您能想象经历一次手术后发现实际上并不需要它吗？我最近听说一位女士切除了乳房肿块，但手术后我震惊地发现肿块是良性的。经过一番研究，发现这样的事情并不少见。 即使在科技如此发达的今天，不必要的手术还是时有发生。大约90%的乳房肿块切除术后被发现是不必要的。好消息是，人工智能(AI)等技术的出现可以帮助解决这些问题。马萨诸塞州总医院的ManishaBahl等医生表示，使用机器学习技术可以将此类不必要的手术减少近三分之一。 人工智能是真实存在的，并且被广泛使用 人工智能的创新比比皆是，不仅仅是在医疗行业。约71%的公司表示他们已经采用人工智能或计划在明年采用人工智能[1]。下图显示了对来自全球不同机构的2,106位数据和分析技术决策者的市场调查的回应。 我们想要更好地了解人工智能如何影响公司、他们的业务线和IT部门，因此我们委托ForresterConsulting进行初步研究以找出答案。本研究的详细信息和发现是ForresterConsulting关于这些问题的思想领导力论文的基础。 很明显，世界不再等待硅谷开发出解决他们问题的一体化解决方案。个人和机构都在利用新的基础技术并利用AI进行创新。3D打印等基础技术正在使制造民主化并改进产品开发。连接的物联网设备现在无处不在，产生大量原始数据。人们使用具有串行和并行处理能力的强大的新型4路服务器来实时处理海量数据以挖掘深层信息。现在每个人都可以使用这些技术，而不仅仅是大型研究机构或“财富50强”公司。 各种组织都在使用人工智能来更好地了解客户并开发更好的产品。明年，54%的公司计划使用人工智能来提供更好的客户体验[2]。世界各地的每个垂直行业、所有个人和机构都在利用AI及其应用（机器学习和深度学习）进行创新。 医疗行业 AI能代替医生吗？或许。但人工智能并不能取代医生的所有工作。未来的医院不会自己运行。与制造业类似，医疗保健领域的进步似乎以重复性任务和减少不一致为中心。让我们看一个例子。 人的眼睛会出错，医生也不例外。即使是几个最优秀的医生，在查看同一张医学图像后也可能得出不同的结论。问题是，这个问题多久出现一次？1959年，一篇开创性的文章提到放射科医生错过了大约30%的阳性结果[3]。50多年后，许多研究继续证明放射学解释存在差异[4]。 让我们来看看基于AI的数字眼睛。在很多领域，数字眼已经优于人眼。事实上，数字眼有望在准确性方面进一步扩大其对人眼的领先优势[5]。这一进步将继续提高放射学、病理学、皮肤病学和眼科的准确性。 美国斯坦福大学的研究人员正在使用数字眼睛。他们建立了一种人工智能算法来识别皮肤癌。人的皮肤充满了由伤害引起但不是癌变的病变。雀斑、痣、皮赘等很常见，通常是良性的。发现癌性皮肤损伤可能很困难。斯坦福大学的研究人员使用130,000张图像来训练他们的深度学习算法。该算法被发现在诊断皮肤癌方面与医生一样有效。 制造业 在亨利福特从根本上改变了汽车制造方式的时代，几乎所有的工作都是由人完成的，有时是非常繁琐和重复的工作。今天，机器人以预先编程的方式执行其中的许多过程。机器人准确无误地执行任务。但仍存在一些问题需要解决，效率有待提高，因此有人认为无人交谈的“哑巴”工厂的日子屈指可数[6]。未来的工厂将是智能的，通过预测性维护、产量提高和自动化质量测试自主运行。 人工智能的好处超出了制造业务。在制造运营中使用AI也会产生巨大的影响。事实上，据麦肯锡公司称，采用AI的供应链具有巨大优势： 预测错误最多可减少50%；产品缺货造成的销售损失最多可减少65%； 库存囤积可减少20%至50%。 酒店服务 2005年，丽思卡尔顿酒店推出中央系统，以提供令人难忘和完美的客户服务。这个名为Mystique的系统允许一家丽思卡尔顿酒店的员工对客人进行观察，所有其他丽思卡尔顿酒店都可以使用该系统。Mystery解决了丽思卡尔顿60家连锁酒店之间的信息共享问题。当酒店工作人员了解到有关客人的新信息（例如，客人对健怡可乐的偏好）时，该信息将输入Orbi系统。丽思卡尔顿的目标是为每位客人记录5项偏好[7]。如果客人下次来到该品牌下的另一家酒店，酒店工作人员至少会满足这5个偏好中的3个或更多。 Orbi推出已有10多年，如今的旅客要求每家酒店都配备它。客人希望酒店了解他们的一切——他们喜欢什么，不喜欢什么，并根据他们的好恶定制和提供信息。