ការព្យាករណ៍ឧស្សាហកម្មទិន្នន័យធំសម្រាប់ឆ្នាំ 2021

By ដានីយ៉ែលហ្គូធើរ៉េស

ឆ្នាំ 2020 គឺជាឆ្នាំសម្រាប់គ្រប់វ័យ ជាមួយនឹងបញ្ហាប្រឈមក្នុងស្រុក និងពិភពលោកជាច្រើន។ ប៉ុន្តែឧស្សាហកម្មទិន្នន័យធំមាននិចលភាពដ៏សំខាន់ឈានទៅដល់ឆ្នាំ 2021។ ដើម្បីផ្តល់ឱ្យអ្នកអានដ៏មានតម្លៃរបស់យើងនូវជីពចរអំពីនិន្នាការថ្មីសំខាន់ៗដែលឈានទៅដល់ឆ្នាំក្រោយ យើងនៅទីនេះនៅខាងក្នុងBIGDATA បានឮពីមិត្តភ័ក្តិរបស់យើងទាំងអស់នៅទូទាំងប្រព័ន្ធអេកូអ្នកលក់ ដើម្បីទទួលបានការយល់ដឹង ការឆ្លុះបញ្ចាំង និង ការព្យាករណ៍សម្រាប់អ្វីដែលអាចនឹងមកដល់។ យើងត្រូវបានលើកទឹកចិត្តយ៉ាងខ្លាំងក្នុងការឮទស្សនៈគួរឱ្យរំភើបចិត្តបែបនេះ។ ទោះបីជាការពិតត្រឹមតែពាក់កណ្តាលក្លាយជាការពិតក៏ដោយ ក៏ Big Data នៅឆ្នាំក្រោយ ត្រូវបានគេកំណត់ថាជាការជិះដ៏គួរឱ្យរំភើប។ រីករាយ!

Daniel D. Gutierrez – និពន្ធនាយក និងជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យអ្នករស់នៅ

វិភាគ

"ការបែងចែកការវិភាគ" នឹងកាន់តែអាក្រក់ទៅ ៗ ។ ដូចជា "ការបែងចែកឌីជីថល" ដែលត្រូវបានផ្សព្វផ្សាយជាសាធារណៈច្រើន យើងក៏កំពុងឃើញការលេចឡើងនៃ "ការបែងចែកវិភាគ" ផងដែរ។ ក្រុមហ៊ុនជាច្រើនត្រូវបានជំរុញឱ្យវិនិយោគលើការវិភាគដោយសារជំងឺរាតត្បាតរាតត្បាត ខណៈពេលដែលក្រុមហ៊ុនផ្សេងទៀតត្រូវបានបង្ខំឱ្យកាត់បន្ថយអ្វីដែលពួកគេមិនគិតថាជាការសំខាន់ដើម្បីរក្សាភ្លើងឱ្យនៅដដែល ហើយការវិនិយោគត្រឹមត្រូវក្នុងការវិភាគគឺសម្រាប់អង្គការទាំងនេះ ការវិភាគគឺស្ថិតនៅលើ កំណាត់។ នេះមានន័យថាការបែងចែកការវិភាគនឹងពង្រីកបន្ថែមទៀតនៅឆ្នាំ 2021 ហើយនិន្នាការនេះនឹងបន្តអស់រយៈពេលជាច្រើនឆ្នាំខាងមុខ។ ដោយគ្មានការសង្ស័យ អ្នកឈ្នះ និងអ្នកចាញ់នៅគ្រប់ឧស្សាហកម្មទាំងអស់នឹងបន្តត្រូវបានកំណត់ដោយអ្នកវិភាគដែលមានឥទ្ធិពល និងអ្នកដែលមិនមាន។ - លោក Alan Jacobson ប្រធានផ្នែកទិន្នន័យ និងវិភាគ នៅ Alteryx

ទំនងជាកន្លងផុតទៅហើយគឺជាថ្ងៃនៃការវិភាគ និងការរាយការណ៍អំពីដំណោះស្រាយដែលទំនងជាបំពេញករណីប្រើប្រាស់អាជីវកម្មពិសេស។ នេះគឺគ្មាននិរន្តរភាព។ ក្រុមហ៊ុនមិនអាចមានការអនុវត្តផ្នែកវិភាគខ្ពស់ដែលមានឥទ្ធិពលនៃការដោះស្រាយបញ្ហាដែលបានធ្វើមូលដ្ឋានីយកម្ម ហើយអាជីវកម្មធំជាងមិនឃើញអត្ថប្រយោជន៍ពេញលេញនោះទេ។ ស្ថានភាពបច្ចុប្បន្ននេះនឹងផ្លាស់ប្តូរទៅជាកន្លែងដែលការវិភាគនឹងត្រូវធ្វើឡើងលើទិន្នន័យទាំងអស់ដែលក្រុមហ៊ុនមានលទ្ធភាពប្រើប្រាស់ ដោយសមត្ថភាពនៃការវិភាគទាំងនេះត្រូវបានអនុវត្តក្នុងលក្ខណៈសហការគ្នាដោយក្រុមចំណាប់អារម្មណ៍ជាច្រើនដែលមានសំណុំជំនាញផ្សេងៗគ្នា (ឧទាហរណ៍ វិទ្យាសាស្រ្តទិន្នន័យ។ បន្ទាត់នៃអ្នកដឹកនាំធុរកិច្ច) និងជាមួយនឹងការផ្តោតអារម្មណ៍ពេញលេញឆ្ពោះទៅរកការប្រតិបត្តិការយល់ដឹងអំពីការវិភាគនៅក្នុងពេលវេលាជាក់ស្តែង។ ម្យ៉ាងវិញទៀត លែងមានការពិសោធខាងវិទ្យាសាស្ត្រទៀតហើយ។ – Sri Raghavan, នាយក, Data Science និង Advanced Analytics Product Marketing នៅ តេរ៉ាតាតា

ការវិភាគតាមវេជ្ជបញ្ជានឹងជាធាតុផ្សំដ៏សំខាន់សម្រាប់ភាពជោគជ័យនៃការផ្លាស់ប្តូរឌីជីថល៖ ការវិភាគកម្រិតខ្ពស់គឺ ក្លាយជា បញ្ជូលគ្នានៅពេលអាជីវកម្មបង្កើនការប្រមូល និងវិភាគទិន្នន័យនៅទូទាំងស្ថាប័នរបស់ពួកគេ ជាមួយ 35% ក្រុមហ៊ុនផលិតអាមេរិកដែលដាក់ពង្រាយការវិភាគកម្រិតខ្ពស់ក្នុងរយៈពេល 2021 ឆ្នាំចុងក្រោយនេះ។ ដើម្បីឱ្យ AI មានឥទ្ធិពលយ៉ាងសំខាន់នៅទូទាំងខ្សែសង្វាក់តម្លៃ ការវិភាគតាមវេជ្ជបញ្ជានឹងក្លាយជាកាតាលីករដើម្បីបង្កើនប្រសិទ្ធភាពប្រតិបត្តិការ។ ការវិភាគតាមវេជ្ជបញ្ជានឹងក្លាយទៅជាផ្នែកសំខាន់មួយសម្រាប់ធ្វើមាត្រដ្ឋាន AI នៅក្នុងអង្គការនានា ដោយប្រើប្រាស់ទិន្នន័យផលិតផល និងអតិថិជន ដើម្បីណែនាំគំរូ AI អំពីរបៀបកែលម្អដំណើរការ កែតម្រូវការផលិត និងបង្កើនប្រសិទ្ធភាព។ ការវិភាគតាមវេជ្ជបញ្ជាអនុញ្ញាតឱ្យមានការកែលម្អឥតឈប់ឈរជាមួយនឹងគំរូ AI ដោយការត្រួតពិនិត្យជាបន្តបន្ទាប់ និងការកែតម្រូវដោយផ្អែកលើលក្ខខណ្ឌដែលកំពុងវិវត្ត។ គំរូតាមវេជ្ជបញ្ជាអាចបើកដំណើរការស្វ័យប្រវត្តិកម្មនៃការសម្រេចចិត្ត ដែលម៉ូដែលអាចធ្វើសកម្មភាពល្អបំផុតដោយផ្អែកលើវេជ្ជបញ្ជា។ លើសពីការវិភាគព្យាករណ៍ទៅការវិភាគតាមវេជ្ជបញ្ជានៅទីបំផុតនឹងអនុញ្ញាតឱ្យទទួលបានជោគជ័យក្នុងការផ្លាស់ប្តូរឌីជីថលសម្រាប់ក្រុមហ៊ុនផលិតនៅឆ្នាំ XNUMX។ - George Young នាយកគ្រប់គ្រងសកលនៃ កាលីបសូ

ការបង្កើនការវិភាគ និងសេវាកម្មខ្លួនឯងនឹងកាន់តែទូលំទូលាយនៅក្នុងតម្រូវការ ដោយសារកម្លាំងពលកម្មដែលបានចែកចាយ និងការស្រេកឃ្លានព័ត៌មាន។ ជាការឆ្លើយតប ការវិភាគបែបប្រពៃណីនឹងមានការរំខានកាន់តែខ្លាំងឡើងដោយ AI ។ ការកើនឡើងនៃកម្លាំងការងារដែលបានចែកចាយនឹងបង្កើតតម្រូវការកាន់តែច្រើនសម្រាប់ការវិភាគបន្ថែម ដែលអ្នកប្រើប្រាស់ម្នាក់ៗត្រូវបានណែនាំតាមរយៈដំណើរការនៃការបង្កើតសំណួរដើម្បីទទួលបានចម្លើយភ្លាមៗចំពោះសំណួរទិន្នន័យរបស់ពួកគេ។ យើងកំពុងមើលឃើញការបញ្ចូលគ្នានៃការវិភាគ និង AI នៅក្នុងផ្នែកពីរ - នៅកម្រិតហេដ្ឋារចនាសម្ព័ន្ធ និងនៅកម្រិតអ្នកវិភាគ។

មនុស្សចាប់ផ្តើមដឹងថាពួកគេមានបំពង់បញ្ជូនទិន្នន័យខុសៗគ្នាដែលកំពុងផ្តល់ទិន្នន័យសម្រាប់ម៉ាស៊ីនវិភាគ ហើយពួកគេកំពុងបង្កើតជង់ផ្សេងគ្នាសម្រាប់ ML ។ ជំនួសឱ្យជង់ពីរដាច់ដោយឡែកពីគ្នា យើងឃើញការបញ្ចូលគ្នានៃវត្ថុទាំងនេះទៅជាហេដ្ឋារចនាសម្ព័ន្ធដែលងាយស្រួលថែទាំ ខណៈពេលដែលធានាថាទិន្នន័យដូចគ្នាកំពុងត្រូវបានប្រើដើម្បីផ្គត់ផ្គង់ម៉ាស៊ីនទាំងពីរ។ ការបង្រួបបង្រួមទីពីរនឹងកើតឡើងទាក់ទងនឹង 'ការស្រេកឃ្លាន' សម្រាប់ព័ត៌មាន និងការបិទគម្លាតដើម្បីឆ្លើយសំណួរដោយប្រើទិន្នន័យ។ ការវិភាគបែបបុរាណនឹងចាប់ផ្តើមមានការរំខានកាន់តែច្រើនឡើងដោយ AI ។ វេទិកា (ដូចជា Tableau, Power BI ជាដើម) នឹងចាប់ផ្តើមផ្លាស់ទីលំនៅដោយ bots និងជំនួយការនិម្មិត ដែលនឹងក្លាយជាការសន្ទនាតាមធម្មជាតិ។ យើងមើលឃើញថានេះជាការជំរុញឱ្យមានល្បឿនលឿនតាមរយៈការទាញសម្រាប់សេវាខ្លួនឯង។ យើងក៏រំពឹងថា NLP ត្រូវបានប្រើប្រាស់យ៉ាងទូលំទូលាយនៅឆ្នាំ 2021។ – Scott Schlesinger, Global Data, Analytics & AI Practice Leader នៅ អត់ទេ។

បន្ទាត់រវាង IT និងនាយកដ្ឋានផ្សេងទៀតនៅពេលនិយាយអំពីទិន្នន័យ និងការវិភាគ ជាពិសេសនឹងបន្តព្រិល។ ទិន្នន័យ និងការវិភាគមានសក្ដានុពលក្នុងការជំរុញលទ្ធផលអាជីវកម្មជាវិជ្ជមាន និងមានន័យខ្លាំង ហើយនៅពេលដែលវាកើតឡើង ជារឿយៗក៏មានកិច្ចសហការដ៏មានឥទ្ធិពលលើផ្នែកមុខងារផ្សេងៗគ្នាផងដែរ ដោយសារពួកគេម្នាក់ៗមានកម្រិតនៃការទទួលខុសត្រូវសម្រាប់ភាពជោគជ័យនៃវិធីសាស្រ្តវិភាគ។ ផ្នែកដូចជាអភិបាលកិច្ចទិន្នន័យ ចំណេះដឹងទិន្នន័យ វេទិកាទិន្នន័យបើកចំហ ការធ្វើសមាហរណកម្ម និងការប្រើប្រាស់ទិន្នន័យនៅក្នុងផ្នែកផ្សេងៗនៃសហគ្រាសនឹងអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់អាជីវកម្មអាចអនុវត្តភារកិច្ចដែលបានបម្រុងទុកជាប្រពៃណីសម្រាប់ក្រុម IT ហើយទិន្នន័យដែលអង្គភាពអាជីវកម្មបង្កើតនឹងបញ្ចូលទៅក្នុងវេទិកាដែល IT គ្រប់គ្រង។ នេះ - រួមជាមួយនឹងកង្វះខាតអ្នកវិទ្យាសាស្ត្រទិន្នន័យ និងអ្នកជំនាញវិភាគ - ក៏មានន័យថាវេទិកាទិន្នន័យនឹងកាន់តែមានភាពរលូន និងងាយស្រួលក្នុងការដាក់ពង្រាយ ដូច្នេះគ្រប់ផ្នែកទាំងអស់នៃស្ថាប័នមួយនឹងអាចប្រើប្រាស់វាបាន។ - Frances Zelazny, CMO នៃ ការវិភាគសញ្ញា

នៅក្នុងទសវត្សរ៍ឆ្នាំ 2000 ការដាក់ Microsoft Office នៅលើប្រវត្តិរូបសង្ខេបរបស់អ្នកអាចធ្វើឱ្យអ្នកក្លាយជាបេក្ខជនដ៏ល្អសម្រាប់ការងារ ប៉ុន្តែមួយទសវត្សរ៍ក្រោយមកវាគឺជាជំនាញដែលត្រូវបានទទួលយក។ សព្វថ្ងៃនេះជំនាញ SQL អាចធ្វើឱ្យអ្នកលេចធ្លោ ប៉ុន្តែតើនឹងមានអ្វីកើតឡើងនៅប៉ុន្មានឆ្នាំខាងមុខ?

នៅពេលដែលចំណេះដឹងទិន្នន័យកើនឡើង ជំនាញវិភាគនឹងក្លាយជាបទដ្ឋានសម្រាប់អ្នកជំនាញអាជីវកម្មទាំងអស់ ហើយចាប់ផ្តើមបាត់ពីប្រវត្តិរូបរបស់បេក្ខជន។ ដូចដែលអ្នកទំនងជាមិនឃើញ 'ជំនាញការិយាល័យ' ថ្ងៃនេះទេ អ្នកទំនងជាមិនឃើញ 'ភាពស្ទាត់ជំនាញទិន្នន័យ' នៅចុងបញ្ចប់នៃទសវត្សរ៍នេះ។ យើងបានចូលទៅក្នុងរលកទីបីនៃការវិភាគ ហើយជាមួយនឹងវា ការរំពឹងទុកដែលអ្នកប្រើប្រាស់អាជីវកម្មអាចធ្វើអន្តរកម្មជាមួយទិន្នន័យដោយគ្មានជំនួយពីអ្នកជំនាញ។ ឆាប់ៗនេះ ប្រសិនបើអ្នកមិនអាចរៀបការជាមួយទិន្នន័យរឹងជាមួយបរិបទអាជីវកម្មដើម្បីកំណត់ និងប្រតិបត្តិយុទ្ធសាស្ត្របានទេ អ្នកនឹងតស៊ូនៅកន្លែងធ្វើការ។ បេក្ខជនដ៏ល្អសម្រាប់អាជីវកម្មនៅឆ្នាំ 2021 និងលើសពីនេះនឹងក្លាយជាមនុស្សដែលអាចយល់ និងនិយាយទិន្នន័យបាន ពីព្រោះក្នុងរយៈពេលខ្លីៗ ចំណេះដឹងផ្នែកទិន្នន័យនឹងក្លាយជាអ្វីដែលនិយោជកទាមទារ និងរំពឹងទុក។ អ្នកដែលចង់ឈានទៅមុខកំពុងទទួលបានទេពកោសល្យទាំងនេះឥឡូវនេះ។ - នាយកប្រតិបត្តិ ThoughtSpot Sudheesh Nair

នៅពេលដែលក្រុមហ៊ុនផ្លាស់ប្តូរហេដ្ឋារចនាសម្ព័ន្ធទិន្នន័យរបស់ពួកគេទៅជាសហព័ន្ធ (ម៉ាស៊ីនមួយសួរប្រភពផ្សេងៗគ្នា) ដែលត្រូវបានបំបែកចេញ (កុំព្យូទ័រដាច់ដោយឡែកពីការផ្ទុកគឺដាច់ដោយឡែកពីទិន្នន័យបឹង) ជង់ យើងនឹងឃើញការផ្ទុកទិន្នន័យបែបប្រពៃណី និងស្ថាបត្យកម្មមូលដ្ឋានទិន្នន័យដែលរួមបញ្ចូលគ្នាយ៉ាងតឹងរ៉ឹងត្រូវបានទម្លាក់ទៅបន្ទុកការងារចាស់។ ប៉ុន្តែរឿងមួយនឹងនៅដដែលនៅពេលដែលវាមកដល់ការផ្លាស់ប្តូរនេះ - SQL នឹងបន្តជាភាសារបារាំងសម្រាប់ការវិភាគ។ អ្នកវិភាគទិន្នន័យ វិស្វករទិន្នន័យ អ្នកវិទ្យាសាស្ត្រទិន្នន័យ និងអ្នកគ្រប់គ្រងផលិតផល រួមជាមួយអ្នកគ្រប់គ្រងមូលដ្ឋានទិន្នន័យរបស់ពួកគេនឹងប្រើ SQL សម្រាប់ការវិភាគ។ - លោក Dave Simmen សហស្ថាបនិក និងជាប្រធានផ្នែកបច្ចេកវិទ្យា (CTO) អាណា។

ស្ថាប័ននៅគ្រប់ទីកន្លែងកំពុងបង្កើនការប្រើប្រាស់ប្រព័ន្ធវិភាគរបស់ពួកគេ ប៉ុន្តែត្រូវបានប្រឈមជាមួយនឹងតម្រូវការសម្រាប់វេទិកាទិន្នន័យព្រឹត្តិការណ៍ដែលអាចអនុវត្តការឈ្លោះប្រកែកគ្នាទិន្នន័យតាមពេលវេលាជាក់ស្តែង។ នៅឆ្នាំ 2021 អង្គការនឹងទាមទារវេទិកាទិន្នន័យឆ្លាតវៃដែលអាចប្រើប្រាស់ទិន្នន័យឋិតិវន្ត និងស្ទ្រីមទិន្នន័យពីប្រភពផ្សេងៗគ្នាក្នុងទម្រង់ ទំហំ ឬល្បឿនណាមួយ។ វាយលុកទិន្នន័យ (បង្កើននិងផែនទី) នៅលើយន្តហោះ; និងបញ្ជូនទិន្នន័យទៅកាន់ប្រព័ន្ធ ឧបករណ៍ និងកម្មវិធីដោយសុវត្ថិភាព និងក្នុងពេលវេលាជាក់ស្តែង។ - Sean Bowen នាយកប្រតិបត្តិនៃ បច្ចេកវិទ្យារុញ

សំណួរ SQL តែមួយសម្រាប់បន្ទុកទិន្នន័យទាំងអស់។ ផ្លូវឆ្ពោះទៅមុខគឺមិនត្រឹមតែផ្អែកលើស្វ័យប្រវត្តិកម្មប៉ុណ្ណោះទេ ថែមទាំងនៅលើរបៀបដែលអ្នកអាចធ្វើឱ្យការវិភាគរបស់អ្នកអាចចូលដំណើរការបាន និងអាចចែករំលែកបានយ៉ាងឆាប់រហ័ស និងទូលំទូលាយផងដែរ។ ការវិភាគផ្តល់ឱ្យអ្នកនូវទិសដៅច្បាស់លាស់នៃជំហានបន្ទាប់របស់អ្នកគួរធ្វើ ដើម្បីរក្សាអតិថិជន និងនិយោជិតឱ្យសប្បាយចិត្ត ហើយថែមទាំងជួយសង្គ្រោះជីវិតទៀតផង។ ការគ្រប់គ្រងទិន្នន័យរបស់អ្នកលែងជាភាពប្រណិតទៀតហើយ ប៉ុន្តែជាការចាំបាច់ ហើយកំណត់ថាតើអ្នក ឬក្រុមហ៊ុនរបស់អ្នកនឹងទទួលបានជោគជ័យប៉ុណ្ណា។ ប្រសិនបើអ្នកអាចលុបភាពស្មុគស្មាញ ឬការចំណាយលើការគ្រប់គ្រងទិន្នន័យ អ្នកនឹងមានប្រសិទ្ធភាពខ្លាំង។ ទីបំផុត អ្នកឈ្នះនៃលំហនឹងយកភាពស្មុគស្មាញ និងការចំណាយចេញពីការគ្រប់គ្រងទិន្នន័យ ហើយបន្ទុកការងារនឹងត្រូវបានបង្រួបបង្រួម ដូច្នេះអ្នកអាចសរសេរសំណួរ SQL តែមួយដើម្បីគ្រប់គ្រង និងចូលប្រើបន្ទុកការងារទាំងអស់នៅទូទាំងកន្លែងស្នាក់នៅទិន្នន័យច្រើន។ - Raj Verma នាយកប្រតិបត្តិនៃ ហាងតែមួយ

សមត្ថភាព AI និងវិភាគត្រូវបានផ្តល់ដោយវេទិកា / ក្រុមផ្សេងៗគ្នាកាលពីអតីតកាល។ ប៉ុន្មានឆ្នាំមកនេះ យើងកំពុងមើលឃើញថាវេទិកានេះកំពុងរួបរួមគ្នា ហើយក្រុម AI កាន់តែផ្តោតទៅលើផ្នែកខាងក្បួនដោះស្រាយ ខណៈដែលក្រុមវេទិកា AI & Analytics បានរួមបញ្ចូលគ្នាដើម្បីផ្តល់ហេដ្ឋារចនាសម្ព័ន្ធផ្នែកទន់សម្រាប់ទាំងករណីវិភាគ និងការប្រើប្រាស់ AI ។ - Haoyuan Li ស្ថាបនិក និងជានាយកប្រតិបត្តិ។ អាលូស៊ីអូ

