IT高管已经开始收获人工智能和机器学习的回报。根据最近的一项调查，随着经济遭受重创，一半的高管正在考虑加大对可能带来好处的人工智能和机器学习技术的投资。到目前为止，我们大多数人都知道人工智能及其子领域机器学习技术与当今时代的人类智能关系不大。人工智能/机器学习技术主要涉及识别数据模式和自动执行离散任务，包括标记欺诈性金融交易的算法、回答客户问题的聊天机器人等。你猜怎么了？IT主管重视其巨大的潜力。根据2月份发布的针对IT高管的CIOTechPoll，62%的受访者认为人工智能/机器学习是一项极具颠覆性的技术，42%的受访者认为这些技术具有很大的影响——这两个数字使人工智能/机器学习技术的百分比是其最接近的竞争对手（大数据分析技术）的两倍。令人印象深刻的18%已经在生产中使用AI/ML解决方案。7月，CIO大流行业务影响调查提出了一个更具挑衅性的问题：“贵公司是否正在考虑更多地使用人工智能/机器学习技术来减少或减少人力资源？”资源成本的可能性有多大？”近一半（48%）的受访者表示很有可能或有可能这样做。这意味着随着经济衰退的加深，对AI/ML解决方案的需求很可能会大幅增加。现在是是时候制定您的AI/ML技术战略。为此，媒体记者和分析师分析了这些问题并提供了一些有意义的建议在名为“AIatWork:YourNextColleagueCouldBeanAlgorithm”的Computerworld平台上，该平台关注人工智能系统与人类协作以提高工作效率的情况。最有趣的例子之一是“协作机器人”，它可以工作与工厂车间的工人一起提高他们的能力。有效的AI/ML解决方案有多种形式，例如在CIO平台上，ClintBoulton在“5个机器学习成功案例：深入了解”中的新案例研究。这篇文章读起来像是机器学习应用程序的精选集：用于预测医疗结果的预测分析、用于个性化产品推荐的密集数据分析、用于提高作物产量的图像分析。一个清晰的模式：当一个组织看到机器学习技术在一个领域取得成功时，类似的机器学习技术通常会应用于其他领域。撰稿人NeilWeinberg在他的文章“AI如何创建自动化运营数据中心”中强调了AI/ML技术的高可用性如何直接使IT部门受益。根据Weinberg的说法，AI/ML技术可以处理电源、设备和工作负载管理，并且可以在没有人为干预的情况下持续优化（就硬件而言，它可以预测故障）。数据中心安全还将受益于人工智能/机器学习功能，它既可以向管理员发出异常警报，也可以识别漏洞并提供补救措施。各种形式的机器学习技术通常从发现大量数据中的模式开始。但在很多情况下，这些数据可能是敏感的。Kolov指出，数据安全往往是事后才想到的，这使得一些机器学习系统天生就容易受到数据泄露的影响。解决方案是从一开始就制定明确的安全政策，在较大的组织中，任命一名专门的高管来管理与AI相关的风险。那么，您应该在哪里设计AI/ML解决方案？公有云供应商提供有吸引力的选择，但您需要谨慎选择。在如何选择云机器学习平台中，Heller概述了每个云机器学习平台应具备的12个功能以及您需要它们的原因。随着如此多的数据分析工作负载转移到云端，利用机器学习技术获得更多价值是有意义的-但确保您能够访问良好的机器学习框架并从预训练模型中受益至关重要。我们距离与人类智能相当的人工智能还有几代人的距离。同时，人工智能/机器学习技术将逐渐渗透到几乎所有类型的应用中，从而减少一些繁琐的工作，提供前所未有的功能。难怪IT主管相信这些技术会产生重大影响。
