重要。企业的AI能力只有在数据的支持下才能发挥作用。
当下需要的是：集成、性能和信任
要让AI运转起来，就需要管理多个版本的模型，同时与时俱进，不断更新数据集、迭代模型。这意味着海量数据必须自由流动——无论是企业自己的数据，还是客户用来改进其AI系统的其他相关数据集。当然，我们比任何人都清楚，这并不等同于让数据“决堤”。数据量庞大且源源不断，还十分分散，往往是非结构化的，需要加以保护。复杂的技术、不相容的组织和
数据孤岛是AI项目投入生产的主要障碍。为了充分发挥AI的优势，客户需要完整、强大和可持续的解决方案，解决传统数据孤岛所带来的瓶颈。拥有现代化、智能化、集成式混合云数据基础架构便是部署AI的基础。
无论是小型企业还是大型企业，都可以使用下面的方法优化数据引擎，从而充分把握这场智能技术革命：
确保您的数据和AI组织实现整合：在组织为AI和数据驱动的未来做好准备时，最大的缺口往往是数据所有权分散、数据平台和基础架构孤立，以及不同领域的专家们各自为政。例如，许多组织拥有深入了解数据的数据分析师和工程师、能够将现代数据分析工具应用于这些数据的数据科学家，以及了解如何应用数据和AI提供的建议来推动业务成果的业务分析师。只有这些角色密切合作，才能加快AI的影响。
评估并整合非结构化数据：多年来，企业一直投资于从数据库、数据仓库和商业智能工具等结构化数据中提取价值的工具。但如今生成式AI提供了一个强大的引擎，可从企业内主要且增长最快的数据形式（即非结构化数据）中获取价值。大多数组织的主要数据格式仍然是文本；文档、音频文件以及图像和视频等大型文件在公司数据中所占的比例最高。自然语言处理（NLP）和计算机视觉（CV）是最成熟的AI工具之一，也是在生成式AI中应用最快的工具。因此，我们务必要了解非结构化数据及其相关应用的最新进展，以便将它们与生成式AI应用一同应用于业务。
通过智能混合多云基础架构整合工作负载和数据：数据的数量、类型和速度的增长都势不可挡。面对需要处理的海量数据、简单性和集成性尤为重要。数据管道实际上是一套收集、传输、处理、转换、存储、检索和展示数据的架构系统。如今，领先的AI团队希望通过构建混合云数据管道，将公有云的可扩展性、创新与企业内部环境的安全性和治理相结合。
优先考虑数据的安全和治理：权力越大，责任就越大。这句“老话”不无道理，而且尤其适用于AI。从安全角度看，AI有诸多好处——它可以实时识别网络威胁并创建错误检测模型；但它也可能会带来危险，成为错误、偏差和其他不准确性的来源。因此，需要对其进行良好的保护和管理。
总之，通过优化数据引擎，您可以为发挥AI的潜能打下坚实的基础，同时做到负责、安全和经济。
