人工智能的新挑战多年来IT 世界经历了多次转型

[seoexpertshagor]

这些转型显着降低了运营成本并提高了盈利能力我们曾经花费大量资金来提高数据处理能力，同时维护和更新计算机上的硬件和软件。 现在，我们以低廉的价格从云中按需购买匿名的、匿名的容量，而不会对我们正在运行的最新批次 Linux 环境背后的实际基础设施产生任何影响。 数据库的发明催生了像甲骨文这样的公司，它们乘着看似无穷无尽的大大小小的公司的 SQL 浪潮，赚取了现金，帮助建立了拉里埃里森的私人飞机收藏，给他留下了数百亿美元的口袋零钱美元在上面。 现在也都搬到云端了，按用量付费。我们可以使用 SQL 或 NoSQL 数据库，但不需要为许可证支付数十万美元，无论我们的大数据应用程序多么强大。

软件基础设施包含在使用价格中下一个要商品化的是人工智能：几个开源工具包已经可以通过机器学习来理解所有这些 PB 数据。帮助我们从数据湖中榨 斯里兰卡电话号码表 取最后一点商业价值的专家系统正在迅速成为主流，成为企业 IT 的新“前沿”。 另一方面，每天有数百万普通用户使用与智能数据后端的基于语音的交互，无意中创建了另一个巨大的数据集，供“免费”提供这些服务的公司利用。 虽然处理能力和数据的商品化可以看作是日常操作实践的另一种自然演变，但即将到来的 AI 爆炸式增长为我们的计算机化生活带来了全新的维度：问责制和道德规范。 上周在巴塞罗那举行的物联网大会专家小组讨论中，这些问题被作为人工智能面临的新挑战提出。



自动驾驶汽车意外撞死行人谁来承担责任或者当一个 DeepFake 视频抹黑对手并在 Facebook 上传播给数亿经过仔细预先筛选的接收者时，导致一个谨慎的候选人以微弱优势获胜，而这个候选人不惜一切代价传播此类谎言以赢得胜利，如果由于明显违反道德规范而导致结果无效？这是 Facebook 的错还是候选人的错？ 身处科技行业对我们来说是一种纯粹的快乐，因为我们正赶上工作环境不断升级的浪潮。我们只看到不断改进，成本越来越低，维护需求也越来越少。我们已经能够专注于“好东西”，比如理解我们周围的暗数据——Datumize 背后的主要原则。 但随着人工智能从交易大厅扩展到毫秒级交易决策，再到自动驾驶汽车的日常使用，甚至到战场上的自主目标映射，我们不再只是在谈论“更好的技术”。