我们到底需要什么样的人工智能机器学习与预测分析？

Posted 2021-04-27 Vertica

  撰文：Lars Rossen，Micro Focus首席技术官

  编辑：Vertica团队

人工智能（AI）、机器学习（ML）和预测分析（PA）是时下的流行语。日常工作中，这三者甚至会被归纳为同一含义；但从事实而言，它们之间又存在着微妙的关键差异。

无论具体的应用如何，这些高级分析形势都存在一些共同点——对组织数字化转型的成功产生实质性影响。

 

人工智能、机器学习和预测分析究竟有多“老”？

 

出乎意料的是，这三个概念的提出都已足够地早。拿预测分析而言，它直接可以追溯至托马斯·贝叶斯，他在1736年的工作为贝叶斯概率论奠定了基础，而直到今天仍然被应用于许多预测算法。回顾过去技术发展的50年，计算机技术已使数学计算的工作变得足够容易，从另一角度来说，仅仅使得理论的实现变得更自动化、大规模、可利用。

那么，人工智能呢？乔治·布尔在1840年左右开始了逻辑推理的形式化进程，而艾伦·图灵在1940年代将其初步应用于计算机。在此期间，人们对人工智能的关注反反复复。在此前，该概念的最后一次火爆得益于80年代“专家系统”的出现，而这一系统的有趣之处在于加载事实（facts）进入系统，进而协助推理与决策。

 

拨开迷雾见真相：

如何把握概念火热背后的本质

那么，如果人工智能、机器学习和预测分析都已经是老概念了，那现在还有什么新鲜之处呢？

更深层的疑问在于，为什么我们重新又看到这些概念火热起来？

我认为，有以下三个要点值得探究：

01

新的算法与更强大的计算机，使得“系统从原始数据中自我学习”不再停留于理论。

目前人工智能与预测分析已经实现了自我学习（self-learning），也就是机器学习。

02

随着各组织纷纷开展数字化转型，数据比以往的任何时候都要更丰富与有层次。

03

来自市场的需求是关键。消费者或者用户，在新的数字化世界中更加要求个性化、定制化、专属化。

那么，我们是不是真的触达了人工智能、机器学习和预测分析的未来呢？

反思现状，如果某产品代码中出现了一个“if then else”的逻辑语句，那么它就会贴上人工智能的标签：看，它在做决定！

 

深度思考：

我们需要什么样的人工智能、机器学习和预测分析？

通过几个重要步骤来评估你的选择吧。首先，过滤掉所有的流行词。依靠供应商的描述、所交付的内容，以及这为什么会对你的现有业务有好处。而并非只关注人工智能、机器学习和预测分析这些词汇。

其次，非常仔细地考虑是否可以为算法提供所需的数据，以及真实、有用、稳定的结果。事实一再证明，创建良好的学习数据是非常具有挑战性的，依靠并不理解的算法将导致为错误付出的代价尤其高昂。

 

分析，尤其是自我学习型分析，在获取数字化转型的价值方面起到了关键作用。然而，人工智能、机器学习和预测分析并不是什么神奇词汇，不会因为被纳入、使用而迅速赋予您与您的业务以独到的竞争优势。

成功的组织，将是那些将收集与组织数据作为第一步战略的组织。那些积极地将这些强大工具应用至他们已经全然了解的数据之中的企业家、决策者、领导者，可以在拥抱消费者个体需求的同时，创造出巨大的竞争优势。

 

Vertica就是这样一种缔造竞争力的产品。作为统一的分析数据仓库，它不仅仅具有大规模可扩展的架构，集合了最广泛的分析功能，包括事件和时间序列、模式匹配、地理位置分析等高级分析和端到端的数据库内机器学习。Vertica还提供了一个跨主要公有云和内部数据中心的统一分析平台，并在云对象存储中整合数据。

从智能恒温系统到可穿戴设备，再到电信网络，从个性化广告和在线游戏再到广泛应用场景如零售业、制造业和医疗保健业，Vertica持续为数据驱动型的行业领导者提供动力。包括AT&T、The Trade Desk、Uber、Intuit、Guess、Cerner等在内的数以千计的公司是Vertica的忠实用户，他们的业务成功有一个共性，那就是在几毫秒内从PB级数据的实时预测性洞察能力。

选择Vertica，您也能拥有这样一种竞争力。

Vertica 精彩看点

• 
  
• 
  

▼▼▼

关注Vertica，同步数据智能前沿讯息：

猛戳下方阅读原文，获取Vertica免费试用！