歡迎來到insideBIGDATA的“街頭傳聞”彙總專欄!在這個定期專題中，我們重點介紹來自大數據生態係統成員的思想領導力評論。每一版都以引人注目的視角涵蓋了當今的趨勢，可以提供重要的見解，使您在市場上具有競爭優勢。我們邀請投稿，重點關注我們青睞的技術主題領域:大數據、數據科學、機器學習、人工智能和深度學習。享受吧!
對於這位IT專業人士來說，噩夢變成了現實。由Carl Sverre (SingleStore Launch Pad的高級工程總監)評論
在SingleStore的早期旅程中，我們經曆了一個“恐怖故事”。公司中負責測試基礎設施的人員編寫了一個腳本，將我們的分析數據庫從一個遺留的MySQL實例複製到SingleStore中。我們很高興開始吃自己的狗糧，在匆忙中，我們沒有在生產環境中運行腳本之前對它進行足夠的審計。不幸的是，腳本以一個drop database命令開始，該命令不是在目標上執行，而是在源上運行。過了一會兒，我們意識到一年多的重要測試數據被刪除了。不用說，這是一個緊張的時刻。幸運的是，我們有備份，我們能夠在當天結束時恢複大部分重要數據。我很自豪能在這樣一家敢於接受失敗以及從中吸取教訓的公司工作。現在，幾年過去了，看到我們的產品開發出新的功能，可以在幾秒鍾內從這種可怕的故事中恢複過來，這是令人興奮的。也許，如果過去沒有這個事件，我們就不會像現在這樣優先考慮存儲和計算分離的創新設計。
On-prem vs.雲;始終存在的數據庫管理爭論。CTO Mathias Golombek評論，Exasol
許多組織正在經曆“技術更新”，隨著美國經濟在衰退的邊緣搖搖晃晃，數據庫管理是一個永遠存在的討論話題。組織不斷地問自己——我們是應該保持現有的基礎設施還是支點?現在是跳到雲端的時候了嗎?內部部署和雲基礎設施有具體的好處，重要的是要注意，組織不必“全部”投入其中一個。最終，決策者需要問三個基本問題:IT基礎設施需要多大的靈活性?雲能夠顯著降低組織的成本嗎?組織對特定雲提供商服務的依賴程度如何?這些問題的答案會隨著時間的推移而變化。關鍵是要找到一個既能在本地工作又能在本地工作的分析數據庫而且在您的雲操作中——最好的情況下，甚至是並行的和跨不同平台的。這種類型的靈活性使cdo能夠最大限度地利用公司數據，而不管組織在其特定的雲旅程中處於什麼位置。
為什麼AI不會取代你的DevOps角色?產品高級副總裁馬夫·特納的評論Tricentis
人工智能正在增強人的能力，而不是取代人。雖然人工智能已經改變了測試人員和開發人員每天執行的任務類型的性質，但人工智能增強使DevOps團隊能夠充分發揮和增強測試人員和開發人員的獨特優勢，簡化了工作流程，並使DevOps團隊能夠更加有效和創新。在測試自動化的背景下，AI和機器學習檢測模式以識別bug和其他關鍵問題，為探索性測試人員指出偏差，然後進行調查。這個例子揭示了人工智能增強是如何為探索性測試人員提供令人難以置信的能力，解放他們的時間，專注於他們的技能和專業知識，發現人工智能本身無法發現的問題的細微差別。此外，人工智能增強加速了對開發人員的需求，因為我們繼續擁有更好的工具和更快的測試流程。反過來，測試人員生產率的提高使開發人員能夠更快地構建、聚合和連接組件，這仍然是DevOps中的一個關鍵功能。
人工智能權利法案對道德人工智能實踐和實施的影響。客戶合夥人Sagar Shah的評論分形分析
在道德規範和缺乏良好判斷方麵，人工智能領域一直受到無數公開失誤的困擾。人工智能是一種非常強大的工具，但要使其充分發揮潛力，必須以以人為本、合乎道德和可持續的方式構建和使用這項技術。因此，對於該領域的許多從業者來說，美國人工智能權利法案是一種受歡迎的治理方式——即使它已經過期了。也就是說，盡管這些指導方針和目標在保護公民權利、隱私和問責等關鍵領域取得了積極進展，但在這些善意的目標得到明確的執法支持之前，整個行業將繼續麵臨尋求利用灰色地帶的公司帶來的聲譽損害風險。
授權開發人員在雲中安全操作的五個步驟．的副總裁兼首席架構師Josh Stella的評論Snyk