ក្នុងនាមជាអ្នកជំនាញផ្នែកទិន្នន័យ យើងមានទំនួលខុសត្រូវចំពោះសាធារណជនទូទៅ។ ខ្ញុំគិតថានៅឆ្នាំក្រោយ យើងនឹងឃើញវឌ្ឍនភាពឆ្ពោះទៅរកក្រមសីលធម៌ក្នុងចន្លោះវិភាគទិន្នន័យ ដែលដឹកនាំដោយក្រុមហ៊ុនដឹងខ្លួន ដែលទទួលស្គាល់ភាពធ្ងន់ធ្ងរនៃការរំលោភបំពានដែលអាចកើតមាន។ ប្រហែលជារដ្ឋាភិបាលសហរដ្ឋអាមេរិកនឹងធ្វើអន្តរាគមន៍ និងឆ្លងកាត់កំណែមួយចំនួននៃ GDPR របស់ខ្លួន ប៉ុន្តែខ្ញុំជឿថាក្រុមហ៊ុនបច្ចេកវិទ្យានឹងដឹកនាំការចោទប្រកាន់នេះ។ អ្វីដែល Facebook បានធ្វើជាមួយទិន្នន័យការចូលរួមគឺមិនខុសច្បាប់ទេ ប៉ុន្តែយើងឃើញថាវាអាចមានផលប៉ះពាល់យ៉ាងធ្ងន់ធ្ងរដល់ការអភិវឌ្ឍន៍កុមារ និងលើទម្លាប់ផ្ទាល់ខ្លួនរបស់យើង។ ក្នុងរយៈពេលប៉ុន្មានឆ្នាំខាងមុខនេះ យើងនឹងពិនិត្យមើលឡើងវិញនូវវិធីដែលក្រុមហ៊ុនបានប្រើប្រាស់ទិន្នន័យផ្ទាល់ខ្លួនក្នុងទសវត្សរ៍ឆ្នាំ 2010 និងធ្វើឱ្យខូចទ្រង់ទ្រាយដូចដែលយើងធ្វើ នៅពេលដែលយើងឃើញមនុស្សជក់បារីនៅលើយន្តហោះនៅក្នុងខ្សែភាពយន្តពីទសវត្សរ៍ឆ្នាំ 1960 ។ - លោក Jeremy Levy នាយកប្រតិបត្តិនៃ សូចនាករ

អារម្មណ៍គឺជាកត្តាសំខាន់ដែលប៉ះពាល់ដល់អាកប្បកិរិយារបស់អតិថិជន និងមានឥទ្ធិពលយ៉ាងខ្លាំងទៅលើភាពស្មោះត្រង់របស់ម៉ាក។ ដូច្នេះ វាមានប្រយោជន៍កាន់តែខ្លាំងឡើងសម្រាប់ក្រុមហ៊ុននានាក្នុងការស្វែងរកវិធីមួយដើម្បីវាស់ស្ទង់អារម្មណ៍របស់អតិថិជនក្នុងអំឡុងពេលដំណើរការធ្វើការសម្រេចចិត្តរបស់ពួកគេ។ ការវិភាគអារម្មណ៍ផ្តោតលើការសិក្សា និងការទទួលស្គាល់នូវភាពពេញលេញនៃអារម្មណ៍របស់មនុស្ស ដែលរួមមានអារម្មណ៍ អាកប្បកិរិយា និងបុគ្គលិកលក្ខណៈ។ វាប្រើគំរូទស្សន៍ទាយ និង AI/ML ដើម្បីវិភាគចលនារបស់មនុស្ស ការជ្រើសរើសពាក្យ សម្លេង និងទឹកមុខ។ ការវិភាគតាមអារម្មណ៍អាចជួយក្រុមហ៊ុននានាបង្កើតទម្រង់អតិថិជនរួមកាន់តែច្រើន យល់ពីរបៀបមានឥទ្ធិពលលើអារម្មណ៍ និងអភិវឌ្ឍផលិតផល និងសេវាកម្មតាមតម្រូវការដែលតម្រូវតាមបុគ្គល។ ការវិភាគអារម្មណ៍អំពីផលិតផល និងសេវាកម្ម ទូទាំងភូមិសាស្រ្ត បណ្តាញសង្គម និងគេហទំព័រពិនិត្យឡើងវិញ អាចឱ្យក្រុមហ៊ុនយល់កាន់តែច្បាស់ និងបង្កើនកម្រិតពេញចិត្តរបស់អតិថិជនរបស់ពួកគេ។ ដោយប្រើការវិភាគអារម្មណ៍ ក្រុមហ៊ុននានាអាចយល់កាន់តែច្បាស់អំពីរបៀបដែលទីផ្សារ និងសេវាកម្មរបស់ពួកគេមានឥទ្ធិពលលើអារម្មណ៍ ដើម្បីផ្តល់នូវបទពិសោធន៍ដែលទាក់ទាញអតិថិជនឱ្យកាន់តែមានភាពវិជ្ជមាន។ - Paul Moxon, SVP, Data Architecture នៅ ដេណូដូ

ការទទួលបានការវិភាគផលិតផលត្រឹមត្រូវគឺពិបាកណាស់។ រាល់អន្តរកម្មនាំមកនូវទិន្នន័យជាច្រើន ហើយការជីកកកាយវាដើម្បីស្វែងរកការយល់ដឹងអំពី 'ម្ជុលនៅក្នុងវាលស្មៅ' ទាមទារការខិតខំប្រឹងប្រែង វិន័យ និងពេលវេលាជាច្រើនដើម្បីធ្វើឱ្យវាដំណើរការ។ ឧបសគ្គទាំងនេះក្នុងការបញ្ចូលមានន័យថាការវិភាគទិន្នន័យត្រូវបានកំណត់ជាញឹកញាប់ចំពោះក្រុមហ៊ុនដែលមានធនធាន កម្រិតបញ្ជូន និងចំណេះដឹងដើម្បីធ្វើវាបានត្រឹមត្រូវ។ ប៉ុន្តែវាក៏ជាវិន័យមួយដែលកំពុងកើនឡើងនៅក្នុងសារៈសំខាន់ — សូម្បីតែមុនពេលជំងឺរាតត្បាតក៏ដោយ អន្តរកម្មរបស់អ្នកប្រើប្រាស់ជាមួយម៉ាកជាទូទៅកំពុងកើតឡើងនៅលើវេទិកាឌីជីថល ហើយឥឡូវនេះពួកគេនៅទីនោះស្ទើរតែទាំងស្រុង។ មានព័ត៌មានជាច្រើនរាប់មិនអស់នៅទីនោះ ដែលអាចពន្យល់ពី ROI នៃអន្តរកម្មនីមួយៗ ហើយដោយគ្មានការសង្ស័យ នោះមួយចំនួនអាចផ្លាស់ប្តូរហ្គេមបាន។ ប៉ុន្តែនិយាយដោយត្រង់ទៅ យើងជាមនុស្ស ហើយប្រសិនបើយើងត្រូវប្រឹងប្រែងដើម្បីទទួលបានតម្លៃពីអ្វីមួយ នោះយើងនឹងមិនសូវធ្វើវាជាប់លាប់នោះទេ។ នោះហើយជាមូលហេតុដែលនៅឆ្នាំ 2021 អ្នកវិភាគនឹងផ្លាស់ប្តូរពីការក្លាយជាហ្គេមដែលមានប្រតិកម្ម - ការប្រមូលទិន្នន័យដែលអ្នកវិភាគបន្ទាប់មកត្រូវរុះរើដើម្បីស្វែងរកការយល់ដឹងទាំងនោះ - ទៅជាក្រុមសកម្ម ដោយភ្ជាប់ក្រុមដោយផ្ទាល់ទៅ "a-ha!" ពេលវេលាដែលជម្រុញសកម្មភាពភ្លាមៗ និងផ្តល់ព័ត៌មាន។ - Matin Movassate នាយកប្រតិបត្តិ និងជាស្ថាបនិកក្រុមហ៊ុន ហ៊ាប

បញ្ញាសិប្បនិម្មិត

នៅពេលដែលអាជីវកម្មសម្លឹងឆ្ពោះទៅរកគោលដៅដើម្បីបើកឡើងវិញ និងទាញយកចរន្តប្រាក់ចំណូលឱ្យបានគ្រប់គ្រាន់ ពួកគេនឹងត្រូវប្រើបច្ចេកវិទ្យាឆ្លាតវៃ ដើម្បីប្រមូលនូវការយល់ដឹងសំខាន់ៗក្នុងពេលវេលាជាក់ស្តែងដែលអនុញ្ញាតឱ្យពួកគេធ្វើដូច្នេះបាន។ ការទទួលយកបច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិត (AI) អាចជួយណែនាំក្រុមហ៊ុនឱ្យយល់ថាតើយុទ្ធសាស្រ្តរបស់ពួកគេក្នុងការរក្សាអតិថិជន និងបុគ្គលិកឱ្យមានសុវត្ថិភាពកំពុងដំណើរការដែរឬទេ ខណៈពេលដែលបន្តជំរុញកំណើន។ នៅពេលដែលក្រុមហ៊ុនទទួលស្គាល់សមត្ថភាពពិសេសរបស់ AI ដើម្បីជួយសម្រួលដល់ការគ្រប់គ្រងគោលនយោបាយសាជីវកម្ម និងការអនុលោមតាមច្បាប់ ធានាសុវត្ថិភាព និងវិវឌ្ឍន៍បទពិសោធន៍របស់អតិថិជន យើងនឹងឃើញអត្រាកើនឡើងនៃការទទួលយក AI នៅទូទាំងឧស្សាហកម្ម។ - Hillary Ashton, EVP និងប្រធានផ្នែកផលិតផលនៅ តេរ៉ាតាតា

នៅឆ្នាំ 2021 យើងនឹងឃើញ AI, machine learning និង IoT កំណត់ និងរៀបចំជីវិត និងអាកប្បកិរិយារបស់យើង ដែលជាបាតុភូតដែលនឹងបន្តអស់រយៈពេលជាច្រើនឆ្នាំទៅមុខទៀត។ ភាពជឿនលឿនទាំងនេះប៉ះពាល់ដល់របៀបដែលយើងធ្វើការ របៀបដែលយើងទិញ របៀបដែលយើងចំណាយ របៀបដែលយើងធ្វើរាល់រឿងតូចតាចក្នុងជីវិតរបស់យើង។ ប៉ុន្តែខ្ញុំគិតថា តារាពិតដែលក្រុមហ៊ុននឹងងាកទៅរក នឹងក្លាយជាបច្ចេកវិទ្យាដែលអាចអនុញ្ញាតបានដូចជា cloud និង edge computing ដែលនឹងបន្តគ្របដណ្តប់ដោយសារតែសមត្ថភាពរបស់ពួកគេក្នុងដំណើរការ និងគ្រប់គ្រងទិន្នន័យចាំបាច់ទាំងអស់ដែលជំរុញដល់ AI, ML និង IoT ដូចជា ក៏ដូចជាការបើកដំណើរការបច្ចេកវិទ្យាដូចជា iPaaS, APIM និង RPA ។ បច្ចេកវិទ្យាទាំងនេះនឹងបន្តនាំមុខការគិតថ្លៃបំលាស់ប្តូរឌីជីថលសម្រាប់អាជីវកម្ម នៅពេលដែលពួកគេផ្លាស់ប្តូរពីអាជីវកម្មដែលជំរុញដោយសៀវភៅ ឬក្រដាស ទៅជាអាជីវកម្មឌីជីថល ដែលទីបំផុតអាចទាញយកថាមពលនៃ AI និង IoT ។ – Manoj Choudhary, CTO នៅ ជេសប៊ីប៊ីក

Artificial Intelligence ក្លាយជាសិប្បនិម្មិតតិចជាងនៅឆ្នាំ 2021៖ ទោះបីជាមានវ៉ាក់សាំងសម្រាប់ COVID-19 នៅលើជើងមេឃក៏ដោយ របៀបដែលមនុស្សធ្វើការ និងអន្តរកម្មបានផ្លាស់ប្តូរជាមូលដ្ឋាន។ ក្នុងឆ្នាំថ្មីនេះ ការងារពីចម្ងាយនឹងបន្ត តម្រូវការគម្លាតសង្គមនឹងនៅតែមាន ហើយសង្វាក់ផ្គត់ផ្គង់នឹងបន្តប្រឈមមុខនឹងការរំខាន។ វិធីថ្មីនៃជីវិតនេះទាមទារវិធីថ្មីសម្រាប់ក្រុមហ៊ុនដើម្បីបន្តប្រតិបត្តិការប្រកបដោយប្រសិទ្ធភាពនៅទូទាំងខ្សែសង្វាក់តម្លៃ - ពីផលិតផលទៅរោងចក្ររហូតដល់អ្នកប្រើប្រាស់ចុងក្រោយ។ ការប្រើប្រាស់បញ្ញាសិប្បនិម្មិត (AI) នឹងក្លាយជាស្តង់ដារសម្រាប់ដោះស្រាយបញ្ហាប្រឈមទាំងនេះ។ ទោះជាយ៉ាងណាក៏ដោយ ដោយមិនគិតពីរបៀបដែលមនុស្សនឹងធ្វើអន្តរកម្មជាមួយ និងប្រើប្រាស់ប្រព័ន្ធស្វយ័តថ្មីទាំងនេះ AI នឹងបរាជ័យ។

នៅឆ្នាំ 2021 សហគ្រាសនឹងប្រើប្រាស់វិធីសាស្រ្តផ្តោតលើមនុស្សចំពោះគំនិតផ្តួចផ្តើម AI ការយល់ដឹងពីតម្រូវការ និងតម្លៃរបស់អ្នកប្រើប្រាស់ បន្ទាប់មកកែសម្រួលការរចនា និងម៉ូដែល AI ទៅតាមនោះ ដែលនឹងធ្វើឱ្យការអនុម័តកាន់តែប្រសើរឡើង។ សហគ្រាសត្រូវតែផ្តោតលើមនុស្ស និងវប្បធម៌ដូចគ្នាទៅនឹងបច្ចេកវិទ្យាសម្រាប់ AI ដើម្បីទទួលបានជោគជ័យ។ ក្រុមគ្រប់គ្រងការផ្លាស់ប្តូររបស់អង្គការ (OCM) នឹងមានសារៈសំខាន់សម្រាប់ការជំរុញការផ្លាស់ប្តូរឌីជីថល និង AI ឆ្ពោះទៅមុខដោយនាំយកមនុស្សមកជាមួយសម្រាប់ដំណើរផ្លាស់ប្តូរ និងរៀបចំស្ថាប័នសម្រាប់លទ្ធផលដែលអាចវាស់វែងបាន។ ការគ្រប់គ្រងការផ្លាស់ប្តូរបានត្រឹមត្រូវគឺជាការសំខាន់បំផុត – ប៉ុន្តែត្រូវបានមើលរំលង – ទិដ្ឋភាពនៃការផ្តួចផ្តើមការផ្លាស់ប្តូរឌីជីថលណាមួយ។ – George Young នាយកគ្រប់គ្រងសកលនៅ កាលីបសូ

នៅឆ្នាំ 2021 សហគ្រាសនឹងផ្លាស់ទីឆ្ងាយពីការឈ្នះរហ័សដោយពឹងផ្អែកលើប្រព័ន្ធ AI ដើម្បីផ្តោតលើតម្លៃអាជីវកម្មយូរអង្វែង និងមានអត្ថន័យ។ ការផ្លាស់ប្តូរនេះនឹងជំរុញឱ្យមានគំនិតផ្តួចផ្តើមការយល់ដឹងអំពីទិន្នន័យកាន់តែស៊ីជម្រៅនៅទូទាំងស្ថាប័ន។ វានឹងតម្រូវឱ្យមនុស្សរៀនជំនាញថ្មី និងប្រព្រឹត្តតាមរបៀបថ្មី។ - Sundeep Reddy Mallu ប្រធានផ្នែកវិភាគនៅ ហ្គ្រីនណេន

អ្នកប្រើប្រាស់ភាគច្រើននឹងបន្តមានការសង្ស័យចំពោះ AI ។ ជាមួយនឹងម៉ាកអ្នកប្រើប្រាស់ធំ ៗ ជាច្រើននៅក្នុងកៅអីក្តៅជុំវិញក្រមសីលធម៌ AI ដែលគួរឱ្យសង្ស័យ មនុស្សភាគច្រើននៅតែមិនទុកចិត្ត AI ។ សម្រាប់មនុស្សជាច្រើន វាគឺដោយសារតែពួកគេមិនយល់ ឬសូម្បីតែដឹងថាពួកគេកំពុងប្រើប្រាស់វាជារៀងរាល់ថ្ងៃ។ អ្នកប្រើប្រាស់កំពុងទទួលបានសេវាកម្មដែលដំណើរការដោយ AI ជាច្រើនដោយមិនគិតថ្លៃ ដូចជា Facebook, Google, TikTok ជាដើម។ — ដែលពួកគេមិនយល់ពីអ្វីដែលពួកគេកំពុងលះបង់ផ្ទាល់ខ្លួនជាថ្នូរនឹង - ពោលគឺទិន្នន័យផ្ទាល់ខ្លួនរបស់ពួកគេ។ ដរាបណាសាធារណជនទូទៅនៅតែបន្តភាពឆោតល្ងង់ ពួកគេនឹងមិនអាចគិតទុកជាមុនអំពីគ្រោះថ្នាក់ដែល AI អាចណែនាំ ឬវិធីការពារខ្លួនបានឡើយ លុះត្រាតែទីផ្សារអប់រំអតិថិជនបានប្រសើរជាងមុន ឬអនុវត្តបទប្បញ្ញត្តិដើម្បីការពារពួកគេ។ ទោះជាយ៉ាងនេះក្តី មានភស្តុតាងមួយចំនួនដែលថាយើងកំពុងបង្វែរជ្រុងនៃភាពជឿជាក់របស់ AI ។ XNUMX ភាគរយនៃអ្នកដឹកនាំអាជីវកម្មដែលឆ្លើយតបទៅនឹងការស្ទង់មតិនាពេលខាងមុខរបស់ Pega បាននិយាយថាពួកគេមានសុទិដ្ឋិនិយមថាភាពលំអៀងរបស់ AI នឹងត្រូវបានកាត់បន្ថយឱ្យបានគ្រប់គ្រាន់ក្នុងរយៈពេល XNUMX ឆ្នាំ។ ធុរកិច្ចមានសង្ឃឹមប្រសើរជាងនេះថាវាក្លាយជាការពិត - ដោយសារតែសាធារណៈជនកាន់តែច្រើនឡើងអំពីរបៀបដែល AI មានឥទ្ធិពលលើជីវិតរបស់ពួកគេ ហើយក្នុងករណីខ្លះលេងជាចំណូលចិត្ត ពួកគេនឹងបន្តសួរសំណួរកាន់តែពិបាកដែលបំផ្លាញទំនុកចិត្តលើ AI ដោយបង្ខំឱ្យអាជីវកម្ម។ ត្រូវតែឆ្លើយទៅពួកគេ។ - Vince Jeffs នាយកជាន់ខ្ពស់ - យុទ្ធសាស្រ្តផលិតផល ទីផ្សារ AI និងការសម្រេចចិត្ត Pega

បុគ្គលិកឌីជីថលដែលដំណើរការដោយ AI នឹងជួយឱ្យអាជីវកម្មរក្សាយុទ្ធសាស្ត្រក្នុងរយៈពេលវែង។ មនុស្សមួយចំនួនមិនយល់ស្របនឹងគំនិតដែលថា AI និងស្វ័យប្រវត្តិកម្មមានសារៈសំខាន់សម្រាប់ការរស់រានមានជីវិតរបស់ក្រុមហ៊ុននាពេលខាងមុខ។ ទោះជាយ៉ាងណាក៏ដោយ ការស្រាវជ្រាវបានបង្ហាញថាក្រុមហ៊ុនភាគច្រើនមិនទាន់បានដឹងពីអត្ថប្រយោជន៍នៃ AI និងការវិនិយោគស្វ័យប្រវត្តិកម្មរបស់ពួកគេនៅឡើយទេ។ តាមរយៈការភ្ជាប់សមត្ថភាព AI ដ៏មានអានុភាពទៅនឹងដំណើរការអាជីវកម្មតាមរយៈកម្លាំងពលកម្មឌីជីថល យើងនឹងឃើញកាន់តែខ្លាំងឡើងនូវអង្គការនានាអនុវត្តស្វ័យប្រវត្តិកម្មដែលជំរុញដោយ AI ក្នុងទំហំធំ។ ស្វ័យប្រវត្តិកម្មដែលបញ្ចូលដោយ AI នឹងត្រូវបានភ្ជាប់កាន់តែខ្លាំងឡើងទៅនឹងគំនិតផ្តួចផ្តើមយុទ្ធសាស្ត្រស្នូល ដូចជាការផ្តោតអារម្មណ៍អតិថិជនកាន់តែប្រសើរឡើង កំណើនប្រាក់ចំណូល ការបែងចែកដើមទុន ការគ្រប់គ្រងខ្សែសង្វាក់ផ្គត់ផ្គង់ ការគ្រប់គ្រងហានិភ័យ ការចំណាយ និងប្រសិទ្ធភាពប្រតិបត្តិការ និងច្រើនទៀត។ បុគ្គលិកឌីជីថលដែលដំណើរការដោយ AI នឹងត្រូវបានប្រើប្រាស់ជាឧបករណ៍ចម្បងសម្រាប់ការអនុវត្តយុទ្ធសាស្ត្រសាជីវកម្ម និងការគ្រប់គ្រងហានិភ័យខ្នាតសហគ្រាស។ ការអនុម័តយ៉ាងរហ័ស និងមានប្រសិទ្ធភាពនៃស្វ័យប្រវត្តិកម្មនឹងកាន់តែខ្លាំងឡើងត្រូវបានគេមើលឃើញថាជាធាតុផ្សំដ៏សំខាន់ដើម្បីរក្សាការប្រកួតប្រជែងនៅក្នុងទីផ្សារ។ - Eric Tyree ប្រធាន AI និងស្រាវជ្រាវនៅ Blue Prism

ការពិសោធន៍ AI នឹងក្លាយជាយុទ្ធសាស្ត្រកាន់តែច្រើន។ ការពិសោធន៍កើតឡើងពេញមួយដំណើរការអភិវឌ្ឍគំរូទាំងមូល - ជាធម្មតារាល់ការសម្រេចចិត្តសំខាន់ៗ ឬការសន្មត់មកជាមួយយ៉ាងហោចណាស់ការពិសោធន៍មួយចំនួន ឬការស្រាវជ្រាវពីមុន ដើម្បីបង្ហាញអំពីភាពត្រឹមត្រូវនៃការសម្រេចចិត្តទាំងនោះ។ ការពិសោធន៍អាចមានទម្រង់ជាច្រើន ចាប់ពីការបង្កើតគំរូ ML ដែលអាចទស្សន៍ទាយបានពេញលេញ រហូតដល់ការធ្វើតេស្តស្ថិតិ ឬទិន្នន័យគំនូសតាង។ ការសាកល្បងបន្សំទាំងអស់នៃគ្រប់ hyperparameter ដែលអាចធ្វើទៅបាន ការដោះស្រាយមុខងារ។ ដូច្នេះ យើងនឹងចាប់ផ្តើមឃើញស្ថាប័នកំណត់ពេលវេលា និង/ឬថវិកាគណនាសម្រាប់ការពិសោធន៍ ក៏ដូចជាកម្រិតនៃការទទួលយកបានសម្រាប់អត្ថប្រយោជន៍នៃគំរូ។ - Florian Douetteau នាយកប្រតិបត្តិ និងជាសហស្ថាបនិកនៃ ដាតាយគូ

