كيف يمهد الذكاء الاصطناعي الطريق لمعيار ذهبي جديد لتحليلات البيانات الضخمة

تحقق من جميع الجلسات عند الطلب لقمة Smart Security من هنا .

إذا كانت البيانات هي الذهب الجديد ، فإن "الذهب" اليوم يأتي في شكل رؤى لا تقدر بثمن لاتجاهات العملاء وسلوكيات المؤسسات التي تسعى للنمو. لكن وجود وفرة من البيانات - وإن كانت محظوظة - لا يزال يمثل مشكلة ، على الأقل في الوقت الحالي.

لماذا؟

تمتلك معظم المؤسسات قدرًا هائلاً من البيانات في متناول يدها ، ولكن ليس لديها البنية التحتية أو المعدات اللازمة لمعالجة كل ذلك. يتم حاليًا إنشاء 2.5 كوينتيليون بايت من البيانات يوميًا ، وهذا يتسارع جنبًا إلى جنب مع انتشار تقنيات إنترنت الأشياء من جهة ، والخدمات السحابية المركزية التي تخدم مليارات المستخدمين يوميًا على الجانب الآخر. وصلت رقائق الكمبيوتر القياسية اليوم - وحدات المعالجة المركزية (CPU) - إلى سقف الأداء حيث تفوق تكلفة الحوسبة الفوائد.

كما يوضح اندفاع الذهب الشهير في القرن التاسع عشر ، هناك ميل طبيعي لاتباع المسارات المألوفة ، حتى على حساب تسلق تل شديد الانحدار وتحقيق نتائج أقل من مثالية. ربما حقق العديد من عمال مناجم الذهب نجاحًا أفضل بكثير في إنشاء مسارات جديدة. وبالمثل ، فإن رسم مسار جديد لتحليلات البيانات هو المفتاح لإيجاد المسار الأمثل للذهب "الجديد". حدث

قمة الأمن الذكي عند الطلب

تعرف على الدور الأساسي للذكاء الاصطناعي والتعلم الآلي في الأمن السيبراني ودراسات الحالة الخاصة بالصناعة. شاهد الجلسات عند الطلب اليوم. انظر هنا

لا نخطئ: لقد أتاحت البيانات بالفعل إنجازات لا حصر لها وجلبت فوائد لا تصدق. ولكن إذا كنا نريد حقًا الحصول على القيمة الكاملة من هذا الذهب الجديد ، فقد حان الوقت الآن لتجاوز المعالجات واستكشاف بدائل الجيل التالي التي تفتح عالمًا كاملاً من المعلومات بسرعات غير مسبوقة.

لفهم أين وكيف تفشل معالجة البيانات الضخمة حقًا ، يمكن أن يكون إلقاء نظرة على تطور الذكاء الاصطناعي (AI) مفيدًا للغاية.

الشرط المسبق لثورة الذكاء الاصطناعي

يعود تاريخ أولى حالات الاستخدام البارزة للذكاء الاصطناعي إلى عقود من الزمن إلى مشاريع بحثية متنوعة استكشفت الخوارزميات وتطبيقاتها. كانت أول خوارزمية minimax المصممة للعب لعبة الداما. لقد تطور منذ ذلك الحين ليلعب الشطرنج ، وأصبح خصمًا هائلاً.

ولكن خارج نطاق ألعاب الطاولة ، أدت القائمة المتزايدة من التطبيقات وحالات الاستخدام الخاصة بالذكاء الاصطناعي بسرعة إلى إطلاق الإنجاز الثاني: انتشار الخدمات المميزة التي يتم تكليفها على نطاق واسع بتحليل كميات كبيرة من بيانات المستخدم لمساعدة الشركات الكبيرة على فهم العملاء بشكل أفضل يحتاج.

ومع ذلك ، كانت هذه الخوارزميات والكيانات في النهاية جيدة فقط مثل معالجات الأغراض العامة التي تعمل عليها. على الرغم من تفوقهم في أعباء العمل المنطقية والذاكرة المكثفة ، إلا أن سرعات معالجتهم كانت بطيئة. ومع ذلك ، فقد تغير ذلك في عام 2009 ، عندما اكتشف باحثو جامعة ستانفورد أن وحدات معالجة الرسومات (GPUs) كانت أفضل بكثير من وحدات المعالجة المركزية في معالجة الشبكات العصبية العميقة بسبب زيادة درجة التوازي الحسابي - القدرة على إجراء عمليات حسابية أو عمليات متعددة في وقت واحد. أطلقت هذه البنية الأساسية الجديدة للحوسبة الإنجاز الثالث والأكثر حسماً في مجال الذكاء الاصطناعي ، وهو عصر الشبكات العصبية العميقة.

لم تعمل وحدات معالجة الرسومات على تسريع تنفيذ خوارزميات الذكاء الاصطناعي فحسب. أدى التحول إلى الشبكات العصبية إلى خلق مستويات غير مسبوقة من أداء الخوارزميات التي فتحت عالمًا كاملاً من الفرص لخوارزميات جديدة كانت ، ...