Главная > Новости > Новости отрасли >

Как исследовать ИИ для автоматизации ИТ-инфраструктуры

Как исследовать ИИ для автоматизации ИТ-инфраструктуры
Время выпуска:2018-05-29

Как исследовать ИИ для автоматизации ИТ-инфраструктуры


Искусственный интеллект вряд ли является новой концепцией, но во многих отношениях он лучше всего подходит для автоматизации ИТ предприятия. AI, конечно же, не является plug-and-play, но он по-прежнему в значительной степени непонят.


Около половины предприятий используют некоторую форму искусственного интеллекта (AI), в основном в своем готовом программном обеспечении для ИТ-автоматизации, но это не значит, что они делают это правильно, считают аналитики IDC.


Искусственный интеллект, который некоторые компании могут назвать когнитивным программным обеспечением или машинным обучением, восходит к исследованиям на шахматных компьютерах 1950-х годов; теперь он лучше всего известен для включения виртуальных помощников через смарт-устройство. AI действительно зарабатывает, помогая ИТ-персоналу поддерживать свою информационную инфраструктуру.


Аналитики IDC Питер Руттен и Риту Джьоти поговорили с TechRepublic о том, как правильно делать ИИ.


«Там много путаницы и много дезинформации. AI - это шумиха ... мы стараемся быть максимально реалистичными и эмпирическими, - сказал Руттен, который покрывает аппаратную часть. Комбинированный рынок для серверов ИИ, содержащих такие технологии, как чипы для конкретных приложений, программируемые на поле чипы, графические процессоры и процессоры с сотнями ядер, составит 20 миллиардов долларов к 2022 году », - сказал он.


«То, что мы видели, - это то, что компании находят кого-то в компании, который хорошо разбирается в этом вопросе. Обычно они попросят создать небольшую команду, которая начнет изучать, каковы возможности», - объяснил Руттен. «В средних и мелких компаниях обычно есть чемпион, который отображает, каковы возможности, что делает конкуренция ... и по существу создайте карту« Это то, что мы можем или должны делать », что может включать разработчиками, специалистами по линии бизнеса и учеными в области данных, сказал он.


Руттен сказал, что самая распространенная ошибка, которую он видит, когда компании хотят протестировать воду искусственного интеллекта, - они погружаются без надлежащих команд и используют недостаточно мощные компоненты - разделы виртуальной машины или небольшие кластеры не обязательно будут достаточными. «Сегодня много компаний против 12 месяцев назад осознают, что вы не можете запускать ИИ только на любой инфраструктуре», - сказал он. Конкретные проблемы включают ограничения ввода-вывода, слишком большие модели данных, а обработка слишком медленная. «В этот момент мы обычно понимаем, что нам нужно выяснить, какая инфраструктура нам нужна для наших усилий по ИИ», - сказал он. «Многие компании проходят пробную и ошибочную культуру».


Со стороны программного обеспечения Jyoti выделил шесть важных советов для проектов AI предприятия в презентации на конференции IDC Directions 2018 в марте:


использовать общедоступные облачные сервисы, потому что они более масштабируемы, чем собственная инфраструктура вашей компании;

постройте свою команду вокруг требований проекта - не создавайте проект вокруг сотрудников, которых у вас есть;

привлекать опытных консультантов по ИИ;

см., если ваши поставщики программного обеспечения уже поддерживают AI любые ваши приложения;

сначала применять ИИ в уровнях, таких как результаты на уровне прогнозирования, а также автоматизировать вторую; а также

создавать организации по управлению изменениями.


Хотя только половина крупных компаний в настоящее время использует ИИ для автоматизации ИТ, эта цифра возрастет до 75% к 2020 году, сказал Джойти. Большинство сегодняшних задач ИИ просты, например, предупреждают человеческие повелители, когда жесткий диск приближается к максимальной емкости, или когда диск выходит из строя, или когда процессы ЦП расходятся по их швам - этот ИИ мало чем отличается от того, стажер. Технология действительно помогает, когда она сообщает и автоматически исправляет сложные проблемы, такие как проблема с производительностью в базе данных Oracle, работающей на виртуальной машине, - люди могут обвинять друг друга в департаменте, но программное обеспечение не имеет предубеждений и может перерасти в состояния процессора и сети / хранилища настройки, отметила она.


Не то, чтобы ИИ не имел своих ограничений, заметил Джойти. «А» по-прежнему представляет собой искусственный, а не фактический интеллект. Получение максимальной отдачи от ваших долларов AI требует, чтобы вы проводили время и усилия, чтобы ваши данные были высокого качества; в противном случае вы будете страдать от мусора, мусора, где ваша система ИИ приходит к выводу, что все остальные спрыгнули с моста, и вам тоже нужно.