授權開發人員在以代碼形式開發基礎設施時查找和修複雲錯誤配置是至關重要的，但同樣重要的是，為他們提供所需的工具來設計雲架構，使其在本質上能夠抵禦當今的控製平麵破壞攻擊。以下是對任何組織都適用的五個關鍵步驟:了解您的雲環境和SDLC。安全團隊應該在應用程序和DevOps團隊中嵌入工程師，以了解正在運行的一切，如何配置，如何開發和部署，以及何時發生更改。優先考慮安全設計，防止錯誤配置。一旦控製飛機開始攻擊，通常已經來不及阻止了。將安全性烘焙到整個雲SDLC中，以便在部署之前捕獲錯誤配置，(iii)為開發人員提供安全方麵的指導工具。雲安全工具應該為開發人員提供有用的、可操作的關於安全問題的反饋，以及如何快速補救它們，(iv)采用策略作為雲安全的代碼。PaC通過授權所有雲涉眾安全操作，從而幫助安全團隊利用他們擁有的資源來擴展他們的工作，而不會對規則是什麼以及應該如何應用規則產生任何歧義或分歧。它有助於將所有團隊置於政策的單一真實來源之下，消除解釋和應用政策時的人為錯誤，並在SDLC的每個階段實現安全自動化(評估、執行等)，以及(v)關注測量和過程改進。雲安全不是關於入侵檢測和監控網絡的惡意活動，更多的是關於改進流程。成功的雲計算團隊會持續對其環境的風險以及開發人員和安全團隊的生產力進行評分。
人工智能推動了智能和直覺轉錄的興起．SoundHound首席產品官James Hom的評論
我們很快就會看到呼叫中心和其他以電話為中心的企業開始利用語音AI為實時商務對話帶來新的意義和結構。這將涉及人工智能技術，該技術可以同時構建和標記關鍵主題和實體，從中推斷演講者的意思和意圖。因此，例如，如果客戶告訴代理:“我想把這件物品寄回去”，轉錄係統會理解並自動將其標記為退貨/換貨請求。在這種情況下，還可以部署預測分析來智能地為一係列行業的代理提供響應和最佳行動建議。這種人工智能驅動的轉錄將是改善客戶體驗、減少解決客戶服務問題(甚至是複雜的問題)所需的時間，並為企業提供更好的結果的關鍵。就目前而言，智能、實時語音AI轉錄服務的需求顯而易見，這些服務通過準確捕捉、識別和歸因於對話的意義，超越了傳統解決方案。
數據網格概念的基本原理以及適合組織的方法(如果有的話)。Tiago Cardoso的評論，產品經理海蘭德軟件
數據網格概念的基礎包括努力分散數據治理和所有權，以允許不同的組在應用以產品為中心的概念時負責自己的數據。這使得數據使用能夠以持續改進的方式進行，同時提供聯邦治理和適當的文檔。組織應該了解他們的數據如何在上下文和技術方麵進行集群，使正確的參與者能夠基於這些數據網格概念構建數據策略。此外，數據網格架構對於需要做出明智決策的用戶是有益的。數據網格的結果是領域上下文與數據可用性和相關性之間更好的匹配。數據將具有更好的質量、更好的上下文(元數據)、更好的文檔，並將使決策更加快速和高效。當應用人工智能時，它甚至可以傾向於自動化，讓用戶自由地做出更複雜的決定。盡管如此，數據網格也有利於關注遵從性和法規的用戶，因為它更容易為每個域提供更好的治理的清晰度和方法。數據網格對於這些情況特別有效，因為采用這些概念通常需要文化和組織變革。總的來說，企業改善治理、所有權、數據安全和訪問是極其困難的。 Traditional siloed or centralized data concepts make this mission extremely complex as usually the correct people are not involved in the correct tasks. Moving to a data mesh concept, a company that is willing to adopt it and prioritize cultural and organizational change will be well-positioned to structure internal responsibilities according to data context and domain, empowering the right people to move these topics forward. Recently, some new companies are starting to build global CDN networks and nodes with streams and processors. This will provide the way to build near-real-time global meshes where processing is done locally while data transfer is optimized to scale with near-zero latency.