នៅឆ្នាំ 2021 ទីបំផុតយើងនឹងឃើញ AI ដំណើរការជាចម្បង។ ជាលទ្ធផលនៃ COVID-19 អាជីវកម្មត្រូវបានបង្ខំឱ្យផ្លាស់ប្តូរជាឌីជីថល ដើម្បីរស់រានមានជីវិតធម្មតាថ្មី។ យោងតាមការស្រាវជ្រាវរបស់យើង ការបង្កើនល្បឿនឌីជីថលមិនបង្ហាញពីសញ្ញានៃការបញ្ឈប់នៅក្នុងឆ្នាំថ្មីនោះទេ ដោយ 86% នៃក្រុមហ៊ុនបច្ចុប្បន្នកំពុងទទួលបានអត្ថប្រយោជន៍នៃបទពិសោធន៍អតិថិជនកាន់តែប្រសើរតាមរយៈ AI ទំនងជានឹងបន្ត។ ជំងឺរាតត្បាតក៏បានផ្លាស់ប្តូរអាទិភាពអាជីវកម្មសម្រាប់ការវិនិយោគ AI ផងដែរ។ ជាឧទាហរណ៍ យើងបានឃើញក្រុមហ៊ុនផ្លាស់ប្តូរពីការងារសាមញ្ញៗដូចជា ស្វ័យប្រវត្តិកម្ម មកផ្តោតលើការធ្វើផែនការកម្លាំងពលកម្ម និងការធ្វើគំរូក្លែងធ្វើ។ នៅពេលដែលស្ថាប័នបន្តមើលឃើញអត្ថប្រយោជន៍ពីការវិនិយោគឌីជីថលរបស់ពួកគេនៅក្នុងដំណើរការដ៏ស្មុគស្មាញនោះ AI នឹងកាន់តែរីករាលដាល និងប្រើប្រាស់យ៉ាងទូលំទូលាយនៅឆ្នាំក្រោយ។ - Anand Rao, Global Artificial Intelligence Lead នៅ PwC

ការបញ្ចូលគ្នានៃ AI & BI នឹងជំរុញការយល់ដឹងអំពីទិន្នន័យ។ AI គឺជាផ្នែកមួយនៃរាល់ការពិភាក្សាសាជីវកម្មក្នុងរយៈពេល 5 ឆ្នាំកន្លងមកនេះ។ ហើយទោះបីជាយ៉ាងណាក៏ដោយ បញ្ហាប្រឈមនៅតែបន្តកើតមានក្នុងការធ្វើប្រជាធិបតេយ្យការយល់ដឹងអំពី AI កម្រិតខ្ពស់នៅទូទាំងផ្នែកធំនៃបុគ្គលិក។ នៅពេលដែលផលិតផល BI ដើរដោយថាមពល AI ថ្មីលេចចេញ ស៊ីឡូសនឹងត្រូវខូច ហើយអ្នកប្រើប្រាស់គ្រប់រូបនឹងអាចប្រើប្រាស់ការវិភាគទិន្នន័យ និងស្វែងរកការយល់ដឹងបានយ៉ាងងាយស្រួល។ ចំណុចប្រទាក់សាមញ្ញ ការយល់ដឹងផ្ទាល់ខ្លួន និងបទពិសោធន៍ទិន្នន័យដែលចូលរួមនឹងក្លាយជាចំណុចសំខាន់នៃការវិភាគទិន្នន័យនៅឆ្នាំ 2021 និងលើសពីនេះ។ - Dhiren Patel, ប្រធានផ្នែកផលិតផលរបស់ MachEye និងជាប្រធានភាពជោគជ័យរបស់អតិថិជន

ភាពលំអៀងពូជសាសន៍នៅក្នុងក្បួនដោះស្រាយសម្គាល់មុខដែលជំរុញដោយ AI ជាច្រើនគឺជាប្រធានបទនៃការសន្ទនាដ៏ធំមួយកាលពីឆ្នាំមុន ហើយបានឈានចូលមកដល់ដោយសារតែភាពចលាចលសង្គមនៃឆ្នាំ 2020។ ការស្រាវជ្រាវបានរកឃើញ ភស្តុតាងរីករាលដាល ថាជនជាតិភាគតិចទំនងជាមានច្រើនជាងជនជាតិស្បែកសដែលត្រូវកំណត់អត្តសញ្ញាណខុស។ នៅឆ្នាំ 2021 យើងនឹងឃើញការកែតម្រូវនៃភាពលំអៀង AI ក្លាយជាប្រធានបទសំខាន់សម្រាប់ក្រុមហ៊ុនណាដែលប្រើប្រាស់បច្ចេកវិទ្យា AI ឬបច្ចេកវិទ្យាសម្គាល់មុខ។ ដោយប្រើឯកសារដែលចេញដោយរដ្ឋាភិបាល អ្នកអាចបញ្ជាក់ភាពជាម្ចាស់អត្តសញ្ញាណប័ណ្ណបានយ៉ាងឆាប់រហ័ស និងងាយស្រួលដោយការវិភាគមុខនៅលើឯកសារ ហើយប្រៀបធៀបវាទៅនឹងមុខដែលព្យាយាមចូលប្រើប្រព័ន្ធរបស់អ្នក។ ឆ្នាំ 2021 នឹងជាឆ្នាំដែលភាពលំអៀងរបស់ AI លេចចេញជារូបរាង ហើយក្រុមហ៊ុននឹងចាប់ផ្តើមអនុវត្តការផ្លាស់ប្តូររ៉ាឌីកាល់ដើម្បីលុបបំបាត់ភាពលំអៀងពូជសាសន៍នៅក្នុងកម្មវិធីរបស់ខ្លួន ដែលមួយចំនួនអាចធ្វើឡើងដោយដាក់ការផ្តោតអារម្មណ៍ដោយចេតនាលើភាពយុត្តិធម៌ និងការបណ្តុះបណ្តាលប្រព័ន្ធ ML របស់ក្រុមហ៊ុនដើម្បីកាត់បន្ថយការរើសអើងជាតិសាសន៍។ កំហុសក្នុងការទទួលស្គាល់។ - Mohan Mahadevan, VP of Research, Onfido

ឆ្នាំ 2021 នឹងជាឆ្នាំដែលក្រុមនានាចាប់ផ្តើមណាត់ជួប AI ធម្មតាទៅជាទំនាក់ទំនងដែលមានការតាំងចិត្ត។ AI មិនមែនសម្រាប់តែគម្រោង R&D ទៀតទេ។ វាដល់ពេលដែលត្រូវប្តេជ្ញាចិត្តក្នុងការសម្របខ្លួនទៅនឹងដំណោះស្រាយទាំងនេះ ជាជាងគ្រាន់តែចែចង់ជាមួយពួកគេ។ យើងត្រូវធ្វើស្វ័យប្រវត្តិឥឡូវនេះ។ - លោក David Karandish ស្ថាបនិក និងជានាយកប្រតិបត្តិនៃ សមត្ថភាព

ជាមួយនឹងការរួមបញ្ចូលគ្នានៃថាមពលកុំព្យូទ័រ ទិន្នន័យខ្នាតអ៊ីនធឺណិត និងក្បួនដោះស្រាយការរៀនម៉ាស៊ីនទំនើប យើងបានបំបែកមូលដ្ឋានថ្មីគួរឱ្យកត់សម្គាល់ជាមួយនឹង AI ក្នុងរយៈពេលប៉ុន្មានឆ្នាំចុងក្រោយនេះ។ ក្នុងប៉ុន្មានឆ្នាំខាងមុខនេះ យើងនឹងចូលទៅក្នុងយុគសម័យពង្រីក ដែលករណីប្រើប្រាស់ពាណិជ្ជកម្មដ៏វែងមួយនឹងត្រូវបានបង្កើតគំរូ វេចខ្ចប់ និងផលិត - ទាំងដើម្បីបង្កើនផលិតផល និងសេវាកម្មដែលមានស្រាប់ ឬបង្កើតថ្មីទាំងស្រុង។ - លោក Dave Costenaro ប្រធានផ្នែកទិន្នន័យនៅ សមត្ថភាព

ភាពជោគជ័យរបស់ AI ផ្លាស់ប្តូរពីគោលបំណងទូទៅទៅការផ្តោតអារម្មណ៍ពិសេស។ ខណៈពេលដែលការវិនិយោគ AI បន្តកើនឡើងនៅក្នុងសហគ្រាស អាជីវកម្មកំពុងវាយតម្លៃឡើងវិញនូវបណ្តុំបច្ចេកវិទ្យារបស់ពួកគេ ដើម្បីសម្រួលដល់ AI ពិសេស ជាជាងប្រអប់ខ្មៅ "គោលបំណងទូទៅ" ដែលអះអាងថានឹងធ្វើអ្វីគ្រប់យ៉ាង។ Niche ករណីប្រើប្រាស់ដ៏ល្អឥតខ្ចោះដែលដោះស្រាយបញ្ហាជាក់លាក់នឹងយកអាទិភាពថវិកា ជាជាងស្វ័យប្រវត្តិកម្មដែលសន្យាថានឹងធ្វើអ្វីគ្រប់យ៉ាង។ — Viral Bajaria, CTO នៅ ៦ ញ្ញាណ

ការកើនឡើងនៃភាពវៃឆ្លាតសិប្បនិម្មិត៖ មិនយូរប៉ុន្មាន AI គឺជាអ្វីដែលយើងស្គាល់ថាជាបញ្ញាទូទៅសិប្បនិម្មិត ដូចជារថយន្តបើកបរដោយខ្លួនឯង ឬការទទួលស្គាល់រូបភាពជាដើម។ ទោះជាយ៉ាងណាក៏ដោយ សព្វថ្ងៃនេះមានប្រភេទថ្មីនៃបញ្ញាតូចចង្អៀតសិប្បនិម្មិត ដែលកំពុងព្យាយាមចម្លងដំណើរការធ្វើការសម្រេចចិត្តរបស់មនុស្ស។ តាមទស្សនៈនៃខ្សែសង្វាក់ផ្គត់ផ្គង់ AI ថ្មីនេះអាចជួយជូនដំណឹងដល់ការសម្រេចចិត្តកាន់តែប្រសើរឡើងជុំវិញគ្រប់ទិដ្ឋភាពនៃខ្សែសង្វាក់ផ្គត់ផ្គង់ ចាប់ពី "តើខ្ញុំត្រូវបំពេញឡានដឹកទំនិញដោយរបៀបណា?" ឬ "តើខ្ញុំទទួលបានផលិតផលទាន់ពេលវេលាដោយរបៀបណា?" នៅឆ្នាំ 2021 ខ្ញុំកំពុងស្រមៃមើលការកើនឡើងនៃទាំងនេះ តូចចង្អៀត ដំណោះស្រាយដើម្បីជំនួសការសម្រេចបែបយុទ្ធសាស្ត្រ និងទំហំតូចជាង។ - Andy Fox នាយកនៃផលប៉ះពាល់សកលជាមួយ LLamasoft

នៅគែមយើងនឹងចាប់ផ្តើមឃើញ "Counter-AI" ចាប់ផ្តើមលេចចេញជារូបរាង។ នៅពេលដែលរដ្ឋាភិបាលព្យាយាមតាមដានមនុស្ស និងអាជីវកម្មព្យាយាមរៀបចំពួកគេ ឬទទួលបានការយល់ដឹងស៊ីជម្រៅអំពីអាកប្បកិរិយា ខ្ញុំបានព្យាករណ៍ពីផលប៉ះពាល់នៃវិធីសាស្រ្តក្នុងការរារាំងការតាមដាន និងអតិថិជន 360 ។ មិនដូចការងារដែលក្រុមផ្សេងៗបានធ្វើនៅលើឧបករណ៍សម្គាល់មុខទេ យើងនឹងចាប់ផ្តើមឃើញវិធីសាស្រ្តខ្ពស់ និងបច្ចេកវិទ្យាទាបសម្រាប់ការបំភ័ន្ត AI ដែលប្រើដើម្បីតាមដាន និងយល់ពីយើង។ - ប្រធានស្ថាបត្យកម្មសម្រាប់ អាតូសអាមេរិកខាងជើងAI Lab របស់ AI ក្នុងភាពជាដៃគូជាមួយ Google Cloud, Jonas Bull

នៅពេលដែលភ្នាក់ងារកាន់តែច្រើនចាប់ផ្តើមទទួលយកដំណោះស្រាយដែលមានមូលដ្ឋានលើ AI- និង ML ទាំងនេះ វាមានទំនួលខុសត្រូវលើការអនុវត្តច្បាប់ដើម្បីគោរពតាមគោលការណ៍សីលធម៌ និងដើម្បីលុបបំបាត់ភាពលំអៀងនៅក្នុងឧបករណ៍បែបនេះ។ ដូចនេះ នាយកដ្ឋាននឹងចាប់ផ្តើមបង្កើតគោលនយោបាយផ្ទាល់ខ្លួនរបស់ពួកគេ និងធ្វើការជាមួយស្ថាប័នគ្រប់គ្រងលើការប្រើប្រាស់ AI ប្រកបដោយការទទួលខុសត្រូវ និងប្រកបដោយក្រមសីលធម៌ រួមទាំងការបណ្តុះបណ្តាលត្រឹមត្រូវសម្រាប់ក្រុមពាក់ព័ន្ធ និងមុខងារអាជីវកម្ម ក៏ដូចជាការបង្កើតបរិយាកាសជាមួយនឹងក្រមសីលធម៌នៃការសម្រេចចិត្តដែលដឹកនាំដោយទិន្នន័យ និងការទទួលខុសត្រូវ។ - ការបង្កើត។ ឈានទៅមុខមួយជំហានទៀត អង្គការអនុវត្តច្បាប់នឹងបន្តធានាថាប្រព័ន្ធ AI ត្រូវបានគេត្រួតពិនិត្យថាមិនមានលំអៀង និងកែតម្រូវតាមតម្រូវការ។ ហើយពួកគេនឹងបើកបណ្តាញទំនាក់ទំនងជាមួយសាធារណៈជន ដើម្បីលើកកម្ពស់តម្លាភាពទាក់ទងនឹងការប្រើប្រាស់ឧបករណ៍ទាំងនេះ។ - Heather Mahalik នាយកជាន់ខ្ពស់នៃ Digital Intelligence, Cellebrite

យើងនឹងឃើញក្រុមហ៊ុនដែលជំរុញដោយទិន្នន័យកាន់តែច្រើនប្រើប្រាស់ប្រភពបើកចំហសម្រាប់ការវិភាគ និង AI នៅឆ្នាំ 2021។ បច្ចេកវិទ្យាវិភាគប្រភពបើកចំហដូចជា Presto និង Apache Spark power platforms AI ហើយមានភាពបត់បែន និងមានប្រសិទ្ធភាពជាងសមភាគីឃ្លាំងទិន្នន័យសហគ្រាសប្រពៃណីដែលពឹងផ្អែកលើការបង្រួបបង្រួម។ ទិន្នន័យនៅកន្លែងតែមួយ ជាការខិតខំប្រឹងប្រែងចំណាយពេលវេលា និងចំណាយច្រើន ដែលជាធម្មតាទាមទារឱ្យអ្នកផ្គត់ផ្គង់ចាក់សោចូល។ នៅឆ្នាំក្រោយនឹងឃើញការកើនឡើងនៃការប្រើប្រាស់ម៉ាស៊ីនវិភាគដូចជា Presto សម្រាប់កម្មវិធី AI ដោយសារតែលក្ខណៈបើកចំហរបស់វា - អាជ្ញាប័ណ្ណប្រភពបើកចំហ ទ្រង់ទ្រាយបើកចំហ ចំណុចប្រទាក់បើកចំហ និងពពកបើកចំហ។ - Dipti Borkar សហស្ថាបនិក និងជាប្រធានផ្នែកផលិតផល (CPO) អាណា។

ឧស្សាហកម្មនេះនឹងផ្លាស់ប្តូរឆ្ងាយពីវេទិកា AI ផ្ដេកទូទៅដូចជា IBM Watson និង Amazon Lex ឆ្ពោះទៅរកផលិតផលដែលដំណើរការដោយ AI ជាក់លាក់ និងគំរូសេវាកម្មដែលគ្រប់គ្រង។ វេទិកាទូទៅមិនមែនជាដំណោះស្រាយទេ ពួកគេចាប់ផ្តើមត្រជាក់ ដោយគ្មានទិន្នន័យបណ្តុះបណ្តាល ឬរចនាសម្ព័ន្ធគំរូទិន្នន័យ - ការកសាងវា បន្ទាប់មកការបង្កើនប្រសិទ្ធភាពវានៅក្នុងផលិតកម្មគឺជាការងារដែលពឹងផ្អែកខ្លាំងលើអ្នកជំនាញ និងធនធានដែលលើសពីសមត្ថភាពរបស់ក្រុមហ៊ុនភាគច្រើន។ ការផ្លាស់ប្តូរពីទីផ្សារអ្នកបង្កើតថ្មីដំបូងទៅជាការអនុម័តទីផ្សារដ៏ធំនឹងត្រូវបានជំរុញនៅឆ្នាំ 2021 ដោយការទទួលយកផលិតផលដែលដំណើរការដោយ AI ជាក់លាក់ដែលត្រូវបានបណ្តុះបណ្តាលជាមុនសម្រាប់ឧស្សាហកម្មជាក់លាក់មួយ ហើយត្រូវបានបង្ហាញថាដំណើរការ។ - លោក Jake Tyler សហស្ថាបនិក និងជានាយកប្រតិបត្តិ។ Finn AI

នៅឆ្នាំ 2021 AI នឹងមិនត្រូវបានគូសផែនទីលើវិសាលគមសមត្ថភាពរបស់មនុស្សទេ។ យើងអាចមាន algorithms ដែលកំទេចមនុស្សណាម្នាក់នៅអុក ប៉ុន្តែមិនអាចបង្កើតតែពែង និងកម្មវិធីកុំព្យូទ័រដែលអាចធ្វើគណិតវិទ្យាបានលឿនជាងមនុស្សរាប់លានដង ប៉ុន្តែប្រសិនបើសួរថាតើអ្នកណាអាចឈ្នះ World Cup លើកក្រោយ ពួកគេក៏មិនយល់ដែរ។ សំណួរ។ សមត្ថភាពរបស់ពួកគេមិនមានលក្ខណៈជាសកលទេ។ យើងបានឈានដល់ចំណុចមួយជាមួយនឹង AI ដែលក្នុងពេលដំណាលគ្នាយើងវាយតម្លៃលើស និងវាយតម្លៃថាមពលនៃក្បួនដោះស្រាយ។ នៅពេលដែលយើងវាយតម្លៃពួកគេលើស នោះយើងឃើញថាការវិនិច្ឆ័យរបស់មនុស្សត្រូវបានកាត់បន្ថយទៅជាការគិតក្រោយ ដែលជាកន្លែងគ្រោះថ្នាក់។ ការប្រើប្រាស់ "ក្បួនដោះស្រាយផ្លាស់ប្តូរ" ក្នុងការចាត់ថ្នាក់លទ្ធផលកម្រិត A គឺជារឿងអាស្រូវ du jour នៅចក្រភពអង់គ្លេស ទោះបីជាក្បួនដោះស្រាយបង្កើតលទ្ធផលជាច្រើនដែលគ្រាន់តែបំពានលើសុភវិនិច្ឆ័យក៏ដោយ។ នៅពេលដែលយើងប៉ាន់ស្មានក្បួនដោះស្រាយកម្រិតទាប យើងឃើញឧស្សាហកម្មទាំងមូលដួលរលំ ដោយសារពួកគេមិនបានឃើញការផ្លាស់ប្តូរនៅលើផ្តេក។ តើអាជីវកម្មតាក់ស៊ីប្រពៃណីអាចប្រកួតប្រជែងដោយរបៀបណា នៅពេលដែលក្បួនដោះស្រាយរបស់ Uber អាចឱ្យអ្នកជិះក្នុងរយៈពេលតិចជាង 3 នាទី? នៅឆ្នាំ 2021 រំពឹងថាវិស្វករនឹងជៀសវាងកំហុសឆ្គង AI និងក្បួនដោះស្រាយ ដោយមិនព្យាយាមគូសផែនទី algorithms ទៅលើវិសាលគមសមត្ថភាពរបស់មនុស្ស។ ការប្រើប្រាស់បច្ចេកវិទ្យា AI - ដូចជាការទទួលស្គាល់ការនិយាយបរិបទណាមួយ - ដើម្បីបង្កើននូវអ្វីដែលមនុស្សអាចធ្វើបាន និងការស្វែងរកតុល្យភាពត្រឹមត្រូវរវាងស្វ័យប្រវត្តិកម្ម AI និងចំណេះដឹងរបស់មនុស្សសម្រាប់ករណីប្រើប្រាស់ក្នុងពិភពលោកពិត - ដូចជាបទពិសោធន៍របស់អតិថិជន និងការប្រជុំតាមបណ្តាញ - នឹងចាប់ផ្តើមបង្កើតការប្រើប្រាស់ប្រកបដោយប្រសិទ្ធភាព។ នៃ AI សម្រាប់អនាគត។ - Ian Firth, VP នៅ សុន្ទរកថា

AI / ML ដែលមានទំនួលខុសត្រូវនឹងក្លាយជាប្រធានបទក្តៅបំផុតនៅក្នុងឧស្សាហកម្មពពក ML ។ ដោយសារការបង្កើនការសង្កត់ធ្ងន់របស់សង្គមលើការប្រយុទ្ធប្រឆាំងនឹងភាពអយុត្តិធម៌ និងភាពលំអៀង និងការចាប់អារម្មណ៍ជារួមលើការបកស្រាយ និងការពន្យល់បានប្រសើរជាងមុននៃគំរូសិក្សាម៉ាស៊ីន អ្នកផ្តល់សេវាពពកនឹងវិនិយោគ និងបង្កើនការផ្តល់ជូន ML របស់ពួកគេ ដើម្បីផ្តល់ជូននូវឈុតពេញលេញនៃសមត្ថភាព ML / AI ដែលមានទំនួលខុសត្រូវ ដែលនឹងមានបំណងបំពេញចិត្ត និងធានាឡើងវិញ។ និយតករ អ្នកបង្កើតគំរូ ការគ្រប់គ្រង និងទីផ្សារលើការប្រើប្រាស់ដោយយុត្តិធម៌នៃ ML ។ ទន្ទឹមនឹងនេះ AI / ML នឹងបន្តមើលឃើញកំណើន និងការប្រើប្រាស់ដ៏ខ្លាំងក្លានៅទូទាំងឧស្សាហកម្មទាំងមូល ដោយមានការកែលម្អយ៉ាងសំខាន់ក្នុងភាពងាយស្រួលនៃការប្រើប្រាស់ និង UX រួមបញ្ចូលគ្នានៅក្នុងក្របខ័ណ្ឌ AI / ML ដែលទទួលខុសត្រូវដើម្បីជំរុញកំណើនបន្ទាប់នៃវិស័យនេះ។ - Yiannis Antoniou អ្នកវិភាគ Gigaom

AIOps សម្រាប់បណ្តាញនឹងក្លាយទៅជារឿងសំខាន់៖ នៅឆ្នាំក្រោយ AIOps នឹងចេញពីទ្រឹស្តីទៅការអនុវត្តសម្រាប់អង្គការជាច្រើន។ ជាមួយនឹងការកើនឡើងនៃកម្មករពីចម្ងាយ និងផ្ទះក្លាយជាសាខាខ្នាតតូចថ្មី AI នឹងក្លាយជាភាគហ៊ុនតារាងសម្រាប់ការផ្តល់ជូនអតិថិជនដ៏អស្ចារ្យដល់បទពិសោធន៍អ្នកប្រើប្រាស់ពពក ខណៈពេលដែលគ្រប់គ្រងការចំណាយលើជំនួយផ្នែកព័ត៌មានវិទ្យាសម្រាប់បុគ្គលិកពីចម្ងាយ។ ក្រុម IT នឹងត្រូវទទួលយក AIOps ដើម្បីធ្វើមាត្រដ្ឋាន និងធ្វើឱ្យប្រតិបត្តិការរបស់ពួកគេដោយស្វ័យប្រវត្តិ។ AIOps cloud SaaS នឹងបង្វែរគំរូនៃការគាំទ្រអតិថិជនដោយចិត្តសប្បុរស។ ជំនួសឱ្យអ្នកប្រើប្រាស់ដែលដាក់សំបុត្រទៅ IT នោះ AI នឹងកំណត់អត្តសញ្ញាណអ្នកប្រើប្រាស់យ៉ាងសកម្មជាមួយនឹងបញ្ហានៃការតភ្ជាប់ ឬបទពិសោធន៍ ហើយនឹងដោះស្រាយ (បណ្តាញបើកបរដោយខ្លួនឯង) ឬនឹងបើកសំបុត្រជាមួយនឹងសកម្មភាពជួសជុលដែលបានស្នើសម្រាប់ IT ។ - Bob Friday, CTO of Mist Systems ដែលជាក្រុមហ៊ុន Juniper Networks