这超出了床的尺寸、首选地板、羽毛或泡沫枕头的范围。促销电子邮件不再需要向非高尔夫球手提供有关高尔夫套餐的信息。客户希望看到适合他们的交易，而不是过去一刀切的信息。使用社交媒体等数据源，人工智能正在帮助酒店业满足这一需求。 零售 企业，无论大小，都不得不在其内部（和外部）运营中处理数字过载问题。虽然他们拥有支持传统金融、CRM或物流应用程序的遗留IT基础设施，但他们很快就会被数据洪流所困扰。这里存在巨大的计算能力问题，例如，零售商很难确定： 谁在购物？ 顾客喜欢买什么？更忠诚？ 零售商正在采用复杂的机器学习方法来回答这些棘手的问题。这些零售商不仅需要庞大且互连的系统，还需要安全、强大的IT基础设施，该基础设施具有计算能力和效率，可以通过部署机器学习算法来提供这些见解。 越来越多的大型企业职能流程正在数字化，使得更大的数据量以更快的速度进入传统系统。这个时候，仅仅管理大数据已经不够了。它是关于使用所有这些数据来回答提供对业务运营、客户偏好或营销机会的洞察力的问题，它是关于更快地执行有洞察力的数据分析。 您的公司是否为人工智能做好了充分准备？也许不会。 首席信息官必须成为整个企业部署人工智能的领导者。根据我们委托Forrester进行的一项人工智能调查，公司拥有大量独立的人工智能项目。大多数AI部署工作都是由业务部门领导发起的。他们经常向IT部门寻求支持。然而，大约有15%到20%的时间，IT部门完全一无所知。为什么？ 毫无疑问，IT部门是领导整个公司所有AI项目的最佳位置。事实上，让IT参与进来可以复合人工智能的好处。涉及IT部门的公司采用机器学习平台的可能性是后者的两倍多，采用深度学习平台的可能性是后者的两倍以上。另一方面，仅拥有业务部门的公司仅探索并采用了大约一半的人工智能基本构建块。 业务绕过IT的至少部分原因是缺乏现代数据中心。IT部门拥有技术基础设施、数据和软件应用程序。理想情况下，IT部门成为任何AI计划的中心枢纽，连接外部数据源并互连跨业务部门的内部数据源。然而，现实是大多数数据中心还没有为人工智能计划做好准备。参与调查的人表示，在人工智能战略方面，一些最具挑战性的基础设施问题与服务器自动化和信息安全有关。此外，61%的受访者表示缺乏配备GPU和FPGA等定制处理器的服务器。 数据中心如何为AI计划做好准备 我们要求Forrester提出一份清单，以帮助CIO领导其公司的AI计划。这是一个很好的起点，因为清单包括有数据支持的战略、策略和实用指南。一些建议是针对机构的。一些专注于基础设施的现代化。 支持人工智能的现代基础设施通常始于新型服务器。至关重要的是，这些新服务器支持GPU和FPGA。CPU非常适合串行处理任务。GPU和FPGA适用于并行处理。当计算任务可以并行执行时，服务器将这些任务卸载到GPU或FPGA。这释放了CPU，这是将学习时间从几天或几周减少到几分钟或几小时的关键。 就在短短几年前，能够进行专门并行处理的服务器数量还很有限。当时这样的服务器平台很贵，服务器所需的GPU也很贵。今天，情况完全不同了。DellEMCPowerEdge产品线包含大量专为处理AI和机器学习而定制的服务器。去年年底，我们推出了PowerEdgeC4140，这是一款超密集、加速器优化的平台，在1U中支持两个CPU和两个GPU。现在，我们进一步扩大了对AI的投资，宣布推出两款新的4路服务器。 PowerEdgeR840是一个密集的2U平台，支持多达4个英特尔CPU和两个GPU或两个FPGA。该平台具有灵活的性能和容量选项，例如24个NVMe驱动器配置和海量存储空间，可加速数据分析。 PowerEdgeR940xa是一款专为极速加速而开发的4U平台。该平台支持1:1的CPU与GPU比率，最多4个英特尔CPU和最多4个GPU或8个FPGA。大型内部存储系统（最多32个驱动器）提供了另一种避免云成本上升和安全风险的方法。 除了提供加速性能和大容量外，两台服务器还使用OpenManageEnterprise来监控和管理IT基础架构。无代理、集成的戴尔远程访问控制器(iDRAC)提供自动化、高效的管理以提高工作效率。此外，DellEMCPowerEdge的集成安全功能，如网络弹性架构，是每台服务器的标准配置。