硬件依賴威脅人工智能創新首席執行官路易斯·塞澤評論道，OctoML
我們正處於風暴之中。一方麵，我們麵臨著全球芯片短缺，而且還看不到盡頭;其他專業硬件廠商，如英特爾、英偉達、Arm等都在爭奪人工智能的主導地位。更糟糕的是，我們生活在一個依賴硬件的世界中，模型必須根據特定的硬件規範和軟件框架進行調優和優化。這與大多數主要的軟件組件形成了鮮明的對比，在這些組件中，可移植性已經成為行業標準(並且被認為是理所當然的)超過十年了。問題是數十億美元的資源(時間、人才、研發)用於解決這種依賴問題，但收效甚微。這正在威脅人工智能創新，因為隻有擁有大量資源的公司才能破解這個全行業問題的密碼。如果我們要實現人工智能的承諾，我們作為一個行業必須實現硬件獨立。實現硬件獨立性將實現更快的創新，為模型部署解鎖混合選項，並最終節省從業者的時間和精力。
人工智能的失信。2012-2022年間出了什麼問題．產品副總裁劉易斯·韋恩-瓊斯評論道，ThinkData作品
2012年，DJ Patil寫了一篇文章，將數據科學稱為“21世紀最性感的工作”，並引發了全球對這些新專業人士的招聘熱潮，他們被認為是可以從原始數據中挖出黃金，並在一夜之間為其業務部門提供有影響力的見解的奇才。招聘熱潮的結果是，三年後，彭博社(Bloomberg)寫道，2015年是人工智能領域具有裏程碑意義的一年，開啟了持續至今的炒作周期。然而，現實情況是，彭博社在2015年注意到的人工智能是2012年開始的數據科學家招聘熱潮的直接結果。這些專業人員隨隨便便就被調到了那些沒有設計出健壯的數據環境，甚至沒有明確闡述數據戰略的大企業。在他們工作的組織的支持下，他們以純粹的科學家的身份工作——實驗、測試、建模——促進了人工智能學科的發展，而不是其實際意義。從那時起，組織開始懷疑為什麼他們在數據科學和人工智能方麵的投資沒有帶來投資回報。在很大程度上，這是因為對許多這些組織來說，人工智能本身就是他們的目標。不是具體的業務轉換或改進的流程，而隻是開發智能技術。在這裏，他們得到了他們想要的。算法已經開發出來，模型已經在測試環境中運行。 But business transformation has not, yet, occurred in any automated, scalable way. This is because we have collectively ignored the reality that pure data science will increase our knowledge base but not our bottom line. In order to make good on the promise of AI, we need to realign data science to business priorities and develop data strategies less focused on hype and more on the problems we need to solve.
首席財務官會為哪些IT支出開支開支支票?的聯合創始人兼首席執行官克裏斯·格拉德溫的評論Ocient
新冠肺炎疫情導致數字轉型前所未有地加速，並引發了IT支出的相關熱潮。正如高德納(Gartner)所指出的，這是沒有回頭路的。但這並不意味著所有的IT支出都是平等的。隨著數字業務實踐的增長吸引了越來越多的不良行為者，他們對關鍵業務基礎設施的風險比以往任何時候都要大，安全性和合規性是首席信息官們最關心的問題。數據和人工智能的增長也將推動支出的增加，然而，首席財務官們開始質疑傳統技術和雲提供商的高成本，因為大規模運營正在消耗他們的IT和部門增長預算。雖然在這一領域的投資將繼續，但我們預計將看到戰略領域的支出整合，並加速采用新的顛覆性解決方案，在大規模運行數據和人工智能工作負載時提供更高的成本優勢。
注冊免費的insideBIGDATA通訊．
在Twitter上加入我們:https://twitter.com/InsideBigData1
在LinkedIn上加入我們吧:https://www.linkedin.com/company/insidebigdata/
在Facebook上加入我們:https://www.facebook.com/insideBIGDATANOW
留下評論