បញ្ញាសិប្បនិមិត្ត និងការរៀនម៉ាស៊ីននឹងដើរតួយ៉ាងសំខាន់ក្នុងយុទ្ធសាស្ត្រសង្វាក់ផ្គត់ផ្គង់ជាងឆ្នាំមុនៗ។ តម្រូវការសម្រាប់ការយល់ដឹងតាមពេលវេលាជាក់ស្តែងបន្ថែមទៀតនៅទូទាំងសង្វាក់ផ្គត់ផ្គង់នឹងបន្តកើនឡើងនៅឆ្នាំ 2021 ជាពិសេសនៅពេលដែលអង្គការខ្សែសង្វាក់ផ្គត់ផ្គង់វាយតម្លៃឡើងវិញនូវប្រតិបត្តិការរបស់ពួកគេ ដែលជាលទ្ធផលនៃការផ្លាស់ប្តូរភ្លាមៗនៃអាកប្បកិរិយាការទិញក្នុងអំឡុងពេលជំងឺរាតត្បាត COVID-19។

ដើម្បីដោះស្រាយតម្រូវការនេះ អង្គការខ្សែសង្វាក់ផ្គត់ផ្គង់នឹងត្រូវស្វែងរកបច្ចេកវិទ្យាដែលអាចប្រើបញ្ញាសិប្បនិម្មិត (AI) និងម៉ាស៊ីនរៀន (ML) ដើម្បីធ្វើឱ្យប្រសើរឡើងពីការវិភាគបច្ចុប្បន្ន ការពិពណ៌នា និងតាមវេជ្ជបញ្ជា និងអានុភាពការវិភាគទស្សន៍ទាយ ដែលផ្តល់នូវសកម្មភាពដែលបានណែនាំ។ មុន ឧប្បត្តិហេតុកើតឡើងដោយផ្អែកលើសកម្មភាពពីមុន។ ជាញឹកញយ ក្រុមហ៊ុនជួបប្រទះនឹងភាពរញ៉េរញ៉ៃនៃ silos និងការបែកខ្ញែកដោយសារតែត្រូវបានទិញដោយក្រុមហ៊ុនធំ ៗ ដែលមានប្រព័ន្ធផ្សេងៗគ្នា។ នៅឆ្នាំ 2021 ភាគីពាក់ព័ន្ធនៃខ្សែសង្វាក់ផ្គត់ផ្គង់នឹងសម្លឹងមើលការដាក់ពង្រាយឌីជីថលភ្លោះនៅទូទាំងម៉ូឌុលទាំងអស់ជាស្រទាប់បន្ថែមនៃភាពមើលឃើញ និងដើម្បីធានាឱ្យមានភាពស៊ីសង្វាក់គ្នារវាងប្រព័ន្ធដែលមានស្រាប់របស់ក្រុមហ៊ុន និងបច្ចេកវិទ្យាថ្មី ដូចជាឧបករណ៍ចាប់សញ្ញា និងឧបករណ៍ចាប់សញ្ញាណាណូ ដែលកំពុងចូលមកទីផ្សារក្នុងបរិមាណកាន់តែច្រើន។ . - Mahesh Veerina នាយកប្រតិបត្តិនៃ Cloudleaf

ភាពលំអៀងនៅក្នុង AI បង្កឱ្យមានគ្រោះថ្នាក់ក្នុងទ្រង់ទ្រាយធំ - ពីផលប៉ះពាល់ដល់ដំណើរការជ្រើសរើសបុគ្គលិក ដោយការពង្រឹងទម្រង់នៃយេនឌ័រ ដល់ការរើសអើងពូជសាសន៍នៅក្នុងការផ្តល់ពិន្ទុឥណទាន និងការផ្តល់ប្រាក់កម្ចី។ អង្គការដឹងថាការជួលកម្លាំងពលកម្មចម្រុះអាចផ្តល់នូវកម្រិតនៃការពិតសម្រាប់គំរូ AI ហើយពួកគេដឹងថាទិន្នន័យបណ្តុះបណ្តាលចាំបាច់ត្រូវត្រួតពិនិត្យជានិច្ចសម្រាប់ភាពលំអៀង ព្រោះវាប៉ះពាល់ដល់គុណភាព និងភាពត្រឹមត្រូវនៃក្បួនដោះស្រាយ។ ពួកគេក៏ដឹងដែរថា មិនមានស្តង់ដារបច្ចុប្បន្នសម្រាប់ការវាស់វែងផ្អែកលើក្រមសីលធម៌ ដើម្បីកាត់បន្ថយភាពលំអៀងពិតប្រាកដនៅក្នុង AI នោះទេ ហើយចាំបាច់ត្រូវមាន។ នៅឆ្នាំ 2021 យើងនឹងឃើញអង្គការផ្លាស់ប្តូរអតីតកាលដោយគ្រាន់តែទទួលស្គាល់ និង "ព្រួយបារម្ភ" អំពីភាពលំអៀងនៅក្នុង AI ហើយចាប់ផ្តើមធ្វើការផ្លាស់ប្តូរដ៏សំខាន់បន្ថែមទៀតដើម្បីដោះស្រាយវា - ព្រោះវានឹងត្រូវបានទាមទារ។ ក្រុមជាក់លាក់ និង/ឬគំនិតផ្តួចផ្តើមនឹងត្រូវបានបង្កើតឡើងដើម្បីប្រយុទ្ធប្រឆាំងនឹងកង្វល់ទាំងអស់ដែលស្ថិតនៅក្រោមឆ័ត្រនៃ AI ប្រកបដោយទំនួលខុសត្រូវ រួមទាំងអ្វីៗគ្រប់យ៉ាងពីភាពលំអៀងនៅក្នុងទិន្នន័យរហូតដល់ការព្យាបាលអ្នកបណ្តុះបណ្តាលទិន្នន័យដោយយុត្តិធម៌។ ការបង្កើតគំនិតផ្តួចផ្តើម AI ប្រកបដោយទំនួលខុសត្រូវនឹងមិនត្រឹមតែក្លាយជាអាណត្តិក្រុមប្រឹក្សាភិបាលសម្រាប់មនុស្សមួយចំនួនប៉ុណ្ណោះទេ ប៉ុន្តែដៃគូ និងអតិថិជនរបស់ក្រុមហ៊ុនដែលដឹកនាំកិច្ចខិតខំប្រឹងប្រែង AI នឹងទាមទារវា។ – អាប៉េន CTO Wilson Pang

AIOps នឹងឡើងកំដៅដើម្បីលើកកម្ពស់បទពិសោធរបស់អតិថិជននិងការផ្តល់ជូននៅលើការធានានិងការអនុវត្តឱ្យប្រសើរឡើង។ ជាមួយនឹងឆ្នាំនៃការមិនអាចទាយទុកជាមុនបាននៅពីក្រោយយើង សហគ្រាសនឹងត្រូវរំពឹងថានឹងមានអ្វីកើតឡើងនៅពេលដែលវាមកដល់ការធ្វើឱ្យជង់បច្ចេកវិទ្យាមិនអាចសម្រេចបាន និងសកម្ម។ យើងនឹងឃើញតម្រូវការសម្រាប់ AIOps បន្តកើនឡើង ដោយសារវាអាចដោះស្រាយ និងប្រមើលមើលស្ថានភាពដែលមិនរំពឹងទុកទាំងនេះដោយប្រើ AI, ML និងការវិភាគព្យាករណ៍។ ភាពស្មុគស្មាញកាន់តែខ្លាំងឡើងនៃកម្មវិធីសហគ្រាសឌីជីថលដែលលាតសន្ធឹងលើហេដ្ឋារចនាសម្ព័ន្ធកូនកាត់ក្នុងបរិវេណ និងហេដ្ឋារចនាសម្ព័ន្ធពពក គួបផ្សំនឹងការអនុម័តស្ថាបត្យកម្មកម្មវិធីទំនើបដូចជាការបំប្លែងកុងតឺន័រនឹងបណ្តាលឱ្យមានការកើនឡើងដែលមិនធ្លាប់មានពីមុនមកទាំងបរិមាណ និងភាពស្មុគស្មាញនៃទិន្នន័យ។ ខណៈពេលដែលទិន្នន័យលើសទម្ងន់ពីបរិយាកាសឌីជីថលទំនើបអាចពន្យារការជួសជុល និងគ្របដណ្ដប់លើក្រុម IT Ops នោះ សំណុំទិន្នន័យដែលរំខាននឹងជាឧបសគ្គនៃអតីតកាល ដោយសារយុទ្ធសាស្ត្រឆ្លាតវៃជាងមុន និងប្រព័ន្ធ AIOps កណ្តាលជួយឱ្យស្ថាប័នកែលម្អបទពិសោធន៍របស់អតិថិជន ផ្តល់នូវការធានា និងបង្កើនប្រសិទ្ធភាពកម្មវិធីទំនើប ភ្ជាប់វាទៅ ស្វ័យប្រវត្តិកម្មឆ្លាតវៃ និងរីកចម្រើនជាសហគ្រាសឌីជីថលស្វយ័ត។ ជាការពិត វិធីសាស្រ្តប្រតិបត្តិការ IT ធម្មតាប្រហែលជាមិនអាចទៅរួចទៀតទេ - ធ្វើឱ្យការទទួលយក AIOps ជៀសមិនរួច ដើម្បីអាចធ្វើមាត្រដ្ឋានធនធាន និងគ្រប់គ្រងបរិស្ថានទំនើបប្រកបដោយប្រសិទ្ធភាព។ - Ali Siddiqui ប្រធានផ្នែកផលិតផល ប៊ី។ ស៊ី។ ស៊ី។ ស៊ី

ការពិតជាក់ស្តែងគឺថា ឆ្នាំ 2021 នឹងក្លាយជាឆ្នាំដែលអ្នកដែលធ្វើ AI ពិតប្រាកដនឹងចាប់ផ្តើមសម្រេចបាននូវតម្លៃក្នុងកម្រិតមួយ ខណៈពេលដែលអ្នកដែលចំណាយអស់ជាច្រើនខែក្នុងការបណ្តុះបណ្តាលគំរូផុយស្រួយ និងការខកខានមិនបានតាមទាន់នឹងមានការកើនឡើង និទស្សន្ត និងគុណវិបត្តិ។ ការប្រកួតប្រជែងម៉ាយល៍ចុងក្រោយនឹងមិនងាយស្រួលជាងនោះទេ ប៉ុន្តែការផ្លាស់ប្តូរជាមូលដ្ឋានក្នុងការគិត និងវិធីសាស្រ្តនឹងមានសារៈសំខាន់ក្នុងការយកឈ្នះលើឧបសគ្គស្មុគស្មាញ។ - វេជ្ជបណ្ឌិត Josh Sullivan ប្រធាន ទាន់សម័យ

ការវាយតម្លៃហានិភ័យដ៏ប្រណិត៖ នៅពេលដែលទំហំ AIOps បន្តមានភាពចាស់ទុំ យើងឃើញឱកាសមួយសម្រាប់អ្នកលក់ក្នុងការកែលម្អសមត្ថភាពវាយតម្លៃហានិភ័យរបស់ពួកគេ ដើម្បីឱ្យអតិថិជនអាចដោះស្រាយបញ្ហាជាមួយនឹងភាពប្រាកដប្រជា ដោយមិនធ្វើឱ្យខូចអ្វីផ្សេងទៀតនៅក្នុងប្រព័ន្ធ។ នៅឆ្នាំ 2021 តំបន់មួយដែលយើងនឹងឃើញការផ្តោតអារម្មណ៍កាន់តែខ្លាំងឡើងពីអ្នកលក់ និងការទទួលយកកាន់តែច្រើនក្នុងចំណោមអ្នកប្រើប្រាស់នឹងនៅជុំវិញការបើកផែនទីភាពអាស្រ័យដែលឆើតឆាយជាងមុន ដូច្នេះវិស្វករអាចវាយតម្លៃបានយ៉ាងត្រឹមត្រូវនូវហានិភ័យដែលជាផ្នែកនៃដំណើរការជួសជុល ឬបង្កើត-ពង្រាយវដ្តសម្រាប់ការផ្លាស់ប្តូរកម្មវិធី។ ត្រូវប្រាកដថាការផ្លាស់ប្តូរនៅក្នុងផ្នែកមួយនៃបរិស្ថាននឹងមិនធ្វើឱ្យខូចប្រព័ន្ធនៅកន្លែងផ្សេងទេ។ - Michael Olson, នាយក, ទីផ្សារផលិតផលនៅ New Relic

នៅឆ្នាំ 2021 AI នឹងមិនត្រូវបានគូសផែនទីលើវិសាលគមរបស់មនុស្សនៃសមត្ថភាពទេ៖ យើងអាចមានក្បួនដោះស្រាយដែលកំទេចមនុស្សនៅលើអុក ប៉ុន្តែមិនអាចបង្កើតតែពែង និងកម្មវិធីកុំព្យូទ័រដែលអាចធ្វើគណិតវិទ្យាបានលឿនជាងមនុស្សរាប់លានដង ប៉ុន្តែ ប្រសិនបើសួរថាតើនរណាអាចនឹងឈ្នះពាន World Cup លើកក្រោយ ពួកគេនឹងមិនយល់សំណួរនោះទេ។ សមត្ថភាពរបស់ពួកគេមិនមានលក្ខណៈជាសកលទេ។ យើងបានឈានដល់ចំណុចមួយជាមួយនឹង AI ដែលក្នុងពេលដំណាលគ្នាយើងវាយតម្លៃលើស និងវាយតម្លៃថាមពលនៃក្បួនដោះស្រាយ។

នៅពេលដែលយើងវាយតម្លៃពួកគេលើស នោះយើងឃើញថាការវិនិច្ឆ័យរបស់មនុស្សត្រូវបានកាត់បន្ថយទៅជាការគិតក្រោយ ដែលជាកន្លែងគ្រោះថ្នាក់។ ការប្រើប្រាស់ "ក្បួនដោះស្រាយផ្លាស់ប្តូរ" ក្នុងការចាត់ថ្នាក់លទ្ធផលកម្រិត A គឺជារឿងអាស្រូវ du jour នៅចក្រភពអង់គ្លេស ទោះបីជាក្បួនដោះស្រាយបង្កើតលទ្ធផលជាច្រើនដែលគ្រាន់តែបំពានលើសុភវិនិច្ឆ័យក៏ដោយ។ នៅពេលដែលយើងប៉ាន់ស្មានក្បួនដោះស្រាយកម្រិតទាប យើងឃើញឧស្សាហកម្មទាំងមូលដួលរលំ ដោយសារពួកគេមិនបានឃើញការផ្លាស់ប្តូរនៅលើផ្តេក។ តើអាជីវកម្មតាក់ស៊ីប្រពៃណីអាចប្រកួតប្រជែងដោយរបៀបណា នៅពេលដែលក្បួនដោះស្រាយរបស់ Uber អាចឱ្យអ្នកជិះក្នុងរយៈពេលតិចជាង 3 នាទី? នៅឆ្នាំ 2021 រំពឹងថាវិស្វករនឹងជៀសវាងកំហុសឆ្គង AI និងក្បួនដោះស្រាយ ដោយមិនព្យាយាមគូសផែនទី algorithms ទៅលើវិសាលគមសមត្ថភាពរបស់មនុស្ស។ ការប្រើប្រាស់បច្ចេកវិទ្យា AI - ដូចជាការទទួលស្គាល់ការនិយាយបរិបទណាមួយ - ដើម្បីបង្កើននូវអ្វីដែលមនុស្សអាចធ្វើបាន និងការស្វែងរកតុល្យភាពត្រឹមត្រូវរវាងស្វ័យប្រវត្តិកម្ម AI និងចំណេះដឹងរបស់មនុស្សសម្រាប់ករណីប្រើប្រាស់ក្នុងពិភពលោកពិត - ដូចជាបទពិសោធន៍របស់អតិថិជន និងការប្រជុំតាមបណ្តាញ - នឹងចាប់ផ្តើមបង្កើតការប្រើប្រាស់ប្រកបដោយប្រសិទ្ធភាព។ នៃ AI សម្រាប់អនាគត។ - Ian Firth, VP នៅ សុន្ទរកថា

ML នៅលើគែមនឹងក្លាយជាការផ្តោតសំខាន់មួយនៅក្នុងឧស្សាហកម្ម AI/ML នៅឆ្នាំ 2021។ តម្រូវការសម្រាប់កម្មវិធីគែមឆ្លាតវៃកំពុងកើនឡើងយ៉ាងឆាប់រហ័សនៅក្នុងឧស្សាហកម្មរថយន្ត រោងចក្រឆ្លាតវៃ និងផ្ទះឆ្លាតវៃ។ ជាមួយនឹងឧបករណ៍អភិវឌ្ឍន៍ edge ML ដែលមានប្រសិទ្ធភាពដែលអាចប្រើបានយ៉ាងទូលំទូលាយ និងក្រុមហ៊ុន semiconductor ដែលចាប់ផ្តើមដំណើរការ MCUs ថ្មីជាមួយនឹងមុខងារ ML ការទទួលយកកម្មវិធី edge ML នឹងក្លាយជានិន្នាការចម្បង។ - Sang Won Lee នាយកប្រតិបត្តិនៃ ឃីxo

សហគមន៍ព្យាបាលនឹងបង្កើនការប្រើប្រាស់របស់ពួកគេ។ វិធីសាស្រ្តសិក្សាសហព័ន្ធ ដើម្បីបង្កើតគំរូ AI ដ៏រឹងមាំនៅទូទាំងស្ថាប័ននានា ភូមិសាស្រ្ត ប្រជាសាស្រ្តអ្នកជំងឺ និងម៉ាស៊ីនស្កេនវេជ្ជសាស្ត្រ។ ភាពរសើប និងការជ្រើសរើសនៃម៉ូដែលទាំងនេះគឺប្រសើរជាងម៉ូដែល AI ដែលបង្កើតឡើងនៅក្នុងស្ថាប័នតែមួយ ទោះបីជាមានទិន្នន័យច្រើនដើម្បីហ្វឹកហាត់ក៏ដោយ។ ជាប្រាក់រង្វាន់បន្ថែម អ្នកស្រាវជ្រាវអាចសហការគ្នាលើការបង្កើតគំរូ AI ដោយមិនចាំបាច់ចែករំលែកព័ត៌មានអ្នកជំងឺសម្ងាត់។ ការរៀនសូត្រតាមសហព័ន្ធក៏មានប្រយោជន៍សម្រាប់ការកសាងគំរូ AI សម្រាប់តំបន់ដែលទិន្នន័យខ្វះខាត ដូចជាសម្រាប់ជំងឺកុមារ និងជំងឺកម្រជាដើម។ - Kimberly Powell, អនុប្រធាន និងជាអ្នកគ្រប់គ្រងទូទៅ, NVIDIA Healthcare

AI Center of Excellence៖ ក្រុមហ៊ុនជាច្រើនបានព្យាយាមក្នុងរយៈពេល 10 ឆ្នាំចុងក្រោយនេះ ដើម្បីចាប់យកអ្នកវិទ្យាសាស្ត្រទិន្នន័យដែលមានប្រាក់ខែខ្ពស់ ប៉ុន្តែផលិតភាពរបស់ពួកគេទាបជាងការរំពឹងទុក ដោយសារកង្វះហេដ្ឋារចនាសម្ព័ន្ធគាំទ្រ។ អង្គការជាច្រើនទៀតនឹងពន្លឿនការត្រឡប់មកវិញនៃការវិនិយោគលើ AI ដោយការកសាងហេដ្ឋារចនាសម្ព័ន្ធរួម និងកណ្តាលនៅកម្រិត supercomputing ។ នេះនឹងជួយសម្រួលដល់ការរៀបចំ និងធ្វើមាត្រដ្ឋាននៃទេពកោសល្យវិទ្យាសាស្ត្រទិន្នន័យ ការចែករំលែកការអនុវត្តល្អបំផុត និងពន្លឿនការដោះស្រាយបញ្ហាស្មុគស្មាញ AI ។ - Charlie Boyle អនុប្រធាន និងជាអ្នកគ្រប់គ្រងទូទៅ NVIDIA DGX Systems

ការបញ្ចេញមតិរបស់ AI នឹងរួមតូចលើបទពិសោធន៍របស់អ្នកប្រើដែលគ្មានថ្នេរ៖ នៅពេលដែលយើងក្រឡេកមើលប្រវត្តិរបស់ AI នោះ ក្បួនដោះស្រាយគឺជាស្តេច ហើយបទពិសោធន៍អ្នកប្រើប្រាស់បានមកទីពីរ។ ប៉ុន្តែនៅពេលដែលយើងឈានចូលដល់ឆ្នាំ 2021 កម្មវិធីដែលប្រើ AI នឹងត្រូវបានផ្តោតកាន់តែខ្លាំងឡើងលើការប្រើប្រាស់ជាអាទិភាព។ ការបង្ហាញដ៏ល្អបំផុតនៃ AI គឺគ្មានថ្នេរសម្រាប់អ្នកប្រើប្រាស់ និងធ្វើការដោយមិនមានការរំខាននៅក្នុងផ្ទៃខាងក្រោយ។ វេទិកាដែលគាំទ្រដោយ AI/ML នឹងស្វែងរកវិធីថ្មីដើម្បីនាំអ្នកប្រើប្រាស់ទៅរកការសន្និដ្ឋាន និងដំណោះស្រាយកាន់តែប្រសើរ។

វាកើតឡើងដោយការសួរចម្លើយបរិមាណដ៏ធំនៃទិន្នន័យ រកមើលភាពមិនប្រក្រតី ការយល់ដឹង និងនិន្នាការ បន្ទាប់មកបង្ហាញលទ្ធផលនៅក្នុងបរិបទអាជីវកម្មសមស្រប។ AI/ML ដែលគ្មានការកកិតយ៉ាងពិតប្រាកដ គួរតែជាគោលដៅចុងក្រោយសម្រាប់វេទិកាអាជីវកម្មទាំងអស់។ ខ្ញុំសង្ឃឹមថានឹងឃើញកម្មវិធីទំនើបនៃ AI ដែលនឹងកំណត់នូវអ្វីដែលអ្នកប្រើនីមួយៗកំពុងព្យាយាមសម្រេច និងបង្ហាញការយល់ដឹងដោយស្វ័យប្រវត្តិដែលអាចត្រូវបានប្រើប្រាស់សម្រាប់សកម្មភាពរហ័ស។ ភាពងាយស្រួលនៃការប្រើប្រាស់នេះនឹងមានតម្លៃមិនគួរឱ្យជឿសម្រាប់អ្នកប្រើប្រាស់ទូទៅ ទាំងបច្ចេកទេស និងមិនមែនបច្ចេកទេស។ - Sanjay Vyas, CTO នៃ មានផែនការ

Ethical AI នឹងដើរតួយ៉ាងសំខាន់ក្នុងការអភិវឌ្ឍន៍ផលិតផលនៅឆ្នាំ 2021 ប៉ុន្តែវាជាបញ្ហាពិបាកដោះស្រាយ៖ Ethical AI កំពុងក្លាយជាបញ្ហាសំខាន់ ប៉ុន្តែជាបញ្ហាពិបាកដោះស្រាយ។ ក្រុមហ៊ុនកំពុងប្រើប្រាស់ទិន្នន័យ និង AI ដើម្បីបង្កើតដំណោះស្រាយ ប៉ុន្តែពួកគេអាចនឹងបំពានសិទ្ធិមនុស្សទាក់ទងនឹងការរើសអើង ការឃ្លាំមើល តម្លាភាព ឯកជនភាព សុវត្ថិភាព សេរីភាពនៃការបញ្ចេញមតិ សិទ្ធិធ្វើការ និងសិទ្ធិទទួលបានសេវាសាធារណៈ។

ដើម្បីជៀសវាងការបង្កើនហានិភ័យកេរ្តិ៍ឈ្មោះ និយតកម្ម និងផ្លូវច្បាប់ AI ប្រកបដោយសីលធម៌គឺជាការចាំបាច់ ហើយនៅទីបំផុតនឹងផ្តល់ផ្លូវដល់គោលនយោបាយ AI ។ គោលនយោបាយ AI នឹងធានាបាននូវស្តង់ដារខ្ពស់នៃតម្លាភាព និងវិធានការការពារសម្រាប់មនុស្ស។ នៅក្នុងផ្នែកទិន្នន័យ នាយកប្រតិបត្តិ និង CTOs នឹងត្រូវស្វែងរកវិធីដើម្បីលុបបំបាត់ភាពលំអៀងនៅក្នុងក្បួនដោះស្រាយ តាមរយៈការវិភាគដោយប្រុងប្រយ័ត្ន ការត្រួតពិនិត្យ និងការសរសេរកម្មវិធី។ - Krishna Tammana, CTO នៃ Talend

នៅឆ្នាំក្រោយ យើងនឹងឃើញក្រុមហ៊ុននានាផ្តោតលើ ទទួលយក និងអភិវឌ្ឍដំណោះស្រាយ AI ដែលពិតជាផ្តល់ ROI ផ្ទុយទៅនឹង gimmicks ឬបច្ចេកវិទ្យាសាងសង់សម្រាប់ជាប្រយោជន៍នៃបច្ចេកវិទ្យា។ អង្គការនឹងផ្តោតលើវឌ្ឍនភាពដែលអាចបង្ហាញបាន និងលទ្ធផលដែលអាចវាស់វែងបាន ហើយដូច្នេះនឹងវិនិយោគលើដំណោះស្រាយដែលដោះស្រាយបញ្ហាជាក់លាក់។ ក្រុមហ៊ុនដែលមានការយល់ដឹងយ៉ាងស៊ីជម្រៅអំពីភាពស្មុគស្មាញ និងបញ្ហាប្រឈមដែលអតិថិជនរបស់ពួកគេកំពុងស្វែងរកដំណោះស្រាយ ហើយមានឆន្ទៈក្នុងការវិនិយោគប្រាក់ដុល្លារ R&D របស់ពួកគេនៅក្នុងដំណោះស្រាយនឹងទទួលបានជោគជ័យ។ - Joe Petro, CTO នៅ អ៊ីនធ័រមេនអ៊ិនធ័រណេស.

