[科技资讯] IBM Waston：缓解人工智能预制数据的痛苦

一些企业正在逐步转向人工智能和深度学习，以做出正确的商业决策，重塑商业模式，改善客户体验。技术的快速发展将使企业对自己生成的海量数据有更深入的了解，并发现隐藏的趋势。

gartner的一项调查发现，59%的商业组织正在收集信息，以帮助他们制定自己的人工智能策略，而其他组织则采用了人工智能产品。Idc分析师预测，今年认知和人工智能技术支出将达到125亿美元，比2016年增长59.3%，到2020年将超过460亿美元。

Ibm在其沃森数据平台上增加了一些功能，旨在让开发人员和数据科学家更容易分析和共享企业数据，并为人工智能应用做准备。Ibm将其最新转型聚焦于认知计算，涵盖人工智能和机器学习，以沃森组合为基础。沃森数据平台是ibm云基础设施和数据服务阵列的结合，使用开放语言，如python和spark sql。新增功能包括数据目录、数据处理和分析引擎，让企业能够更好地理解数据、实施安全策略、访问和移动公有云和私有云中的数据。据ibm人员介绍，这些企业可以获得比以前更多的数据，而且这些数据可以位于不同的地方，这推动了越来越多的ai应用。

Idc分析师预测，到2018年，将近75%的开发人员将把人工智能引入他们的应用程序。高德纳还表示，到2020年，人工智能将应用于几乎所有新的软件产品。数据目录用于在整个企业环境中创建可搜索的结构化和非结构化数据索引，从现有的内部部署系统到云平台，再到物联网创建的数据流。通过元数据，它还实施基于规则的治理策略来控制对数据的访问并确保其合规性，并通过机器学习自动配置和分类数据。

数据处理指的是数据的处理，被ai和机器学习应用广泛使用。ibm表示，数据处理还允许数据科学家、开发人员和业务团队实时合作，从而实现数据的可视化和共享。从数据目录和数据处理中提取的元数据用于实现客户端的数据治理策略，这使得团队在共享敏感数据时更容易识别风险。

ibm还提供了一个可用的分析引擎，它使用apache spark和hadoop来创建一个智能的数据存储库，使用户更容易理解数据的大小、价值和创建。通过这个分析引擎，开发人员和数据科学家可以一起处理数据集，而无需管理数据集背后的基础设施。此外，分析引擎是由ibm的云对象存储提供动力的，其目的是使数据为处理和分析做好准备。

沃森数据平台(watson Data Platform)总经理德里克·肖特尔(Derek schoettle)表示:云对象存储和分析引擎的结合将计算和存储分开，使公司能够充分利用云提供的敏捷性。

Schoettle还介绍了一个场景，一家零售公司使用其新功能来显示客户的购买模式和销售增长。在这种情况下，数据科学家根据现场数据库和云中的购买交易数据创建季节性或特定人群类别，并通过分析这些数据将这些数据与客户反馈联系起来。借助沃森数据平台的新功能，数据科学家可以随时随地访问所有数据，并构建机器学习模型。用户可以根据客户的喜好将其部署到市场上特定的ai应用中。