回顾Think人工智能之旅社区人群聊天无处不在的AI

人工智能正在改变每个业务流程。开发人员通过工具将深度学习，机器学习和同类技术等形式的AI整合到云原生应用程序和业务流程中，从而使他们能够将这些功能组合为数据驱动的微服务。

周四，IBM Corp.与SiliconANGLE的姊妹市场研究公司Wikibon举行了#Think会议 社区CrowdChat，讨论企业如何在云中实现AI之旅。长达一个小时的在线会议受到了热烈的关注，并且就与AI之旅有关的许多问题进行了热烈的讨论。

CrowdChat吸引了以下IBM AI主题专家：数据科学和机器学习的Carlo Appugliese;Matthias Funke，混合数据管理;Madhu Kochar，交叉分析;Hemanth Manda，IBM数据私有云;UGI的Anantha Narasimhan;和Jason Tavoularis，业务分析。

以下是这些参与者和其他参与者对每个CrowdChat问题最值得注意的回答：

问：IBM Analytics总经理Rob Thomas表示，没有IA或信息架构就不会有AI。您如何现代化您的数据资产(数据资产的组织)以为AI和多云世界做好准备?

凯蒂·谢弗(Katie Schafer)：“如果有人想了解有关ICP for Data的更多信息，请务必签出会议#2571，标题为：改变游戏规则：学习如何与AI携手共赢2月13日太平洋标准时间下午1:30，数据和AI校园的大型剧院。”

Hemanth Manda：“已经与许多客户和业务合作伙伴进行了交流，这是每个人都在努力解决的问题，我们正在通过我们的新平台提供解决方案，该平台提供ICP for Data，这是一个用于多云的集成数据和AI平台”

Madhu Kochar：“每个客户的讨论都始于此对话框……对于建立可信赖的分析数据基础而言，这一点至关重要。首先要了解您的数据，信任您的数据并使用您的数据来进一步推动见解”

Matthias Funke：“我看到这个问题到处都有。现代化以提高敏捷性，更快地获得新见解，并从中受益更多……很多时候，人们需要从AI阶梯的底部开始，并提出以下问题：如何收集所需的所有数据，并使其成为现实在合适的时间让合适的人访问?以及如何整合跨不同位置和数据源的数据资产?”

Carlo Appugliese：“我们与客户一起进行他们的数据科学之旅，而赢得AI的最大因素是确保您考虑到三件事：正确的技能，正确的流程/文化以及正确的工具。”

杰森·塔沃拉利斯(Jason Tavoularis)：“当然!人工智能需要数据。如果没有基础设施，就不会有太多的数据，因此您不能指望AI非常智能。”

Anantha Narasimhan：“我们的客户正在寻找AI，以帮助推动数字化和潜在的业务转型。AI的核心是a)人员和文化，b)流程，c)数据…在整个组织中都存在数据的情况下，第一步就是要做好处理…收集，组织然后分析数据。然后注入AI模型以进行操作……ML是AI的强大推动者。我们需要记住，人工智能可以帮助我们快速获胜..或迅速崩溃。因为如果数据质量不佳，那么模型将抛出错误的见解”

Tanmay Sinha：“ AI模型的质量与用于训练模型的数据质量成正比。如果没有用于提供高质量数据的信息体系结构，那么AI模型可能会不一致，不相关或存在更严重的偏差。”

John Furrier：“我认为他真正确定了核心AI(和ML)角度元数据或提供AI引擎的信息非常重要。如果公司正确地做到这一点，那么机器学习和人工智能将达到新的高度”

Jameskobielus：“如果没有高性能的数据湖中的数据质量，治理，准备和培训，就没有实际的AI。在用于AI的多云环境中现代化您的数据仓库需要一种工业化的DevOps方法，该方法可以自动执行大多数/大多数流程…如果数据科学家可以找到合适的数据来驱动要素工程等，则AI不会很聪明。同样，AI模型也无法高信心地完成工作，而无需从新的操作数据中进行前期和持续的培训……将AI注入业务中，需要具有强大的实时/流CI / CD工作流的可操作数据科学管道。”

David Floyer：“ IMO，分析的未来就是实时结果。这意味着可以在数据附近快速执行可操作的AI /分析。这也意味着希望自动化流程的应用程序与所需的AI /分析之间的低延迟连接……例如，如果您要确保只有员工进入企业场所，就会有很多企业遇到相同的问题，并且有很多解决方案购买... 1. AI解决方案有两种来源–内部和外部，是正常的购买或购买决定。对于拥有的产品和服务，在IA中收集有关这些服务的数据至关重要。但是，有很多技术会更容易购买。”