គម្លាតជំនាញ AI នឹងបន្តកើតមាន ហើយអង្គការនឹងគិតពីវិធីថ្មីៗដើម្បីសម្របខ្លួន។ វាជាការលំបាកសម្រាប់ស្ថាប័នក្នុងការជួលអ្នកដែលមានទេពកោសល្យដែលត្រូវការដើម្បីដាក់ពង្រាយ AI និងទទួលបានអត្ថប្រយោជន៍ទាំងអស់ ដោយពាក់កណ្តាលនៃអ្នកខាងក្នុងឧស្សាហកម្មរាយការណ៍ពីបញ្ហាប្រឈមនេះ។ លើសពីនេះ អង្គការជាច្រើនបានពន្លឿនគំនិតផ្តួចផ្តើមការផ្លាស់ប្តូរឌីជីថលក្នុងរយៈពេលជាច្រើនខែ ឬច្រើនឆ្នាំ ប៉ុន្តែមានភាពខុសប្លែកគ្នានៅក្នុងឱកាសដែលមានទេពកោសល្យ និងបណ្តុះបណ្តាលដើម្បីគាំទ្រគំនិតផ្តួចផ្តើមទាំងនេះ។ ដោយសារតម្រូវការកើនឡើង យើងព្យាករណ៍ថាក្រុមហ៊ុននឹងផ្តល់ជូននូវគំនិតផ្តួចផ្តើម និងការលើកទឹកចិត្តបន្ថែមសម្រាប់បុគ្គលិកឱ្យរៀនជំនាញថ្មីៗ ក៏ដូចជាការងារដើម្បីបង្កើតទិន្នន័យ និងចំណេះដឹង AI នៅគ្រប់កម្រិតនៃស្ថាប័ន។

ជំងឺរាតត្បាតបានបង្ហាញពីឱកាសមួយសម្រាប់អង្គការនានាដើម្បីកំណត់អាទិភាពសកម្មភាពទាំងនេះ និងជួយបុគ្គលិកអភិវឌ្ឍជំនាញថ្មីក្នុងការផ្លាស់ប្តូរយ៉ាងឆាប់រហ័សរបស់ពួកគេទៅកាន់ការងារពីចម្ងាយ។ សម្លឹងឆ្ពោះទៅមុខ ឆ្នាំ 2021 នឹងនិយាយអំពីការអប់រំ - ទាំងប្រតិបត្តិការក្នុងលក្ខណៈធម្មតាថ្មី និងចាប់យកគំនិតផ្តួចផ្តើមឌីជីថលដែលពន្លឿន។ - Traci Gusher, នាយក, ទិន្នន័យ និងវិភាគ, KPMG

ការដោះស្រាយភាពលំអៀងនៅក្នុងក្បួនដោះស្រាយ AI នឹងជាអាទិភាពចម្បងដែលបណ្តាលឱ្យមានការណែនាំដែលនឹងត្រូវដាក់ចេញសម្រាប់ការគាំទ្រការរៀនម៉ាស៊ីននៃជនជាតិសម្រាប់ការស្គាល់មុខ។ សហគ្រាសកំពុងមានការព្រួយបារម្ភកាន់តែខ្លាំងឡើងអំពីភាពលំអៀងប្រជាសាស្ត្រនៅក្នុងក្បួនដោះស្រាយ AI (ពូជសាសន៍ អាយុ ភេទ) និងឥទ្ធិពលរបស់វាទៅលើម៉ាកយីហោ និងសក្តានុពលរបស់ពួកគេក្នុងការលើកបញ្ហាផ្លូវច្បាប់។ ការវាយតម្លៃពីរបៀបដែលអ្នកលក់ដោះស្រាយភាពលំអៀងប្រជាសាស្រ្តនឹងក្លាយជាអាទិភាពកំពូលនៅពេលជ្រើសរើសដំណោះស្រាយការបញ្ជាក់អត្តសញ្ញាណនៅឆ្នាំ 2021។ យោងតាម Gartner ច្រើនជាង 95% នៃ RFP សម្រាប់ការបញ្ជាក់អត្តសញ្ញាណឯកសារដែលផ្តោតលើឯកសារ (ប្រៀបធៀបលេខសម្គាល់ដែលចេញដោយរដ្ឋាភិបាលទៅនឹងរូបភាព selfie) នឹងមានតម្រូវការច្បាស់លាស់ ទាក់ទងនឹងការកាត់បន្ថយភាពលំអៀងប្រជាសាស្រ្តត្រឹមឆ្នាំ 2022 ការកើនឡើងពីតិចជាង 15% នៅថ្ងៃនេះ។ អង្គការនឹងកាន់តែខ្លាំងឡើងដើម្បីឱ្យមានចម្លើយច្បាស់លាស់ចំពោះអង្គការដែលចង់ដឹងពីរបៀបដែល AI "ប្រអប់ខ្មៅ" របស់អ្នកលក់ត្រូវបានបង្កើតឡើង ដែលទិន្នន័យមានប្រភពមកពី និងរបៀបដែលតំណាងឱ្យទិន្នន័យបណ្តុះបណ្តាលដល់ប្រជាជនទូលំទូលាយដែលកំពុងត្រូវបានបម្រើ។

ដោយសារស្ថាប័ននានាបន្តទទួលយកបច្ចេកវិទ្យាសម្គាល់មុខដោយផ្អែកលើជីវមាត្រសម្រាប់ការផ្ទៀងផ្ទាត់អត្តសញ្ញាណ ឧស្សាហកម្មត្រូវតែដោះស្រាយភាពលំអៀងដែលមាននៅក្នុងប្រព័ន្ធ។ ប្រធានបទនៃ AI ទិន្នន័យ និងជនជាតិភាគតិច មិនមែនជារឿងថ្មីនោះទេ ប៉ុន្តែវាត្រូវតែឈានចូលមកដល់ក្នុងឆ្នាំ 2021។ អ្នកស្រាវជ្រាវ នៅ MIT ដែលបានវិភាគសំណុំទិន្នន័យរូបភាពដែលប្រើដើម្បីបង្កើតបច្ចេកវិទ្យាសម្គាល់ផ្ទៃមុខ 77% នៃរូបភាពជាបុរស និង 83% មានពណ៌ស ដែលជាសញ្ញាបង្ហាញពីមូលហេតុចម្បងមួយថាហេតុអ្វីបានជាភាពលំអៀងជាប្រព័ន្ធមាននៅក្នុងបច្ចេកវិទ្យាសម្គាល់មុខ។ នៅឆ្នាំ 2021 គោលការណ៍ណែនាំនឹងត្រូវបានណែនាំដើម្បីទូទាត់ការលំអៀងជាប្រព័ន្ធនេះ។ រហូតទាល់តែមានរឿងនោះកើតឡើង អង្គការដែលប្រើប្រាស់បច្ចេកវិទ្យាសម្គាល់មុខគួរតែសួរអ្នកផ្តល់បច្ចេកវិទ្យារបស់ពួកគេអំពីរបៀបដែលក្បួនដោះស្រាយរបស់ពួកគេត្រូវបានបណ្តុះបណ្តាល និងធានាថាអ្នកលក់របស់ពួកគេមិនដំណើរការក្បួនដោះស្រាយលើសំណុំទិន្នន័យដែលបានទិញនោះទេ។ - Robert Prigge នាយកប្រតិបត្តិនៃ Jumio

ទិន្នន័យធំ

នៅឆ្នាំ 2021 ការប្រមូលទិន្នន័យបើកចំហ និងឥតគិតថ្លៃនឹងជំរុញការច្នៃប្រឌិតនាពេលអនាគត។ ការស្ទង់មតិថ្មីៗនេះពី Frost & Sullivan បានរកឃើញនោះ។ ៩៧ ភាគរយនៃអ្នកធ្វើការសម្រេចចិត្តផ្នែកព័ត៌មានវិទ្យា បានបង្ហាញពីតម្រូវការសម្រាប់ការប្រមូលទិន្នន័យទ្រង់ទ្រាយធំ ដើម្បីរក្សាល្បឿនជាមួយនឹងកំណើនអាជីវកម្មរបស់ពួកគេ និងការប្រកួតប្រជែងតាមអ៊ីនធឺណិត។ ទោះជាយ៉ាងណាក៏ដោយ សម្រាប់អាជីវកម្មដើម្បីប្រើប្រាស់ទិន្នន័យអនឡាញប្រកបដោយប្រសិទ្ធភាព ដំបូងវាចាំបាច់ត្រូវតែអាចចូលដំណើរការបាន – មិនត្រូវបានរារាំងទេ។ សព្វថ្ងៃនេះ អាជីវកម្មជារឿយៗហាមឃាត់ការប៉ុនប៉ងប្រមូលទិន្នន័យសាធារណៈ ទោះបីជាប្រមូលវាដោយខ្លួនឯងក៏ដោយ។ ស្ថានភាពនេះបណ្តាលមកពីកត្តាសំខាន់ពីរ៖ តម្រូវការបន្តក្នុងការទប់ស្កាត់សកម្មភាពព្យាបាទ ឬក្លែងបន្លំតាមអ៊ីនធឺណិត ដែលជាផ្នែកមួយនៃការប្រុងប្រយ័ត្នផ្នែកសុវត្ថិភាព និងគំនិតដែលថាទិន្នន័យសាធារណៈនេះរួមចំណែកដល់ការប្រកួតប្រជែងរបស់ក្រុមហ៊ុន។

ខ្ញុំជឿថាក្នុងកំឡុងឆ្នាំ 2021 និងបន្តទៅទៀត ក្រុមហ៊ុននឹងដឹងថាការប្រមូលទិន្នន័យសាធារណៈគឺជាផ្នែកមួយនៃការប្រតិបត្តិអាជីវកម្មដែលកំពុងដំណើរការទូទៅ និងចាំបាច់។ ពួកគេក៏នឹងដឹងដែរថាទិន្នន័យមិនមែនជាអ្វីគ្រប់យ៉ាងទេ នៅពេលដែលវាមកដល់ការប្រកួតប្រជែងរបស់អាជីវកម្ម។ ផ្នែកដូចជាសារពើភ័ណ្ឌ តម្លៃ គុណភាពផលិតផល និងគុណភាពសេវាកម្មជាដើម ក៏ដើរតួនាទីយ៉ាងធំផងដែរ។ នៅពេលដែលការសម្រេចបានសំរេចនោះ ការទប់ស្កាត់ទិន្នន័យនឹងបម្រើតែដើម្បីការពារប្រឆាំងនឹងសកម្មភាពបំពានលើអ៊ីនធឺណិតប៉ុណ្ណោះ។ ដើម្បីធានាបាននូវការប្រមូលទិន្នន័យប្រកបដោយក្រមសីលធម៌ ខ្ញុំសង្ឃឹមថាយើងទាំងអស់គ្នាលើកកម្ពស់ការផ្លាស់ប្តូរព័ត៌មានបើកចំហនៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យកណ្តាល។ គេហទំព័រនឹងបន្តរារាំងអ្នកបំពាន។ នេះនឹងមិនផ្លាស់ប្តូរទេ។ ទោះយ៉ាងណាក៏ដោយ ពួកគេអាចអនុញ្ញាតិឱ្យអ្នកប្រមូលទិន្នន័យប្រកបដោយក្រមសីលធម៌។ ទីបំផុតអនាគតនៃការប្រមូលទិន្នន័យតាមអ៊ីនធឺណិតគឺអាស្រ័យលើអ្នកដែលគ្រប់គ្រងវា។ ក្នុងល្បឿនយ៉ាងលឿនដែលទិន្នន័យកំពុងត្រូវបានផលិត កិច្ចខិតខំប្រឹងប្រែងប្រមូលទិន្នន័យនាពេលអនាគតនឹងត្រូវការវិវឌ្ឍ និងរីកចម្រើន។ ក្រុមហ៊ុននឹងត្រូវការការប្រមូលទិន្នន័យដោយស្វ័យប្រវត្តិ ដើម្បីតាមទាន់ដៃគូប្រកួតប្រជែងរបស់ពួកគេ និងអាចប្រមូលទិន្នន័យក្នុងអត្រាលឿនជាងមុន។ យ៉ាងណាមិញ ល្បឿនដែលក្រុមហ៊ុនអាចប្រមូលទិន្នន័យថ្មីៗនឹងកំណត់ពីភាពពាក់ព័ន្ធ និងភាពជោគជ័យរបស់ពួកគេ។ – រុន កុល នាយកប្រតិបត្តិនៅឯ បណ្តាញ Luminati

ទិន្នន័យនឹងក្លាយជាប្រតិបត្តិការយ៉ាងពិតប្រាកដលើមាត្រដ្ឋានសហគ្រាស៖ បរិមាណនៃអាជីវកម្មទិន្នន័យកំពុងកើនឡើងជាលំដាប់ – មានប្រភព ប្រភេទ និងបរិមាណច្រើនជាងមុន បូករួមទាំងការកើនឡើងនៃទិន្នន័យកំពុងត្រូវបានចែកចាយក្នុងពេលជិតពិតប្រាកដ។ ប៉ុន្តែដើម្បីយល់យ៉ាងពិតប្រាកដ ចូលប្រើ និងចាត់វិធានការលើទិន្នន័យ សហគ្រាសនឹងត្រូវផ្លាស់ប្តូររបៀបដែលពួកគេប្រើប្រាស់វា ដោយចាប់ផ្តើមដោយការកាត់ផ្តាច់ឈ្មួញកណ្តាល។ តាមរយៈការស្វែងរកវិធីដើម្បីធ្វើឱ្យដំណើរការកាតាឡុកទិន្នន័យ និងទម្រង់បែបបទដោយស្វ័យប្រវត្តិ បុគ្គលិក – រួមទាំងអ្នកដែលមាន ofa technical background – នឹងអាចទទួលបានទិន្នន័យដែលពួកគេត្រូវការដើម្បីធ្វើការសម្រេចចិត្តអាជីវកម្មបានល្អ និងមានប្រសិទ្ធភាព - Eric Raab, SVP, វិស្វកម្ម និងផលិតផល, អ្នកបង្កើតព័ត៌មាន

វាចាំបាច់ណាស់ក្នុងការចាប់យក និងសំយោគទិន្នន័យ "ជម្រើស"៖ តើយើងអាចរកឃើញ COVID-19 លឿនប៉ុណ្ណា? ការសិក្សាអំពីទិន្នន័យ "ជំនួស" - ក្នុងករណីនេះ ទិន្នន័យចរាចរណ៍នៅខាងក្រៅមន្ទីរពេទ្យក្នុងទីក្រុង Wuhan និងការស្វែងរកពាក្យគន្លឹះដោយអ្នកប្រើប្រាស់អ៊ិនធឺណិតក្នុងតំបន់នោះ បង្ហាញថា មេរោគអាចកំពុងចរាចរនៅចុងឆ្នាំ 2019 ។ សហគមន៍វិនិយោគបានជាអ្នកត្រួសត្រាយក្នុងការប្រើប្រាស់ទិន្នន័យជំនួស រួមទាំងសំឡេង រូបថតពីលើអាកាស គុណភាពទឹក និងមនោសញ្ចេតនា។10 នេះគឺជាខ្សែជួរមុខសម្រាប់ការបង្កើតថ្មីដែលជំរុញដោយទិន្នន័យ ហើយការទទួលបានគែមនៅទីនេះអាចផ្តល់ផលចំណេញយ៉ាងច្រើន។ ប៉ុន្តែបន្ទាប់ពីឆ្នាំ 2020 ទិន្នន័យជំនួសនឹងក្លាយទៅជាព័ត៌មានសំខាន់ ដោយមានគោលដៅក្នុងការរកមើលភាពមិនប្រក្រតីជាច្រើនមុននេះ។

ពីនោះ យើងអាចទទួលបានទិន្នន័យដេរីវេ ដែលមកពីការបញ្ចូលគ្នា ការផ្សារភ្ជាប់ និងការសំយោគជាមួយនឹងទិន្នន័យពីប្រព័ន្ធនៃកំណត់ត្រា។ ដូចដែល IDC បាននិយាយថា “នៅពេលដែលទិន្នន័យកាន់តែច្រើនត្រូវបានចាប់យក និងទទួលបានពីប្រភពខាងក្រៅ លទ្ធភាពប្រើប្រាស់វាកាន់តែច្រើនក្លាយជាកត្តាខុសគ្នា។ នោះរួមបញ្ចូលទាំងការទទួលយកមេរៀនពីឧស្សាហកម្មផ្សេងទៀតក្រៅពីរបស់អ្នកផ្ទាល់»។ 11 និន្នាការនេះ ស្រដៀងទៅនឹងអ្វីដែល Gartner ហៅថា "X analytics" 12 មិនមែនជារឿងថ្មីទេ ប៉ុន្តែទីបំផុតកំពុងក្លាយជាមូលដ្ឋានគ្រឹះដ៏សំខាន់នៃទិន្នន័យ និងការវិភាគបែបទំនើប ដោយសារដំណើរការថោកជាង និងបច្ចេកទេស AI ដែលចាស់ទុំជាងមុន រួមទាំងក្រាហ្វចំណេះដឹង ក្រណាត់ទិន្នន័យ ធម្មជាតិ។ ដំណើរការភាសា (NLP) AI ដែលអាចពន្យល់បាន និងការវិភាគលើមាតិកាគ្រប់ប្រភេទ។ និន្នាការនេះគឺពឹងផ្អែកទាំងស្រុងលើ ML និង AI ព្រោះភ្នែកមនុស្សមិនអាចចាប់វាបានទាំងអស់។ – លោក Dan Sommer នាយកជាន់ខ្ពស់ ទីផ្សារសកលលោក ដឹកនាំនៅ ចុច

នៅក្នុងឧស្សាហកម្មនេះ យើងតែងតែនិយាយអំពីការបំបែកទិន្នន័យ silos ប៉ុន្តែយើងគួរតែទទួលស្គាល់ថា silos មួយចំនួននឹងនៅទីនោះជានិច្ច។ នៅក្នុងអង្គការធំៗ អ្នកនឹងតែងតែមាននាយកដ្ឋាន ឬតំបន់ដែលមានឧបករណ៍ ឬមូលដ្ឋានទិន្នន័យផ្ទាល់ខ្លួន ហើយវានឹងបន្ត។ ប្រសិនបើអ្នកមានអធិបតេយ្យភាពទិន្នន័យ ការិយាល័យក្នុងតំបន់នោះនៅក្នុងស្ថាប័នរបស់អ្នកនឹងមានស៊ីឡូ។ នោះហើយជាមូលហេតុដែលវិធីសាស្រ្តដ៏ល្អបំផុតគឺត្រូវមើលពីរបៀបដែលអ្នកអាចមានការយល់ដឹងកាន់តែច្បាស់អំពីទិន្នន័យដែលអ្នកមាន។ វេទិកាស៊ើបការណ៍ទិន្នន័យអាចបម្រើជាលិបិក្រមរបស់អ្នក និងផែនទីរបស់អ្នក ដោយបង្ហាញអ្នកពីស៊ីឡូដែលអ្នកមាន និងរបៀបដែលពួកវាត្រូវបានភ្ជាប់ដោយការផ្តល់នូវទិដ្ឋភាព 360 ដឺក្រេនៃទ្រព្យសកម្មទិន្នន័យ។ - Stijn “Stan” Christiaens សហស្ថាបនិក និង CTO នៃ Collibra

