IT主管們已經開始收穫人工智慧和機器學習技術所帶來的回報。最近的一項調查顯示，隨著經濟遭遇重創，有一半的主管正在考慮加大投資能夠帶來收益的人工智慧和機器學習技術。
到目前為止，我們大多數人都知道，在當今時代，人工智慧及其子領域機器學習技術與人類智能沒什麼關係。人工智慧/機器學習技術主要涉及識別數據模式和自動執行一些獨立的任務，包括可標記欺詐性金融交易的算法、回答客戶問題的聊天機器人等。你猜怎麼著?IT主管們很看重其巨大的潛力。
根據2月發布的針對IT主管的「首席信息官技術民意調查」(CIO Tech Poll)，62%的受訪者認為人工智慧/機器學習是最具顛覆性的技術，42%的受訪者認為這些技術具有最大的影響力——這兩項數據使人工智慧/機器學習技術的百分比是其最強競爭對手(大數據分析技術)的兩倍。令人印象深刻的是，有18%的人已經在生產中使用了人工智慧/機器學習解決方案。
7月份，在「首席信息官疫情業務影響調查(CIO Pandemic Business Impact Survey)」中提出了一個更具煽動性的問題：「您公司對考慮更多使用人工智慧/機器學習技術以減少或降低人力資源成本的可能性有多大?」將近一半(48%)的受訪者表示，這樣做的可能性很大或有可能。這意味著，隨著經濟衰退的加劇，對人工智慧/機器學習解決方案的需求可能會大大增加。
現在是時候來制定您的人工智慧/機器學習技術策略了。為此，媒體記者和分析師剖析了這些問題，並提供了一些有意義的建議。
智能企業
儘管毫無疑問，人工智慧/機器學習技術會取代某些工作，但是馬修·芬尼根(Matthew Finnegan)在「計算機世界」平臺上發表的文章，名為「工作中的人工智慧：您的下一位同事可能是一個算法」，其著重討論了人工智慧系統與人類合作以提高工作效率的情況。最有趣的例子之一是「協作機器人」，它與工廠車間的工人一起工作，以提高員工的能力。
高效的人工智慧/機器學習解決方案有多種形式，例如在「首席信息官」平臺，克林特·博爾頓(Clint Boulton)在「5個機器學習成功案例：內部觀察」一文中講述了一系列新的案例研究。此文讀起來就像是機器學習應用的精選合集：通過預測分析來預測醫學治療結果，通過密集數據分析實現個性化產品推薦，通過圖像分析以提高作物產量。一個清晰的模式：當某個組織看到機器學習技術在某一領域取得成功後，類似的機器學習技術就會經常應用於其他領域。
撰稿人尼爾·溫伯格(Neil Weinberg)在「人工智慧如何創建自動化運營數據中心」一文中著重介紹了人工智慧/機器學習技術的高度實用性直接使IT部門受益。根據溫伯格的說法，人工智慧/機器學習技術可以處理電源、設備和工作負載管理工作，並可在無需人工幹預情況下持續進行優化(就硬體而言，可以預測故障)。數據中心的安全性也會受益於人工智慧/機器學習功能，其既可以提醒管理員存在異常情況，也可以識別漏洞及其提供補救措施。
各種形式的機器學習技術通常從發現大量數據的模式開始。但在許多情況下，正如「首席安全官」平臺的撰稿人瑪利亞·科洛夫(Maria Korlov)在「您的人工智慧和機器學習項目的安全性如何?」一文中所述，這些數據可能都是敏感的。 科洛夫指出，數據安全性通常是事後才想到的，這使得某些機器學習系統本身就很容易發生數據洩露。其解決方案是從一開始就制定明確的安全策略，而在大型組織中，則要專門任命一名高管來管理與人工智慧相關的風險。
那麼您應該在哪裡設計人工智慧/機器學習解決方案呢?「信息世界」平臺的特約編輯馬丁·海勒(Martin Heller)認為，公共雲提供商提供了極具吸引力的方案，但您需要仔細選擇。在「如何選擇雲端機器學習平臺」一文中，海勒概述了每個雲端機器學習平臺應具備的12種功能以及為什麼需要這些功能。由於有如此多的數據分析工作負載轉移到雲端，因此利用機器學習技術來獲取更大的價值，這是很合理的——但至關重要的是，您應該確保能夠使用到最好的機器學習框架，並從預訓練的模型中受益。
我們距離與人類智能相當的人工智慧仍還差幾代。同時，人工智慧/機器學習技術將逐漸滲透到幾乎所有類型的應用程式中，從而減少一些繁瑣的工作，並提供前所未有的功能。難怪IT主管們認為，這些技術將產生最大的影響。