人工智能如何适应数据驱动的未来

    人工智能（AI）不再只是存在于让人们对未来充满梦想的科幻小说和主题电影中，如今已广泛应用于从生产制造到医药的各个行业领域。
    此外，当今社会主要是数据驱动的。智能手机和健身追踪器等工具大量收集个人数据，而企业则依靠业务数据和专业平台对业务未来发展做出更明智的决策。
    人工智能如何适应这个已经拥有大量数据的世界，将如何带来影响？随着人工智能的采用加速，它可能会增加对云计算和数据中心容量的需求，因为企业将会创建大量数据，并提供分析数据的计算能力。
    例如，亚马逊网络服务公司表示，在其平台上使用人工智能工具的数量比去年增加了250％。亚马逊网络服务人工智能部门总裁Matt Wood博士日前在召开的纽约AWS峰会上表示，“机器学习正在经历云计算的复兴。我们可以存储尽可能多的数据，并根据需要来调低计算量。大多数的限制和束缚（人工智能的采用）已经融化在云端。”
    业务采用将带来更多的人工智能的数据存储
    一项研究对北美和欧洲地区的1，000多名IT专业人士在2018年的业务计划进行了调查。调查表明，受访者预计在2018年人工智能的采用率将增加30％。值得注意的是，13％的受访者表示他们的公司已经开始使用人工智能。
    这些统计数据有力地表明，企业用户将极大地激发寻找存储人工智能数据有效方法的需求。
    用于人工智能数据的技术必须具有一些优良特性来应对人工智能存储和处理。这些特性包括始终可用的充足空间，运行存储系统软件阵列的错误检查，自动化功能，用户友好性， 以及更高的性能。
    全闪存系统提供这些优势，使其成为满足人工智能存储需求的理想选择。它们比磁盘阵列的存储速度要快约一千倍。
    存储和处理的需求逐渐增加
    关于人工智能的另一个重要因素是，随着时间的推移，许多应用程序需要更强大的存储和处理技术。与此类似地，要求其处理速度不能随着新数据的存储而变得迟缓，而必须始终保持快速处理。
    例如，深度学习是人工智能的一个子集，它涉及随着数据集的增长而变得更加准确的算法。许多存储系统都是为了容纳大量数据而构建的，但不能将其传送到目的地。但是，人工智能需要能够将数据发送到算法位置的存储技术，从而使智能技术发挥作用。
    此外，深度学习导致2015－2017年的数据计算需求增加15％。随着人们越来越多地使用人工智能，并越来越意识到它的潜力，他们将需要能够处理人工智能产生的大量数据的存储和处理解决方案。必须立即访问内容以帮助人工智能技术正常工作。
    当前和未来数据密集型人工智能技术的详细信息
    预测显示，到2025年，人工智能市场规模将达到368亿美元。分析师表示，只有当人们弄清楚如何帮助相关技术变得像人类一样聪明时，其价值和使用案例才会上升。
    Drive．ai公司是一家位于德克萨斯州弗里斯科的人工智能服务商，该公司推出了一项为乘坐自动驾驶汽车的居民提供运输服务试点项目。这个项目将配备一名司机以保证安全，但并不会一直如此。该公司的自动驾驶汽车应用程序使用深度学习神经网络控制驾驶。这采用的是人工智能算法，通过依靠连接的网络来学习数据中的模式。
    这些算法允许自动驾驶汽车根据在真实环境中所看到的内容和情况做出决定。这种技术的支持者认为这是一个理想选择，因为它的工作方式类似于人类学习的方式。但是，现在说Drive．ai能够在市场上取得成功还为时尚早。
    无论Drive．ai公司的业务未来发展如何，自动驾驶无疑将成为激发寻求人工智能数据和检索可行选项的需求的因素之一。据英特尔公司估计，在一辆自动驾驶汽车行驶8小时后，它将生成并接收大约40TB的数据。
    智能家居技术市场也将在为人工智能数据做出贡献方面发挥重要作用。到2023年，研究人员预计全球智能家居市场规模将达到令人难以置信的1506亿美元，并相信欧洲将在此期间增长最快。这部分归功于英国要求2020年每个家庭都将安装智能电表。
    人工智能和智能家居技术
    智能家居市场也包含无数其他小工具。例如，回答人们问题的智能扬声器，可以控制智能灯光和恒温器，并帮助用户通过语音在线购物。
    采用人工智能的家庭安全摄像头可以识别熟悉的人的面孔，并允许用户从任何地方检查他们的住所。用户可以回顾其存储汇编的视频，例如，某人希望在其外出度假的那一周看到家中发生的一切。
    此外，一家名为Cortica的以色列人工智能研究公司与印度Best Group公司建立了合作伙伴关系。Cortica希望使用人工智能算法在公共场所（如购物中心、体育场馆和市中心）分析数百TB的摄像头数据。
    安全技术已被用于识别人们的面孔和车牌，但Cortica公司的技术超越了这些能力，试图发现人们在从事非法活动时可能出现的行为异常。
    在构建算法时，程序员依赖于实验室中的老鼠，将其大脑连接电极。然后研究其大脑皮层对某些刺激的反应。
    由于采用这种方法，开发人员说，如果技术出错，他们将能够追踪发生在单个文件或进程中的事件，从而实现有针对性的再培训。
    Cortica公司的技术仍处于早期阶段。然而，由于掌握了所有数据，并且人们有办法重新审视它，因此如果其应用达到主流采用的程度，那么Cortica公司为了满足大量人工智能的数据需求将会提供更多的产品和服务。
    人工智能的进步取决于高性能数据解决方案
    从广义上讲，人工智能应用程序在获得大量数据编程后即可运行。然后，他们中的许多人通过大量的重复应用来学习，例如当居民每周将智能恒温器设定在相同的温度。
    在这些流程的所有阶段，人工智能都会存储数据并需要快速检索。相比之下，一些传统的存储系统有足够的空间，但可能无法快速检索。
    除了需要更快的存储系统外，人工智能还需要更强大的硬件来处理数据，训练算法，并在自动驾驶等应用中做出实时决策。用于人工智能工作负载的新硬件正在为每台设备提供更多计算能力，从而提高功率密度。因此，数据中心需要处理服务器和机架或机柜中的功率以及随之而来的热量。这一趋势正在挑战数据中心冷却的传统做法，并促使数据中心运营商采用新的战略和设计。
    作为这一趋势的一个例子，谷歌公司正在将液体冷却用于其最新的人工智能硬件，因为其新型张量处理单元（TPU）产生的热量超过了之前数据中心冷却解决方案的液体冷却能力。