OpenTelemetry នឹងបង្កើតទិន្នន័យលើសទម្ងន់។ នៅឆ្នាំ 2021 ការប្រើប្រាស់ OpenTelemetry នឹងក្លាយជាបទដ្ឋានឧស្សាហកម្មថ្មី។ បាទ / ចាស វានឹងធ្វើឱ្យការប្រមូលទិន្នន័យកាន់តែងាយស្រួលដោយបង្កើតភាពស៊ីសង្វាក់គ្នាលើប្រភពនានា ប៉ុន្តែវាក៏នឹងបង្កើតកន្លែងផ្ទុកទិន្នន័យសម្រាប់ក្រុមហ៊ុនផងដែរ ដែលធ្វើឱ្យវាកាន់តែពិបាកក្នុងការស្វែងរកផ្នែកតូចមួយនៃទិន្នន័យដែលមានការយល់ដឹងដែលអាចធ្វើសកម្មភាពបាន។ ស្ទ្រីមទិន្នន័យឥតឈប់ឈរនឹងគ្របដណ្ដប់លើក្រុមហ៊ុននានា ប្រសិនបើពួកគេមិនមានប្រព័ន្ធដើម្បីស្វែងរក 5% ដែលពិតជាអាចធ្វើសកម្មភាពបានយ៉ាងឆាប់រហ័ស។ ដោយសារតែបញ្ហានេះ ក្រុម IT នឹងផ្លាស់ប្តូរការផ្តោតអារម្មណ៍របស់ពួកគេពីការទទួលបានទិន្នន័យ ទៅជាការកសាងក្របខ័ណ្ឌមួយ ដើម្បីធ្វើសកម្មភាពពីទិន្នន័យ។ នៅពេលដែលក្រុមធ្វើដូច្នេះ វានឹងចាំបាច់ក្នុងការអនុវត្តឧបករណ៍ដែលអាចចាប់ផ្តើមភ្លាមៗនូវទិន្នន័យដែលអាចធ្វើសកម្មភាពបានក្នុងពេលដែលវាត្រូវការដើម្បីធ្វើកាពូស៊ីណូ។ - Phil Tee នាយកប្រតិបត្តិនៃ Moogsoft

ភ្លោះឌីជីថលគឺជាគំរូនិម្មិតនៃដំណើរការ ផលិតផល ឬសេវាកម្ម។ ការផ្គូផ្គងនៃពិភពនិម្មិត និងរូបវន្តអនុញ្ញាតឱ្យការវិភាគទិន្នន័យ និងការត្រួតពិនិត្យប្រព័ន្ធ ដើម្បីជួយកំណត់បញ្ហាមុនពេលវាកើតឡើង។ នេះរារាំងពេលវេលាមិនដំណើរការ បង្កើតឱកាសថ្មី និងសូម្បីតែផែនការសម្រាប់អនាគតដោយប្រើការក្លែងធ្វើ។ ជំនាន់ភ្លោះឌីជីថលនេះអនុញ្ញាតឱ្យអាជីវកម្មមិនត្រឹមតែយកគំរូតាម និងស្រមៃមើលទ្រព្យសម្បត្តិអាជីវកម្មប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងធ្វើការទស្សន៍ទាយ ធ្វើសកម្មភាពក្នុងពេលវេលាជាក់ស្តែង និងប្រើប្រាស់បច្ចេកវិទ្យាបច្ចុប្បន្នដូចជា AI និង ML ដើម្បីពង្រីក និងធ្វើសកម្មភាពលើទិន្នន័យតាមរបៀបដ៏ឆ្លាតវៃ។ - Anil Kaul នាយកប្រតិបត្តិនៅ ទិន្នន័យដាច់ខាត

ការបំប្លែងឌីជីថលនឹង - ចុងក្រោយ - ចាប់ផ្តើមក្លាយជាការផ្លាស់ប្តូរ។ នៅចំណុចនេះ "ការបំប្លែងឌីជីថល" បានក្លាយជាពាក្យចចាមអារ៉ាមដែលសហគ្រាសទាំងអស់បានរៀនទទួលស្គាល់ ប៉ុន្តែភាគច្រើន (80% យោងតាម IDC) នៃកិច្ចខិតខំប្រឹងប្រែងទាំងនេះនៅតែជាយុទ្ធសាស្ត្រខ្លាំងពេក។ ជាឧទាហរណ៍ ស្វ័យប្រវត្តិកម្មដំណើរការមនុស្សយន្ត (RPA) អាចត្រូវបានចាត់ទុកថាជាឧបករណ៍បំប្លែង ប៉ុន្តែដោយខ្លួនវាផ្ទាល់វាមិនមែនទេ។ ដើម្បីឱ្យអង្គការមើលឃើញការផ្លាស់ប្តូរពិតប្រាកដនៅឆ្នាំ 2021 ពួកគេនឹងត្រូវប្រើវេទិកាកម្រិតខ្ពស់បន្ថែមទៀតដែលរួមបញ្ចូលគ្នានូវមុខងារស្នូល និង AI ដូចជាការវិភាគអត្ថបទ ការយល់ដឹងអំពីឯកសារ និងការជីកយករ៉ែ។ វាក៏សំខាន់ផងដែរដែលថាវេទិកាទាំងនេះមានសមត្ថភាពកូដទាប ដែលអាចឱ្យអ្នកអភិវឌ្ឍន៍ពលរដ្ឋបង្កើត និងប្រើប្រាស់ស្វ័យប្រវត្តិកម្មថ្នាក់សហគ្រាស ដែលជំរុញឱ្យតម្លៃត្រឡប់ទៅស្ថាប័នរបស់ពួកគេវិញ។ បើគ្មានវាទេ វានឹងបន្តជាបញ្ហាប្រឈមសម្រាប់ក្រុមហ៊ុននានាក្នុងការផ្តល់នូវការផ្លាស់ប្តូរឌីជីថលទូទាំងសហគ្រាស ដែលត្រូវបានជំរុញដោយសមត្ថភាពក្នុងការដាក់ពង្រាយស្វ័យប្រវត្តិកម្មយ៉ាងងាយស្រួល សូម្បីតែដំណើរការស្មុគស្មាញបំផុតក៏ដោយ។ - Guy Kirkwood, Chief Evangelist នៅ យូយូផាត

ភាពវៃឆ្លាតពាណិជ្ជកម្ម

ការរីកសាយនៃកូដទាប/គ្មានកូដ ML ។ ការកើនឡើងនៃប្រព័ន្ធ ML ដែលមានលេខកូដទាប និងគ្មានកូដ ដែលត្រូវបានរចនាឡើងដើម្បីធ្វើឱ្យ AI កាន់តែងាយស្រួលដល់ក្រុមហ៊ុននានា នឹងជួយកែលម្អការទទួលយក AI ។ ទោះជាយ៉ាងណាក៏ដោយ នៅទីបំផុតក្រុមហ៊ុននឹងឈានដល់កម្រិតមួយ ហើយពង្រីកវិធីសាស្រ្តមួយទំហំសម-ទាំងអស់ ដោយស្វែងរកករណីប្រើប្រាស់កម្រិតខ្ពស់បន្ថែមទៀតសម្រាប់ AI ដែលត្រូវការជំនាញកាន់តែស៊ីជម្រៅ។ ទីបំផុត តម្រូវការសម្រាប់ការប្ដូរតាមបំណងនឹងបង្កើនតម្រូវការសម្រាប់អ្នកវិទ្យាសាស្ត្រទិន្នន័យដែលមានលក្ខណៈសម្បត្តិគ្រប់គ្រាន់ ជាជាងប្រព័ន្ធកូដទាបជំនួសពួកគេ។ យើងនឹងមិនធ្វើស្វ័យប្រវត្តិទៅឆ្ងាយពីតម្រូវការអ្នកវិទ្យាសាស្ត្រទិន្នន័យគ្រប់ពេលឆាប់ៗទេ។ - Kevin Goldsmith, CTO, Anaconda

Business Intelligence កំពុងផ្លាស់ប្តូរទៅរកគំរូថ្មីនៃការវិភាគទិន្នន័យកម្រិតខ្ពស់ជាមួយនឹងការរួមបញ្ចូលនៃភាសាធម្មជាតិ ការស្វែងរកធម្មជាតិ AI/ML ការវិភាគបន្ថែម ការរៀបចំទិន្នន័យស្វ័យប្រវត្តិ និងកាតាឡុកទិន្នន័យស្វ័យប្រវត្តិ។ វានឹងប្រែក្លាយដំណើរការធ្វើការសម្រេចចិត្តអាជីវកម្មជាមួយនឹងការយល់ដឹងអំពីពេលវេលាជាក់ស្តែងដែលមានគុណភាពខ្ពស់ជាងមុន។ - Ramesh Panuganty នាយកប្រតិបត្តិនៃក្រុមហ៊ុន BI MachEye

BI និង AI នឹងធ្វើឱ្យទំនាក់ទំនងរបស់ពួកគេកាន់តែស៊ីជម្រៅ។ ថាតើការដាក់ពិន្ទុទិន្នន័យ BI ប្រឆាំងនឹងគំរូ ML និងការមើលឃើញការព្យាករណ៍ ឬការប្រើប្រាស់ដំណើរការភាសាធម្មជាតិសម្រាប់ការបង្កើតការមើលឃើញ ការយល់ដឹង និងសេចក្តីសង្ខេប AI និង BI នឹងបង្កើនភាពស៊ីសង្វាក់គ្នារបស់ពួកគេ។ ហើយនៅពេលដែលសមត្ថភាព BI ធម្មតានៅតែបន្តផ្គត់ផ្គង់ អ្នកលក់នឹងត្រូវការ BI+AI ជាផ្នែកខាងមុខថ្មីនៅក្នុងសង្គ្រាមច្នៃប្រឌិត។ - Andrew Brust អ្នកវិភាគ Gigaom

Chatbots

និយោជិកទៅសហគ្រាស - ការអនុម័ត AI ការសន្ទនានឹងមានលក្ខណៈធម្មជាតិ ហើយជារឿយៗជាទំនាក់ទំនងដំបូង។ ការសន្ទនា AI ត្រូវបានធ្វើឱ្យមានលក្ខណៈធម្មតា ហើយនៅទីនេះដើម្បីស្នាក់នៅ។ ចំណុចប្រទាក់ដែលណែនាំអ្នកប្រើប្រាស់តាមរយៈទីផ្សារអនឡាញ និយោជិតតាមរយៈវគ្គបណ្តុះបណ្តាល និងអ្នកប្រើប្រាស់តាមរយៈម៉ាស៊ីនស្វែងរក និងគេហទំព័រ ទទួលបានផលចំណេញច្រើនលើការវិនិយោគ នៅពេលដែលបំពាក់ជាមួយបច្ចេកវិទ្យា AI Conversational កម្រិតខ្ពស់។ - Shiva Ramani នាយកប្រតិបត្តិនៃ iOPEX

AI នឹងមិនផ្លាស់ទីលំនៅមនុស្សក្នុងពេលឆាប់ៗនេះទេ។ នៅពេលដែលអ្នកក្រឡេកមើលការប្រើប្រាស់ AI នៅក្នុងប្រតិបត្តិការដែលប្រឈមមុខនឹងអ្នកប្រើប្រាស់នាពេលបច្ចុប្បន្ននេះ វាត្រូវបានប្រើប្រាស់ជាចម្បងនៅក្នុង AI-supported chatbots និងលក្ខណៈពិសេសផ្ទាល់ខ្លួនរបស់អតិថិជន។ ប្រសិនបើយើងក្រឡេកមើលពីរបៀបដែលអ្នកប្រើប្រាស់បានទាញយកអត្ថប្រយោជន៍ពីលក្ខណៈពិសេសដែលគាំទ្រដោយ AI ក្នុងអំឡុងពេលជំងឺរាតត្បាត យើងអាចឃើញថាពួកគេពិតជាកំពុងប្រើប្រាស់វាដើម្បីដោះស្រាយបញ្ហាកាន់តែលឿនតាមរយៈភ្នាក់ងាររបស់មនុស្ស។ ក្រុមហ៊ុនដូចជា Bank of America ដែលមាន AI-powered chatbot ដែលប្រឈមមុខនឹងអ្នកប្រើប្រាស់ដែលមានឈ្មោះថា Erica បានឃើញអ្នកប្រើប្រាស់ Erica ដើម្បីស្វែងរកវគ្គដ៏ល្អបំផុតនៃការចូលរួមក្រុមគាំទ្រអតិថិជន។ ជាជាងសួរសំណួរ Erica ដើម្បីដោះស្រាយបញ្ហាណាមួយដោយផ្ទាល់ អតិថិជនគ្រាន់តែសួរ Erica ពីរបៀបដែលពួកគេគួរតែទាក់ទងទៅក្រុមសេវាកម្មអតិថិជន ដើម្បីដោះស្រាយបញ្ហារបស់ពួកគេយ៉ាងឆាប់រហ័សជាមួយភ្នាក់ងារមនុស្សសមរម្យ។ - លោក James Isaacs ប្រធាន និងជានាយកប្រតិបត្តិនៃ ស៊ីរ៉ារ៉ា

សព្វថ្ងៃនេះ យើងធ្វើអន្តរកម្មជាមួយ bots ច្រើនជាងពេលមុន មិនថាវាជា chatbots សេវាកម្មអតិថិជន ឬ AI នៅលើឧបករណ៍របស់យើង ដូចជា Siri និង Alexa ជាដើម។ រូបយន្តទាំងនេះត្រូវបានប្រើសម្រាប់ការសម្រេចចិត្តក្នុងពេលវេលាជាក់ស្តែង ដើម្បីធ្វើស្វ័យប្រវត្តិកម្មដំណើរការដែលមនុស្សបានធ្វើពីមុនមក។ ជាឧទាហរណ៍ bots បានធ្វើស្វ័យប្រវត្តិកម្មនូវដំណើរការត្រឡប់មកវិញនៃការលក់រាយសម្រាប់ក្រុមហ៊ុនដូចជា Amazon ។ ទោះជាយ៉ាងណាក៏ដោយ វាកាន់តែស្មុគស្មាញសម្រាប់សហគ្រាសក្នុងការគ្រប់គ្រងអត្តសញ្ញាណរបស់ bots ស្វ័យប្រវត្តិ ជាពិសេសនៅពេលដែលពួកគេកំពុងធ្វើអន្តរកម្មជាមួយ bots ផ្សេងទៀតក្នុងល្បឿនម៉ាស៊ីន។ អត្តសញ្ញាណរបស់ bots ត្រូវតែត្រូវបានគ្រប់គ្រង និងការពារដោយសហគ្រាស ស្រដៀងទៅនឹងបុគ្គលិក និងអត្តសញ្ញាណអតិថិជន ដូច្នេះទិន្នន័យមិនត្រូវបានសម្របសម្រួល។ នេះមានសារៈសំខាន់សម្រាប់ CIOs និងមេដឹកនាំសន្តិសុខដែលត្រូវចងចាំ ពីព្រោះការប្រើប្រាស់ bots សម្រាប់គោលបំណងស្វ័យប្រវត្តិកម្មនឹងបើកវ៉ិចទ័រវាយប្រហារថ្មី ប្រសិនបើ APIs របស់ bots ទាំងនោះត្រូវបានលួចចូល។ - Jasen Meece នាយកប្រតិបត្តិនៃ ភាពពពក

NLP (ដំណើរការភាសាធម្មជាតិ) ផ្លាស់ប្តូរការសន្ទនាលើការវិភាគទិន្នន័យ៖ ដូចជាយើងកំពុងប្រើ Google Home និង Alexa ក្នុងជីវិតប្រចាំថ្ងៃរបស់យើង ការវិភាគការសន្ទនាតាមរយៈ NLP នឹងក្លាយជាសំបុត្រមាសសម្រាប់សហគ្រាសក្នុងការទាញយកការយល់ដឹងអំពីទិន្នន័យធំដ៏មានតម្លៃពីប្រតិបត្តិការអាជីវកម្មរបស់ពួកគេ។ នេះរាប់បញ្ចូលទាំងការរកឃើញនិន្នាការដែលប្រហែលជាមិនមាននរណាកត់សម្គាល់ និងអនុញ្ញាតឱ្យអ្នកជំនាញមកពីក្នុងសហគ្រាសចូលរួមជាមួយទិន្នន័យតាមរបៀបដ៏មានអត្ថន័យ។ - Sam Mahalingam, CTO, អាលតារ

Conversational AI ជាដំបូង និងសំខាន់បំផុត ត្រូវការបណ្តាញផ្ញើសារគ្រប់ជ្រុងជ្រោយ ដើម្បីជជែកគ្នា។ ការកើនឡើងនៃការផ្ញើសារអាជីវកម្មនៅលើបណ្តាញដែលមានមូលដ្ឋានលើ IP ដូចជា Whatsapp, GIP និងផ្សេងទៀតកំពុងជំរុញឱ្យមានការកើតឡើងវិញក្នុងការប្រើប្រាស់ Conversational AI ។ ក្រុមហ៊ុននៅទូទាំងឧស្សាហកម្មដូចជា ធនាគារ ពាណិជ្ជកម្មអេឡិចត្រូនិក ការលក់រាយ ការធ្វើដំណើរ ជាដើម ឥឡូវនេះកំពុងបើកដំណើរការ AI សម្រាប់ការសន្ទនាស្ទើរតែគ្រប់អតិថិជនទាំងអស់ រួមទាំងទីផ្សារ ការលក់ និងការគាំទ្រ។ ដំណើរការដោយភាពជឿនលឿនថ្មីៗក្នុងដំណើរការភាសាធម្មជាតិ (NLP) ការសន្ទនា AI ត្រូវបានរៀបចំដើម្បីផ្លាស់ប្តូររបៀបដែលអ្នកប្រើប្រាស់ធ្វើអន្តរកម្មជាមួយអាជីវកម្ម។ - Beerud Sheth នាយកប្រតិបត្តិនៃ ហ្គីបសាយ

Cloud

ខ្ញុំគិតថាយើងនឹងចាប់ផ្តើមឃើញវិធីសាស្រ្តប្រកបដោយតុល្យភាព និងសមតុល្យបន្ថែមទៀតចំពោះការទទួលយកពពកចម្រុះ និងកូនកាត់ ជាពិសេសសម្រាប់ពពកកូនកាត់។ យើងកំពុងឆ្លងកាត់ការសន្ទនាសាធារណៈធៀបនឹងការសន្ទនាលើពពកឯកជន ហើយអាជីវកម្មកំពុងទទួលយកការពិតថាពពកមិនមែនជាការសម្រេចចិត្ត "ទាំង ឬ" នោះទេ។ ជាប្រវត្តិសាស្ត្រ យើងបានឃើញ "ពពកសាធារណៈ" ត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងការច្នៃប្រឌិតដ៏ទំនើប និង "ពពកឯកជន" ត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងអាជីវកម្មដែលមានកេរ្តិ៍ដំណែលយឺត និងធន់នឹងការផ្លាស់ប្តូរ។ អារម្មណ៍នេះកំពុងផ្លាស់ប្តូរ ដោយសារអាជីវកម្មចាប់ផ្តើមយល់កាន់តែច្បាស់ពីតម្លៃដែលពួកគេអាចទទួលបានពីស្ថាបត្យកម្មពពកកូនកាត់ ដែលអាចឱ្យពួកគេដាក់ពង្រាយកម្មវិធីទំនើបៗយ៉ាងរហ័សនៅលើវេទិកាដែលសមតុល្យយ៉ាងល្អបំផុតសម្រាប់ការចំណាយជាក់លាក់ ប្រតិបត្តិការ សុវត្ថិភាព អនុលោមភាព និងតម្រូវការអភិបាលកិច្ច។

ជាមួយនេះ ការកើនឡើងនៃបច្ចេកវិជ្ជាបើកដំណើរការកូនកាត់ ដូចជាកុងតឺន័រ និងវេទិការួមបញ្ចូលកូនកាត់។ ការពិចារណាមួយទៀតគឺ tethered compute ដែលជាដំណោះស្រាយអ្នកផ្តល់សេវាពពកខ្ពស់ដែលកំពុងដំណើរការនៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យផ្ទាល់ខ្លួនរបស់អ្នក។ ឧទាហរណ៍ដូចជា AWS Outposts Google Anthos និង Microsoft Azure Stack ។ ទោះបីជាវាមានភាពយឺតយ៉ាវក្នុងការទទួលយករហូតមកដល់បច្ចុប្បន្នក៏ដោយ យើងអាចចាប់ផ្តើមមើលឃើញពីការចាប់ផ្តើមនៃកំណើននៅទីនេះ នៅពេលដែលអតិថិជនមើលឃើញពីតម្លៃនៃពពកឯកជន/សាធារណៈ រួមជាមួយនឹងភាពស៊ីសង្វាក់នៃការប្រើប្រាស់សេវាពពកធំ។ - គីម ឃីង នាយកទីផ្សារផលិតផល - ការគ្រប់គ្រងពពកនៅកម្មវិធី Snow

COVID-19 ពន្លឿនការចំណាយលើពពក៖ ជាមួយនឹងការកើនឡើងនៃការងារពីចម្ងាយ ដោយសារជំងឺរាតត្បាត COVID-19 ក្រុមហ៊ុនកំពុងវិនិយោគមួយផ្នែកធំនៃថវិកា IT លើបច្ចេកវិទ្យាដែលមានមូលដ្ឋានលើពពកផ្លាស់ប្តូរឆ្ងាយពីដំណើរការដែលមានមូលដ្ឋានលើក្រដាស។ ការចំណាយលើពពកជាមធ្យមរបស់សហគ្រាសគឺកើនឡើង 59% ពីឆ្នាំ 2018 ដល់ $73.8M ក្នុងឆ្នាំ 2020។ និន្នាការនោះនឹងបន្តរហូតដល់ឆ្នាំ 2021 ដោយសារក្រុមហ៊ុនត្រូវបានបង្ខំឱ្យទទួលយកយុទ្ធសាស្រ្តដើម្បីធ្វើការពីចម្ងាយ និងទទួលស្គាល់អត្ថប្រយោជន៍នៃការរក្សារបៀបប្រតិបត្តិការទាំងនោះ ទោះបីជាពួកគេចាប់ផ្តើមផ្លាស់ប្តូរបុគ្គលិកក៏ដោយ។ ត្រឡប់ទៅទីតាំងរាងកាយវិញ។ ឧទាហរណ៍ដ៏សំខាន់មួយនឹងកំពុងចុះកិច្ចសន្យាដែលជាកន្លែងដែល COVID ជំរុញឱ្យមានការផ្លាស់ប្តូរឌីជីថលនៃសំណើកិច្ចសន្យា ការអនុម័ត ការអនុវត្ត និងប្រព័ន្ធគ្រប់គ្រងក្រោយការផ្តល់រង្វាន់ ហើយបានដាក់មូលដ្ឋានគ្រឹះសម្រាប់ភាពជឿនលឿនបន្ថែមទៀតនៅក្នុងការគ្រប់គ្រងវដ្តជីវិតនៃកិច្ចសន្យា។ - Harshad Oak, អ្នកគ្រប់គ្រងទូទៅ, ការទទួលយកអតិថិជន & តម្លៃ, នៅ អាយកូស

នៅពេលដែលត្រូវបានចាត់ទុកថាជា "ការបញ្ឈប់" នៅលើផ្លូវទៅកាន់ពពក កូនកាត់ឥឡូវនេះគឺជាទិសដៅ៖ វិធីសាស្រ្តពពកកូនកាត់ដែលធ្លាប់ត្រូវបានចាត់ទុកថាជាថ្មបោះជំហានឆ្ពោះទៅរកការអនុវត្តដំបូងរបស់ពពក។ ឥឡូវនេះ អតិថិជនកំពុងមើលឃើញថាវិធីសាស្រ្តកូនកាត់ធ្វើឱ្យយល់បានច្រើនបំផុត ទាំងយុទ្ធសាស្ត្រសម្រាប់តម្រូវការអាជីវកម្មរបស់ពួកគេ និងផ្នែកសេដ្ឋកិច្ច។ យោងតាម IDC 70% នៃកម្មវិធី និងទិន្នន័យរបស់អតិថិជននៅតែស្ថិតនៅក្រៅពពកសាធារណៈ។ ជាមួយនឹងគំនិតនោះ នៅឆ្នាំ 2021 យើងនឹងឃើញអតិថិជនកាន់តែច្រើនទទួលយកវិធីសាស្រ្តកូនកាត់។ ដោយសារតែភាពយឺតនៃទិន្នន័យ ការជាប់ពាក់ព័ន្ធនៃកម្មវិធី និងហេតុផលសុវត្ថិភាព និងការអនុលោមតាម យើងឃើញមានអង្គការកាន់តែច្រើនឡើងៗនៅទូទាំងឧស្សាហកម្មដែលចង់រក្សាទិន្នន័យរបស់ពួកគេនៅក្នុងបរិវេណ។ ក្នុងពេលជាមួយគ្នានេះ ផ្នែកខ្លះដោយសារសេដ្ឋកិច្ចរាតត្បាត ការគិតថ្លៃទិន្នន័យ និងការចាក់សោរបស់អ្នកលក់ជាមួយអ្នកផ្តល់សេវាពពកសាធារណៈ ការពិតគឺ CIOs និង IT orgs កំពុងទទួលយកកូនកាត់ជាលទ្ធផល ហើយមិនមែនជាមធ្យោបាយដល់ទីបញ្ចប់នោះទេ។ - Keith White, អ្នកគ្រប់គ្រងទូទៅ, GreenLake Cloud Services

