Machine learning ikke er klar til skyen, men

0
87

Nul

Står det til grund, at mange organisationer, som er interesseret i kunstig intelligens og maskinindlæring, som kræver nogle avancerede færdigheder, der vil henvende sig til cloud-baserede tjenester til at gøre det ske. Men det er ikke sket endnu.

clouds-over-chicago-cropped2-nov-2015-photo-by-joe-mckendrick.jpg
Foto: Joe McKendrick

Virksomheder, der er gjort betydelige fremskridt med machine learning er dem, der har investeret kraftigt i udvikling eller erhverve de nødvendige færdigheder, såsom data forskere og data ingeniører. Så langt, machine learning-systemer har tendens til at være dem, der er udviklet in-house, versus tappet ind fra skyen eller andre eksterne kilder.

Det er ordet fra Ben Lorica og Paco Nathan, analytikere hos O ‘ Reilly, der udgivet en undersøgelse af 1.000 data-specialister fra hele verden. “Organisationer, der har mere erfaring implementering machine learning modeller til produktion er mere tilbøjelige til at bruge disse nyere titler — data videnskabsmand, it-ingeniør,machine learning ingeniør, dyb læring ingeniør,” de observerer. “Omkring halvdelen af de adspurgte sagde, at machine learning modeller blev bygget af deres data videnskab teams. Imidlertid, at antallet stiger betydeligt, efterhånden som organisationer får mere erfaring.”

Kun 12% af dem, der hørte til organisationer, der er lige begyndt at udforske machine learning erklærede, at de stolede på eksterne konsulenter, der henviser til, at tre ud af fire (73%) af dem, der hørte til de mest avancerede virksomheder har påberåbt sig deres interne data videnskab teams. Kun tre procent af de adspurgte i øjeblikket på AutoML tjenester, der tilbydes af cloud-udbydere.

Vil cloud-baseret maskine læring åbner muligheder for at organisationer med begrænsede budgetter eller færdigheder? David Linthicum siger, at der nu er robust machine learning tjenester, der er tilgængelige fra cloud-udbydere, herunder AWS, Google og Microsoft. “Disse systemer er billige at drive,” siger han. “Du behøver kun at betale et par dollars i timen i gennemsnit, for at køre din helt egen maskine-learning program, som dem, der er skitseret ovenfor.” Tilføj til, at billige lagring af data og software developer kit og Api ‘ er. De eneste ulemper er, at disse tjenester er bundet til cloud-udbydere, og hybrid-data-miljøer, kan være kompliceret at gennemføre.

Så, vi kan se flere machine learning-tjenester, der er vedtaget fra skyen i de kommende måneder og år.

Stillingsbetegnelser er specifikke for machine learning er allerede meget udbredt i organisationer, med omfattende machine learning erfaring, O ‘ Reilly undersøgelse viser: data videnskabsmand (81%), machine learning ingeniør (39%), dyb læring ingeniør (20%).

Machine learning, selvfølgelig, har sin andel af bias, men de fleste organisationer er ikke holde styr på potentielle forekomster — 40% kontrol rapport for retfærdighed og bias. Selv blandt de mest avancerede maskine-learning virksomheder, at kun omkring halvdelen overvåge for bias — 54%. Privatlivets fred i AI resultater er også kun bevaret i hele 40% af organisationer. Mere end halvdelen (53%) af de adspurgte, der arbejder for virksomheder med omfattende erfaring i machine learning ind for privatlivets fred. EU ‘ s GDPR mandater “privacy-by-design” mandater kan få flere virksomheder til at overvåge og sikre, at personlige oplysninger er beskyttet inden for AI-system.

Relaterede Emner:

Big Data Analytics

Digital Transformation

CXO

Tingenes Internet

Innovation

Virksomhedens Software

0