ភាពរហ័សរហួនលើពពកគឺអស្ចារ្យណាស់ ប៉ុន្តែវាអាចនាំឱ្យការចំណាយដែលនៅឆ្ងាយបានយ៉ាងងាយស្រួល។ ដូចគ្នានេះដែរ ចង្កោមទិន្នន័យធំដែលបានចែករំលែកនៅក្នុងបរិវេណ ជារឿយៗខ្ជះខ្ជាយធនធាន។ លទ្ធផលទាំងពីរនេះនៅក្នុង SLAs ដែលខកខាន។ ប្រសិនបើពួកគេចង់លុបបំបាត់ការចំណាយហួសហេតុរ៉ាំរ៉ៃ ក្រុមហ៊ុនត្រូវបង្កើតវិធីសាស្រ្តមួយដើម្បីតាមដាន និងគ្រប់គ្រងការចំណាយលើពពករបស់ពួកគេ។ មធ្យោបាយដ៏មានប្រសិទ្ធភាពបំផុតក្នុងការធ្វើនេះគឺតាមរយៈការសង្កេត និងការលៃតម្រូវដោយស្វ័យប្រវត្តិ។ - លោក Ash Munshi នាយកប្រតិបត្តិ ទិន្នន័យម្រេច

មូលដ្ឋានទិន្នន័យ/ឃ្លាំងទិន្នន័យ/ទិន្នន័យបឹង

ដំណោះស្រាយដែលក្រុមហ៊ុនប្រើដើម្បីរក្សាទុកទិន្នន័យរបស់ពួកគេបន្តវិវឌ្ឍយ៉ាងលឿនក្នុងឆ្នាំបន្ទាប់។ យើងកំពុងមើលឃើញការបង្កើនការធ្វើចំណាកស្រុកទៅក្នុងដំណោះស្រាយមូលដ្ឋានទិន្នន័យទំនាក់ទំនងប្រភពបើកចំហ ដំណោះស្រាយមូលដ្ឋានទិន្នន័យមិនទាក់ទង ដំណោះស្រាយមូលដ្ឋានទិន្នន័យដែលមានមូលដ្ឋានលើ PaaS និងការរួមបញ្ចូលគ្នានៃវា។ ការផ្តោតសំខាន់នៃគំនិតផ្តួចផ្តើមទាំងនេះអាចជាការដាក់ជាក្រុមក្រោមប្រធានបទនៃការកាត់បន្ថយចំណាយប្រតិបត្តិការ ថាតើពួកគេកំពុងត្រូវបានអនុវត្តដើម្បីកាត់បន្ថយកិច្ចសន្យាគាំទ្រយ៉ាងខ្លាំងពីអ្នកលក់ដូចជា Oracle និង Microsoft (ទាំងការផ្ទេរទិន្នន័យប្រភពបើកចំហនិងមិនទាក់ទងគ្នាធ្លាក់ចូលទៅក្នុងប្រភេទនេះ) កាត់បន្ថយការចំណាយលើចំនួនក្បាល (ការធ្វើចំណាកស្រុកទៅសេវាកម្ម PaaS ធ្លាក់ចូលទៅក្នុងប្រភេទនេះ) ឬទទួលបានប្រសិទ្ធភាពនៃការអនុវត្តដោយការផ្ទេរទៅដំណោះស្រាយមូលដ្ឋានទិន្នន័យដែលបង្កើតឡើងក្នុងគោលបំណងកាន់តែច្រើន។

ការផ្ទេរទិន្នន័យកំពុងកើតឡើងនៅពេលនេះ និងក្នុងទ្រង់ទ្រាយធំ ដូច្នេះមានការពិចារណាជាច្រើនដែលត្រូវធ្វើនៅពេលផ្លាស់ប្តូរទៅកាន់ដំណោះស្រាយមូលដ្ឋានទិន្នន័យថ្មីទាំងនេះ រួមទាំងសមត្ថភាពនៃដំណោះស្រាយរដ្ឋនាពេលអនាគតធៀបនឹងស្ថានភាពបច្ចុប្បន្ន ផលប៉ះពាល់ដល់ការផ្តល់អាជ្ញាប័ណ្ណ និងកិច្ចសន្យាគាំទ្រ។ និងវិធីសាស្រ្តដើម្បីធានាថាដំណោះស្រាយត្រឹមត្រូវត្រូវបានដាក់ពង្រាយ។ ខណៈពេលដែលដំណោះស្រាយ PaaS ផ្តល់នូវអត្ថប្រយោជន៍ដ៏អស្ចារ្យមួយចំនួន DBAs នៅតែត្រូវបានទាមទារដើម្បីត្រួតពិនិត្យ និងគ្រប់គ្រងប្រព័ន្ធទាំងនោះ ហើយធ្វើការជាមួយក្រុមកម្មវិធីដើម្បីជំរុញប្រសិទ្ធភាពក្នុងការអនុវត្ត ភាពអាចរកបាន និងសុវត្ថិភាព។ - លោក Marc Caruso ប្រធានស្ថាបត្យករ វាក្យសម្ពន្ធ

360. នោះហើយជាចំនួននៃប្រព័ន្ធទិន្នន័យដែលចេញនៅក្នុងព្រៃ។ ហើយខណៈពេលដែលជម្រើសគឺល្អ ហើយការស្វែងរកឧបករណ៍ត្រឹមត្រូវសម្រាប់ការងារគឺឆ្លាតវៃ វាក៏បន្ថែមភាពស្មុគស្មាញធំផងដែរ។ នៅពេលដែលក្រុមហ៊ុនផ្លាស់ទីដើម្បីធ្វើទំនើបកម្មនៅក្នុងពពក ពួកគេនឹងស្វែងរកភាពសាមញ្ញដែលនឹងនាំទៅដល់ការច្របាច់បញ្ចូលគ្នាដ៏ធំនៅក្នុងទីផ្សារមូលដ្ឋានទិន្នន័យ។ អ្នកលក់មូលដ្ឋានទិន្នន័យដែលផ្តល់នូវសមត្ថភាពពហុមុខងារនឹងឈ្នះ ជាជាងមូលដ្ឋានទិន្នន័យពិសេសជាច្រើនដែលចាំបាច់ត្រូវភ្ជាប់ជាមួយគ្នា និងទាមទារវិធីផ្សេងគ្នានៃការចូលប្រើទិន្នន័យ។ - Franz Aman, CMO នៃក្រុមហ៊ុនមូលដ្ឋានទិន្នន័យទំនាក់ទំនង MariaDB

ទីផ្សារមូលដ្ឋានទិន្នន័យនឹងកើនឡើងដល់ 1 ពាន់ពាន់លានដុល្លារនៅឆ្នាំ 2025។ អស់រយៈពេលពីរទសវត្សរ៍ចុងក្រោយនេះ មានការក្តាប់ដែកនៅលើទីផ្សារមូលដ្ឋានទិន្នន័យដោយមាន IBM, Oracle និង SAP HANA នាំមុខគេ។ ឥឡូវនេះយើងកំពុងឃើញការផ្លាស់ប្តូរយាមដែលផ្តល់ឱ្យអតិថិជននូវជម្រើសក្នុងការសម្រេចចិត្តថាអ្វីដែលល្អបំផុតសម្រាប់អាជីវកម្មរបស់ពួកគេ។ Forrester ថែមទាំងចង្អុលបង្ហាញថាទីផ្សារហេដ្ឋារចនាសម្ព័ន្ធពពកសាធារណៈនឹងកើនឡើង 35% ក្នុង 120 ពាន់លានក្នុងឆ្នាំ 2021។ ខ្ញុំព្យាករណ៍ថាទីផ្សារមូលដ្ឋានទិន្នន័យនឹងកើនឡើងដល់ $ 1 trillion នៅឆ្នាំ 2025 ហើយលើសពី 10 ទៅ XNUMX ក្រុមហ៊ុនមូលដ្ឋានទិន្នន័យខ្លាំងនឹងកើនឡើងយ៉ាងខ្លាំងនៅក្នុងទសវត្សរ៍ក្រោយ។ . - Raj Verma នាយកប្រតិបត្តិនៃ ហាងតែមួយ

Data Lake អាចធ្វើអ្វីដែល Data Warehouses ធ្វើ និងច្រើនទៀត៖ ខណៈពេលដែលការបំបែកនៃការគណនា និងទិន្នន័យផ្តល់នូវគុណសម្បត្តិសម្រាប់ data lakes ជាង data warehouses ឃ្លាំងទិន្នន័យមានគុណសម្បត្តិផ្សេងទៀតជាប្រវត្តិសាស្ត្រលើ data lakes។ ប៉ុន្តែឥឡូវនេះវាបានផ្លាស់ប្តូរជាមួយនឹងការច្នៃប្រឌិតប្រភពបើកចំហចុងក្រោយបំផុតនៅក្នុងកម្រិតទិន្នន័យ។ ឧទាហរណ៍, Apache Iceberg គឺជាទម្រង់តារាងថ្មីមួយដែលផ្តល់នូវមុខងារឃ្លាំងទិន្នន័យសំខាន់ៗនៅក្នុងទិន្នន័យទិន្នន័យដូចជា ភាពស្ថិតស្ថេរនៃប្រតិបត្តិការ ការវិលត្រឡប់មកវិញ និងការធ្វើដំណើរតាមពេលវេលា ខណៈពេលដែលការបង្ហាញពីសមត្ថភាពថ្មីដែលអាចឱ្យកម្មវិធីជាច្រើនអាចធ្វើការជាមួយគ្នាលើទិន្នន័យដូចគ្នាក្នុងលក្ខណៈប្រតិបត្តិការស្របគ្នា។ គម្រោងប្រភពបើកចំហថ្មីមួយទៀត គម្រោង Nessieបង្កើតនៅលើសមត្ថភាពរបស់ Iceberg ក៏ដូចជា Delta Lake ដោយផ្តល់នូវអត្ថន័យដូច Git សម្រាប់ទិន្នន័យបឹង។ Nessie ក៏ធ្វើឱ្យប្រតិបត្តិការដែលភ្ជាប់គ្នាយ៉ាងធូររលុងក្លាយជាការពិត ដែលអនុញ្ញាតឱ្យប្រតិបត្តិការតែមួយមានប្រតិបត្តិការពីអ្នកប្រើប្រាស់ និងម៉ាស៊ីនជាច្រើនរួមមាន Spark, Dremio, Kafka និង Hive។ - Tomer Shiran សហស្ថាបនិកនៃ ឌឺរីអូ

និន្នាការសំខាន់ៗចំនួនបីនឹងលេចឡើងនៅឆ្នាំ 2021 ការត្រឡប់មកវិញនៃស្រទាប់ទិន្នន័យមេតា ការបង្កប់ AI និងការវិភាគដោយស្វ័យប្រវត្តិ និងចំណុចប្រទាក់សំណួរសាមញ្ញថ្មីដែលត្រូវបានរចនាឡើងជាពិសេសសម្រាប់អ្នកប្រើប្រាស់អាជីវកម្ម។ ការត្រលប់មកវិញនៃស្រទាប់ទិន្នន័យមេតា ដែលជាសមាសធាតុមូលដ្ឋានសំខាន់នៃដំណោះស្រាយវិភាគ គឺត្រូវការជាចាំបាច់ ដើម្បីគាំទ្រដល់ការកែលម្អអភិបាលកិច្ច និងលទ្ធភាពពង្រីកនៃទ្រព្យសកម្មទិន្នន័យ។ ជាមួយនឹងស្រទាប់ទិន្នន័យមេតាដ៏ឆ្លាតវៃ ចំណុចប្រទាក់អ្នកប្រើសាមញ្ញថ្មីនឹងលេចឡើងដែលអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់អាជីវកម្មធ្វើអន្តរកម្មជាមួយទិន្នន័យក្នុងវិធីសាស្រ្តណែនាំបន្ថែមទៀតដែលអនុញ្ញាតឱ្យពួកគេកាត់បន្ថយពេលវេលាក្នុងការយល់ដឹងជាមួយនឹងជំនាញវិភាគតិចតួចបំផុត។ AI និងការវិភាគដោយស្វ័យប្រវត្តិនឹងផ្លាស់ប្តូរពីដែនសហគ្រាសឆ្ពោះទៅរកអ្នកលក់កម្មវិធីដែលនឹងបញ្ចូលសមត្ថភាពទាំងនេះ និងអនុញ្ញាតឱ្យមានការអនុម័តយ៉ាងច្រើនតាមរយៈមូលដ្ឋានអតិថិជនរបស់ពួកគេ។ - លោក Glen Rabie នាយកប្រតិបត្តិនៅ លឿងហ្វីន

វិស្វកម្មទិន្នន័យ

ក្រុមហ៊ុននឹងវិនិយោគឡើងវិញលើវិស្វករទិន្នន័យ និងបំពង់បង្ហូរទិន្នន័យ។ ផលប៉ះពាល់មួយនៃឆ្នាំ 2020 គឺថាក្រុមហ៊ុនជាច្រើនបានផ្លាស់ប្តូរទៅរកវិធីសាស្រ្តដំបូងនៃការរស់រានមានជីវិត ដែលបណ្តាលឱ្យមានគំនិត "ចាប់យកនិងទៅ" ចំពោះការរួមបញ្ចូលទិន្នន័យរបស់ពួកគេ។ នៅពេលដែលបន្ទាត់ខាងក្រោមរបស់អាជីវកម្មកំពុងមានស្ថេរភាព ហើយយើងកំពុងមើលឃើញការព្យាករណ៍បន្ថែមទៀតនៅកម្រិតម៉ាក្រូសេដ្ឋកិច្ច ការព្យាករណ៍របស់យើងគឺថាឆ្នាំ 2021 គឺជាឆ្នាំនៃវិស្វករទិន្នន័យ ហើយក្រុមហ៊ុនទាំងនោះនឹងត្រលប់ទៅវិធីសាស្រ្ត "សាងសង់រហូតដល់ចុងក្រោយ" សម្រាប់ទិន្នន័យ។ បំពង់។ "សាងសង់ដើម្បីប្រើប្រាស់បានយូរ" សម្រាប់ទឹកនៅក្នុងបំពង់របស់អ្នកនៅផ្ទះមានន័យថាទឹកតែងតែបើក ស្អាត និងនៅសីតុណ្ហភាពត្រឹមត្រូវ។ "បង្កើតឡើងដើម្បីឱ្យយូរអង្វែង" សម្រាប់ទិន្នន័យមានន័យថាអ្នកបង្កើតបំពង់ទិន្នន័យឆ្លាតវៃដើម្បីធានាបាននូវភាពទាន់ពេលវេលា និងទំនុកចិត្តលើការវិភាគទិន្នន័យរបស់អ្នក។ – ឈុតស្ទ្រីម នាយកប្រតិបត្តិ Girish Pancha

ក្រុមហ៊ុននឹងដឹងពីតម្រូវការក្នុងការខិតខំប្រឹងប្រែងបន្ថែមទៀតនៅក្នុង DevOps៖ "នៅមានការងារជាច្រើនដែលត្រូវធ្វើជាមួយ DevOps pipelines រួមទាំងការធានា និងសាកល្បងដំណើរការចែកចាយ។ សហគមន៍អ្នកបង្កើតកម្មវិធីដឹងពីកន្លែងដែលវាត្រូវទៅ ប៉ុន្តែការងារ និងឧបសគ្គនៅក្នុងផ្លូវគឺតែងតែធំជាងការរំពឹងទុក។ ដោយសារតែបញ្ហានេះ ខ្ញុំមានការសង្ស័យថា យើងនឹងឃើញការផ្លាស់ប្តូរដ៏ធំនៅឆ្នាំ 2021 ខាងផ្នែកឧបករណ៍ ឬគំរូ CI/CD។ ផ្ទុយទៅវិញ យើងនឹងឃើញមនុស្សកាន់តែច្រើនដឹងថាពួកគេត្រូវខិតខំប្រឹងប្រែងបន្ថែមទៀតទៅក្នុងបំពង់បង្ហូរ DevOps ដំណើរការ និងសុពលភាពរបស់ពួកគេ។ ពួកគេនឹងបន្ថយពីរដងដើម្បីបង្កើនល្បឿន និងកែលម្អស្វ័យប្រវត្តិកម្ម CI/CD របស់ពួកគេ។ មានតែនៅពេលដែលដំណើរការទាំងនេះមានភាពចាស់ទុំប៉ុណ្ណោះ ទើបអង្គការមានទំនុកចិត្តលើការអនុវត្តចែកចាយ និងឧបករណ៍របស់ពួកគេ។ - Fred Simon សហស្ថាបនិក និងជាប្រធាន Data Scientist JFrog

អភិបាលកិច្ចទិន្នន័យ

អាយធីនឹងបញ្ចូលការគ្រប់គ្រងការចូលប្រើជាមួយភាពឆ្លាតវៃដើម្បីការពារសន្តិសុខតាមអ៊ីនធឺណិតរបស់កម្លាំងពលកម្មនៅឆ្នាំ 2021។ ការបង្កើនល្បឿននៃការផ្លាស់ប្តូរបច្ចេកវិទ្យាសហគ្រាស ការគំរាមកំហែងតាមអ៊ីនធឺណិត និងទិដ្ឋភាពអ្នកប្រើប្រាស់កំពុងបង្កើនសម្ពាធលើដំណោះស្រាយអភិបាលកិច្ច និងការគ្រប់គ្រងអត្តសញ្ញាណប្រពៃណី (IGA) ហើយជាលទ្ធផលក្រុមសន្តិសុខ និងអនុលោមភាព។ នៅលើកំពូលនៃការកើនឡើងហានិភ័យនៃការអនុលោមភាព បរិស្ថាន IT របស់សហគ្រាសកាន់តែស្មុគស្មាញជារៀងរាល់ឆ្នាំ ដោយបង្កើនចំនួនកម្មវិធី និងប្រព័ន្ធដែលក្រុមហ៊ុនផ្តល់សិទ្ធិចូលប្រើរបស់អ្នកប្រើប្រាស់។ បញ្ហាប្រឈមទាំងនេះកំពុងជំរុញឱ្យស្ថាប័នស្វែងរកដំណោះស្រាយដែលជំរុញដោយ AI ដែលសម្រួល និងធ្វើឱ្យសំណើចូលដំណើរការដោយស្វ័យប្រវត្តិ ការអនុម័តចូលប្រើ វិញ្ញាបនប័ត្រ និងដំណើរការគំរូ។ នៅឆ្នាំ 2021 យើងនឹងឃើញ AI កាន់តែមានការងារធ្វើ ដើម្បីបើកវិធីសាស្រ្តអត្តសញ្ញាណស្វយ័ត។

ដំណោះស្រាយការផ្ទៀងផ្ទាត់ និងការអនុញ្ញាតដែលបញ្ចូលដោយ AI នឹងត្រូវបានដាក់នៅលើកំពូល ឬរួមបញ្ចូលជាមួយដំណោះស្រាយ IGA ដែលមានស្រាប់ ផ្តល់នូវការមើលឃើញតាមបរិបទ សហគ្រាសដោយប្រមូល និងវិភាគទិន្នន័យអត្តសញ្ញាណទាំងអស់ និងបើកការយល់ដឹងអំពីកម្រិតហានិភ័យផ្សេងៗគ្នានៃការចូលប្រើរបស់អ្នកប្រើប្រាស់តាមមាត្រដ្ឋាន។ ការប្រើប្រាស់ AI នឹងអនុញ្ញាតឱ្យប្រព័ន្ធកំណត់អត្តសញ្ញាណ និងជូនដំណឹងដល់ក្រុមសុវត្ថិភាព និងអនុលោមភាពអំពីការចូលប្រើប្រាស់ដែលមានហានិភ័យខ្ពស់ ឬការរំលោភបំពានគោលនយោបាយ។ យូរ ៗ ទៅយើងនឹងឃើញប្រព័ន្ធ AI ទាំងនេះបង្កើតលទ្ធផលដែលអាចពន្យល់បាន ខណៈពេលដែលការបង្កើនស្វ័យប្រវត្តិកម្មនៃបញ្ហាប្រឈមផ្នែកសុវត្ថិភាពតាមអ៊ីនធឺណិតដ៏លំបាកបំផុតមួយចំនួននៅក្នុងសហគ្រាស។ — Eve Maler, CTO នៅ ForgeRock

យើងបានឃើញការអនុវត្តជាសកលនៃក្របខ័ណ្ឌអភិបាលកិច្ច AI ចាប់ផ្តើមនៅឆ្នាំ 2020 ដែលសហគ្រាសកំពុងស្នើសុំព័ត៌មានលម្អិតអំពីលទ្ធផលនៃកម្មវិធី AI ។ ការធានាបាននូវកម្រិតសមស្របនៃការពន្យល់នៃកម្មវិធី AI គឺជាគន្លឹះក៏ដូចជាការប្រើប្រាស់ទិន្នន័យដែលមានគុណភាពល្អ ធានាសវនកម្ម មានសីលធម៌ យុត្តិធម៌ និងតម្លាភាព ការអនុលោមតាមតម្រូវការការពារទិន្នន័យ និងការអនុវត្តវិធានការសុវត្ថិភាពតាមអ៊ីនធឺណិតប្រកបដោយប្រសិទ្ធភាព។ ការអនុវត្តក្របខ័ណ្ឌអភិបាលកិច្ច AI ត្រូវបានគេមើលឃើញកាន់តែច្រើននៅក្នុងផ្នែកហិរញ្ញវត្ថុ និងធនាគារនាពេលបច្ចុប្បន្ន ប៉ុន្តែនៅឆ្នាំ 2021 យើងនឹងឃើញថាវាកាន់តែរីករាលដាល។

សេវាកម្មបញ្ឈរផ្សេងទៀតដូចជា ការថែទាំសុខភាព ពាណិជ្ជកម្មអេឡិចត្រូនិក និងសេវាចល័តនឹងចាប់ផ្តើមប្រើវាជាកម្មវិធីប្រកួតប្រជែង។ ជាឧទាហរណ៍ អ្នកផ្តល់សេវាថែទាំសុខភាពចាប់ផ្តើមមានតម្លាភាពជាងមុនជាមួយនឹងរបៀបដែលទិន្នន័យត្រូវបានប្រើប្រាស់ និងរបៀបដែលពួកគេមានក្រមសីលធម៌ និងយុត្តិធម៌ក្នុងការការពារទិន្នន័យនោះ។ ប្រសិនបើអាជីវកម្មចង់បន្តនៅពីមុខខ្សែកោង ពួកគេគួរតែចាប់ផ្តើមបង្កើតក្រមសីលធម៌ AI ឥឡូវនេះ ដើម្បីដាក់ខ្លួនជាអ្នកនាំមុខគេក្នុងចលនាសកលនេះ។ - Mohan Mahadevan, VP of Research, Onfido

AI នឹងទទួលបានសន្ទុះនៅក្នុង Cloud Security និងអភិបាលកិច្ច។ នៅឆ្នាំ 2021 AI នឹងទៅឆ្ងាយហួសពីការរកឃើញភាពមិនប្រក្រតី ហើយដោយហេតុនេះ បង្ហាញការគំរាមកំហែងដែលអាចកើតមានចំពោះក្រុមសន្តិសុខ។ ការគ្រប់គ្រងលើពពកគឺជាកិច្ចការដ៏ស្មុគស្មាញកាន់តែខ្លាំង ហើយកំពុងឈានទៅដល់ចំណុចមួយដែលមនុស្សមិនអាចគ្រប់គ្រងតែម្នាក់ឯងបានយ៉ាងឆាប់រហ័ស។ AI នឹងត្រូវបានពឹងផ្អែកកាន់តែខ្លាំងឡើងក្នុងឆ្នាំខាងមុខនេះ ដើម្បីរក្សាអនាម័យលើពពក ដោយការសម្រួលលំហូរការងារ ការគ្រប់គ្រងការផ្លាស់ប្តូរ និងការរក្សាទុកក្នុងប័ណ្ណសារ។ នៅពេលដែលអនាម័យលើពពកត្រឹមត្រូវត្រូវបានបង្កើតឡើង និងថែរក្សាជាមួយនឹង AI វាក៏នឹងត្រូវបានប្រើជាឧបករណ៍ចំណេះដឹងទស្សន៍ទាយជាយុទ្ធសាស្ត្រផងដែរ។ តាមរយៈការព្យាករណ៍ និងដោះស្រាយការគំរាមកំហែង និងភាពងាយរងគ្រោះ AI នឹងជួយសហគ្រាសបង្កើតលទ្ធផលល្អបំផុតសម្រាប់បរិស្ថានពពករបស់ពួកគេ។ ការប្រើប្រាស់ AI ជាទ្រព្យសកម្មយុទ្ធសាស្ត្រនឹងផ្តល់សិទ្ធិអំណាចដល់ CIOs ដើម្បីធ្វើការសម្រេចចិត្តដែលមានព័ត៌មានអំពីបរិស្ថានពពករបស់ពួកគេ ដូចជាការវាយតម្លៃការចំណាយ និងហានិភ័យនៃការអនុលោមតាមច្បាប់ជាដើម។ – Keith Neilson, Technical Evangelist សម្រាប់ CloudSphere

នៅពេលដែលយើងក្រឡេកទៅមើលឆ្នាំ 2021 យើងនឹងឃើញការសន្ទនាអំពីក្រមសីលធម៌ AI និងការគ្រប់គ្រងទិន្នន័យត្រូវបានអនុវត្តទៅលើផ្នែកផ្សេងៗជាច្រើន ដូចជាការតាមដានទំនាក់ទំនង (ប្រយុទ្ធប្រឆាំងនឹង COVID-19) រថយន្តដែលបានភ្ជាប់ និងឧបករណ៍ឆ្លាតវៃ (តើអ្នកណាជាម្ចាស់ទិន្នន័យ?) និងផ្ទាល់ខ្លួន។ ប្រវត្តិរូបតាមអ៊ីនធឺណិត (ការកើនឡើងនូវដានអ៊ីនធឺណែតដែលនាំទៅដល់សំណួរឯកជនភាព)។ - Cindy Maike, VP of Industry Solutions, Cloudera

ការគ្រប់គ្រងទិន្នន័យសម្រាប់ការពិតពហុបរិស្ថាន។ ពេលវេលាកន្លងផុតទៅជាយូរមកហើយគឺជាពេលវេលាដែលអង្គការគ្រាន់តែដាក់ទិន្នន័យផ្ទាល់ខ្លួនរបស់ពួកគេទាំងអស់នៅក្នុងបរិវេណ ឬសូម្បីតែនៅក្នុងក្រុមហ៊ុនផ្តល់សេវាពពកមួយ។ ឥឡូវនេះ ស្ថាប័នមានទិន្នន័យនៅក្នុងបរិវេណ ហើយត្រូវបានចាប់ដៃគូជាមួយអ្នកផ្តល់សេវាពពកជាច្រើនដោយផ្អែកលើតម្រូវការជាក់លាក់របស់ពួកគេ។ ការពិតនេះបានបង្កើត "ការគិតឡើងវិញ" អំពីរបៀបដែលការគ្រប់គ្រងទិន្នន័យចាំបាច់ត្រូវចូលទៅជិត។ អង្គការត្រូវតែកំណត់ពីរបៀបដែលការគ្រប់គ្រងទិន្នន័យបច្ចុប្បន្នរបស់ពួកគេនឹងរងផលប៉ះពាល់ និងអ្វីដែលត្រូវកែតម្រូវ របៀបត្រួតពិនិត្យគុណភាពទិន្នន័យនៅក្នុងពពក និងរបៀបគ្រប់គ្រងចលនាទិន្នន័យក្នុង និងក្រៅពពក (និងការចំណាយដ៏ច្រើនដែលភ្ជាប់មកជាមួយនោះ)។ - Todd Wright ប្រធានផ្នែកគ្រប់គ្រងទិន្នន័យ និងដំណោះស្រាយឯកជនភាពទិន្នន័យនៅ SAS

វិទ្យាសាស្រ្តទិន្នន័យ

ឆ្នាំ 2020 មានភាពឃោរឃៅសម្រាប់ក្រុមហ៊ុនមួយចំនួន ការផ្តល់រង្វាន់សម្រាប់អ្នកដទៃ និងការប្រកួតប្រជែងសម្រាប់ទាំងអស់គ្នា។ នៅពេលដែលយើងឈានចូលដល់ឆ្នាំ 2021 ភាពយឺតយ៉ាវមានភាពចាំបាច់ក្នុងការបង្កើតខ្លួនឡើងវិញជាឌីជីថល ហើយក្រុមហ៊ុនឈានមុខគេមានការតស៊ូដើម្បីរក្សាល្បឿនជាមួយនឹងតម្រូវការ។ សហគ្រាសទាំងអស់នេះត្រូវការទុនលើការរួមបញ្ចូលទិន្នន័យ 100% ជាមួយនឹងការចំណាយដែលអាចព្យាករណ៍បាន ការអនុវត្តដែលអាចទុកចិត្តបាន និងការមើលឃើញក្នុងពេលជាក់ស្តែង។ - Bonnie Holub, Practice Lead, Data Science, Americas នៅ តេរ៉ាតាតា

លទ្ធិប្រជាធិបតេយ្យទិន្នន័យនឹងក្លាយជាបទដ្ឋានថ្មី។ វាជាការងាររបស់ CDO ដើម្បីធានាការពង្រីកកំណើននៅទូទាំងអាជីវកម្មទាំងមូល។ នេះអាចសម្រេចបានដោយការផ្តល់នូវទិន្នន័យដែលមានរចនាសម្ព័ន្ធដែលមនុស្សពិតជាអាចប្រើប្រាស់បាន។ CDO ជោគជ័យគួរតែធ្វើប្រជាធិប្បតេយ្យទិន្នន័យ ដើម្បីឱ្យមនុស្សអាចចូលប្រើបាន និងអាចយល់បាន។ CTO ដ៏ល្អនឹងបំពេញបន្ថែម CDO ដោយបង្កើតឧបករណ៍ចាំបាច់ដើម្បីស្វែងរកទិន្នន័យដែលត្រូវការ។ នេះមានន័យថាផ្តល់ឱ្យអ្នកប្រើប្រាស់នូវសំណុំឧបករណ៍មើលឃើញ និងឧបករណ៍រាយការណ៍ដែលអនុញ្ញាតឱ្យពួកគេទទួលបានបន្ទាប់ពីទិន្នន័យដើម្បីដំណើរការការយល់ដឹង។ នៅពេលដែលយើងឈានចូលដល់ឆ្នាំ 2021 យើងនឹងបន្តឃើញកិច្ចសហការបន្ថែមទៀត និងកាន់តែតឹងរ៉ឹងរវាងតួនាទីទាំងពីរនេះ ដែលជំរុញដោយភាពចាំបាច់។ ប្រសិនបើអ្នកមានឧបករណ៍ដែលមានទិន្នន័យមិនល្អ អ្នកកំពុងធ្វើឱ្យបញ្ហាប្រឈមទិន្នន័យកាន់តែធ្ងន់ធ្ងរ។ ប្រសិនបើអ្នកមានឧបករណ៍មានកំណត់ មានតែសំណុំរងតូចមួយប៉ុណ្ណោះដែលអាចធ្វើអ្វីបានជាមួយទិន្នន័យ។ - Derek Knudsen ប្រធានផ្នែកបច្ចេកវិទ្យានៅ Alteryx

អ្នកវិភាគប្រជាពលរដ្ឋនឹងបង្កើនជំនាញដើម្បីក្លាយជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យ។ ភាពស្មុគស្មាញកាន់តែច្រើនឡើងនៃឧស្សាហកម្ម និងក្រុមហ៊ុនភាគច្រើនក៏មានន័យថា នៅពេលដែលយើងឃើញការពឹងផ្អែកលើខ្លួនឯងនៅក្នុងលក្ខខណ្ឌនៃការអភិវឌ្ឍន៍ដំណើរការ IT ឬការប្រើប្រាស់ការវិភាគ វានឹងមានការជំរុញដ៏ធំមួយដើម្បីពង្រីកជំនាញនោះបន្ថែមទៀត។ ជាមួយនឹងទីផ្សារផ្លាស់ប្តូរខុសប្រក្រតីពីមួយខែទៅមួយខែ វានឹងមានការសង្កត់ធ្ងន់កាន់តែខ្លាំងទៅលើវិទ្យាសាស្ត្រទិន្នន័យជាងពេលមុនៗ។ នេះនឹងជំរុញឱ្យអ្នកវិភាគពលរដ្ឋកាន់តែច្រើនឡើងជំនាញ ដើម្បីក្លាយជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យ។ - Sharmila Mulligan ប្រធានផ្នែកយុទ្ធសាស្រ្ត និងទីផ្សារ នៅ Alteryx

បណ្ណាល័យដែលមើលឃើញទិន្នន័យ Python នឹងធ្វើសមកាលកម្ម។ ទីបំផុតយើងចាប់ផ្តើមឃើញបណ្ណាល័យដែលមើលឃើញទិន្នន័យ Python ដំណើរការជាមួយគ្នា ហើយការងារនេះនឹងបន្តនៅឆ្នាំ 2021។ Python មានបណ្ណាល័យដែលមើលឃើញដ៏អស្ចារ្យជាច្រើនឆ្នាំមកហើយ ប៉ុន្តែមានភាពចម្រុះ និងការភាន់ច្រលំជាច្រើនដែលបង្កការលំបាកដល់អ្នកប្រើប្រាស់។ ជ្រើសរើសឧបករណ៍សមស្រប។ អ្នកអភិវឌ្ឍន៍នៅអង្គការផ្សេងៗគ្នាជាច្រើនបាននឹងកំពុងធ្វើការដើម្បីរួមបញ្ចូលសមត្ថភាពដែលបង្កើតឡើងដោយ Anaconda ដូចជាការបង្ហាញទិន្នន័យធំនៅខាងម៉ាស៊ីនមេរបស់ Datashader និងការជក់ភ្ជាប់របស់ HoloViews ទៅក្នុងបណ្ណាល័យរៀបចំផែនការជាច្រើន ដែលធ្វើឱ្យមានថាមពលកាន់តែច្រើនសម្រាប់មូលដ្ឋានអ្នកប្រើប្រាស់កាន់តែទូលំទូលាយ និងកាត់បន្ថយការព្យាយាមស្ទួន។ ការងារដែលកំពុងបន្តនឹងជួយបន្ថែមការធ្វើសមកាលកម្មនេះនៅឆ្នាំ 2021 និងលើសពីនេះ។ — James A. Bednar, Sr. Manager, Technical Consulting, Anaconda

ជំនាញអាជីវកម្មនឹងកាន់តែមានសារៈសំខាន់ជាងពេលណាៗទាំងអស់សម្រាប់អ្នកវិទ្យាសាស្ត្រទិន្នន័យ។ អ្នកវិទ្យាសាស្ត្រទិន្នន័យនឹងត្រូវនិយាយភាសាអាជីវកម្ម ដើម្បីបកប្រែការយល់ដឹងអំពីទិន្នន័យ និងគំរូព្យាករណ៍ទៅជាការយល់ដឹងដែលអាចអនុវត្តបានសម្រាប់ផលប៉ះពាល់អាជីវកម្ម។ ម្ចាស់បច្ចេកវិទ្យាក៏នឹងត្រូវសម្រួលការចូលប្រើបច្ចេកវិទ្យាផងដែរ ដូច្នេះម្ចាស់អាជីវកម្មបច្ចេកទេស និងអាជីវកម្មអាចធ្វើការជាមួយគ្នាបាន។ ការសង្កត់ធ្ងន់សម្រាប់អ្នកវិទ្យាសាស្ត្រទិន្នន័យនឹងមិនត្រឹមតែទៅលើថាតើពួកគេអាចបង្កើតរបស់បានលឿនប៉ុណ្ណានោះទេ ប៉ុន្តែនៅលើរបៀបដែលពួកគេអាចសហការបានល្អជាមួយអាជីវកម្មផ្សេងទៀត។ - Florian Douetteau នាយកប្រតិបត្តិ និងជាសហស្ថាបនិកនៃ ដាតាយគូ

សេវាកម្មខ្លួនឯងបានវិវត្តទៅជាភាពគ្រប់គ្រាន់ដោយខ្លួនឯង៖ នៅក្នុងពិភពនិម្មិត សេវាខ្លួនឯងត្រូវវិវឌ្ឍន៍។ នៅពេលដែលមិនមានសៀវភៅណែនាំណែនាំ និងគ្មាននរណាម្នាក់នៅទីនោះដើម្បីកាន់ដៃអ្នកប្រើប្រាស់ ការបង្កើនល្បឿនលឿន និងវិចារណញាណនឹងក្លាយជាកត្តាអនាម័យសម្រាប់ការទទួលយក ហើយចំណុចប្រទាក់អ្នកប្រើដ៏គួរឱ្យទាក់ទាញនឹងលែងជាជម្រើសដ៏ល្អទៀតហើយ។ ប៉ុន្តែយើងក៏បានឃើញផងដែរថា អ្នកប្រើប្រាស់ច្រើនតែមិនចង់បម្រើខ្លួនឯង។ ពួកគេរំពឹងកាន់តែខ្លាំងឡើងថាការយល់ដឹងនឹងមកដល់ពួកគេ។ ជាលទ្ធផល យើងនឹងឃើញការយល់ឃើញខ្នាតតូច និងរឿងរ៉ាវជាច្រើនទៀតសម្រាប់អ្នកប្រើប្រាស់ដែលបានបន្ថែម។ លើសពីនេះទៀត ទិន្នន័យត្រូវបានមើលរំលងជាញឹកញាប់ពេក។ ការផ្តល់សិទ្ធិអំណាចដល់អ្នកប្រើប្រាស់ក្នុងការចូលប្រើទិន្នន័យ ការយល់ដឹង និងតក្កវិជ្ជាអាជីវកម្មមុននេះ និងវិចារណញាណជាងមុននឹងអនុញ្ញាតឱ្យផ្លាស់ប្តូរពីការមើលឃើញសេវាកម្មដោយខ្លួនឯងទៅជាទិន្នន័យគ្រប់គ្រាន់ដោយខ្លួនឯង។ AI នឹងដើរតួនាទីយ៉ាងសំខាន់នៅទីនេះ ដោយឆ្លងកាត់ការយល់ដឹងខ្នាតតូច និងជួយយើងផ្លាស់ប្តូរពីដំណើរការដែលសរសេរដោយស្គ្រីប និងតម្រង់ទិសមនុស្សទៅជាស្វ័យប្រវត្តិ កូដតិច និងគ្មានការរៀបចំទិន្នន័យកូដ និងការវិភាគ។ ប្រសិនបើមនុស្សកាន់តែច្រើនអាចមានភាពគ្រប់គ្រាន់ដោយខ្លួនឯងជាមួយនឹងទិន្នន័យមុននៅក្នុងខ្សែសង្វាក់តម្លៃ ភាពមិនប្រក្រតីអាចត្រូវបានរកឃើញមុននេះ ហើយបញ្ហាត្រូវបានដោះស្រាយឆាប់ៗ។ – លោក Dan Sommer នាយកជាន់ខ្ពស់ ទីផ្សារសកលលោក ដឹកនាំនៅ ចុច

ក្រុមហ៊ុនជាប្រវត្តិសាស្ត្របានដាក់តម្លៃជាច្រើនលើមនុស្សដែលជា "អ្នកវិទ្យាសាស្ត្រទិន្នន័យ" ។ ទៅមុខ នឹងមានតម្រូវការជួលមនុស្សដែលមានជំនាញ ការប្រមូលទិន្នន័យ។ សម្រាប់ម៉ូដែល AI ដើម្បីដំណើរការ ទិន្នន័យដ៏ច្រើនគឺត្រូវបានទាមទារ ហើយលើសពីនេះទៅទៀត ទិន្នន័យសំខាន់ៗនៅតែមាននៅក្នុង silos នៅក្នុងស្ថាប័នជាច្រើន ដូច្នេះ បុគ្គលដែលមានជំនាញក្នុងការប្រមូលទិន្នន័យនឹងមានតម្រូវការខ្ពស់។ - Clara Angotti ប្រធាននៃ ផ្លូវបន្ទាប់

អ្នកវិទ្យាសាស្ត្រទិន្នន័យនឹងដើរតួយ៉ាងសំខាន់ក្នុងការអភិវឌ្ឍន៍វ៉ាក់សាំង COVID-19។ ចាប់ពីការអភិវឌ្ឍន៍វ៉ាក់សាំង រហូតដល់ការវិភាគលើការសាកល្បង និងការដាក់ពង្រាយ ទិន្នន័យនឹងក្លាយជាគន្លឹះក្នុងការដឹងថាតើយើងបានរកឃើញដំណោះស្រាយបង្ការឬអត់។ អ្នកវិទ្យាសាស្ត្រទិន្នន័យនឹងមានសារៈសំខាន់ដូចអ្នកវិទ្យាសាស្ត្រដែលត្រូវបានបណ្តុះបណ្តាលតាមបែបប្រពៃណីក្នុងការផលិតវ៉ាក់សាំងដែលអាចដំណើរការបានជាលើកដំបូង។ ដើម្បីពន្លឿនការអភិវឌ្ឍន៍វ៉ាក់សាំង មនុស្សត្រូវតែអាចគ្រប់គ្រង ធ្វើការសម្រេចចិត្ត និងជឿជាក់លើទិន្នន័យនោះ។ ដោយដឹងថាល្បឿនមានសារៈសំខាន់ ភាពរហ័សរហួននៃទិន្នន័យត្រូវបានទាមទារ ហើយប្រព័ន្ធស្វ័យប្រវត្តិថ្មីនឹងអនុញ្ញាតឱ្យមានការច្នៃប្រឌិតថ្មី ដែលទីបំផុតនាំទៅដល់វ៉ាក់សាំង។ ការពន្លឿនការផ្តល់វ៉ាក់សាំងនឹងតម្រូវឱ្យមានភាពរហ័សរហួន និងស្វ័យប្រវត្តិកម្មដ៏ច្រើនក្នុងការគ្រប់គ្រងទិន្នន័យ។ - នាយកប្រតិបត្តិក្រុមហ៊ុន Infoworks Buno Pati ។

ខណៈពេលដែលទិន្នន័យនៅតែបន្តគ្រប់គ្រងពិភពលោក ស្ថាប័ននានានៅតែស្វែងរកការតស៊ូដើម្បីប្រើប្រាស់ទិន្នន័យនោះដើម្បីទទួលបានអត្ថប្រយោជន៍ប្រកួតប្រជែងពិតប្រាកដ។ ចលនាវិទ្យាសាស្ត្រទិន្នន័យប្រជាពលរដ្ឋបានលេចឡើងដើម្បីលើកកម្ពស់យ៉ាងទូលំទូលាយនូវសមត្ថភាពក្នុងការរៀបចំ និងបកស្រាយទិន្នន័យ។ ប៉ុន្តែតើមានវិធីល្អជាងនេះទេ? តើវាមិនឆ្លាតជាងនេះទេ (និងងាយស្រួលជាង) ក្នុងការគ្រាន់តែនាំយកអត្ថន័យអាជីវកម្មទៅក្នុងទិន្នន័យ និងជួសជុលទិន្នន័យជាជាងជួសជុលមនុស្សដែលបានផ្តល់ឱ្យថាទិន្នន័យដែលមិនបានបកស្រាយឆៅដែលមានទីតាំងនៅកន្លែងណាមួយនៅក្នុងប្រព័ន្ធគឺមិនមានប្រយោជន៍ខ្លាំងនោះទេ។ - Kendall Clark ស្ថាបនិក និងជានាយកប្រតិបត្តិនៃ Enterprise Knowledge Graph Developer Platform ស្តាត

យើងនឹងឃើញ Uptick នៃស្ថាបត្យកម្មសម្រាប់វិទ្យាសាស្ត្រទិន្នន័យ៖ ការគ្រប់គ្រងទិន្នន័យជាស្ទាត់ជំនាញនឹងជាគំនិតសំខាន់សម្រាប់ក្រុម IT ជាច្រើននៅពេលពួកគេស្វែងរកការកែលម្អភាពវៃឆ្លាត និងរហ័សនៃអាជីវកម្ម។ សម្រាប់ហេតុផលនេះ វិទ្យាសាស្ត្រទិន្នន័យ ដែលជាឆ័ត្រដែលបញ្ញាសិប្បនិមិត្ត ការរៀនតាមម៉ាស៊ីន ស្វ័យប្រវត្តិកម្ម ទិន្នន័យបឹង និងអ្វីៗផ្សេងទៀតនឹងរីកចម្រើន - នឹងមានការរីកចម្រើនយ៉ាងខ្លាំងនៅឆ្នាំ 2021។ ពីការវិភាគឥរិយាបថដែលជំរុញដោយទិន្នន័យ ដើម្បីផ្លាស់ប្តូរការទិញគ្រឿងទេស ទៅជាការប្រើប្រាស់កុំព្យូទ័រដ៏មានឥទ្ធិពលនៅក្នុងពពកទៅ ធ្វើឱ្យប្រសើរឡើងនូវគំរូផលិតកម្មប្រព័ន្ធផ្សព្វផ្សាយ វិទ្យាសាស្ត្រទិន្នន័យនឹងនាំមុខគេសម្រាប់មនុស្សជាច្រើនដើម្បីរក្សាការប្រកួតប្រជែង។ ថ្លៃពេកក្នុងការផ្តល់ជូនដោយខ្លួនឯង ក្រុមហ៊ុនទាំងនេះជាច្រើននឹងផ្តល់ប្រភពទិន្នន័យពីគម្រោងវិទ្យាសាស្ត្រទិន្នន័យរបស់ពួកគេទៅឱ្យភាគីទីបីជាមួយនឹងគំរូនៃការជាវ។ — Dustin Milberg, Field CTO Cloud Services នៅ InterVision

ធ្វើស្វ័យប្រវត្តិកម្មបំពង់បង្ហូរប្រេងរបស់អ្នកដើម្បីបញ្ចេញសក្តានុពលពេញលេញរបស់អ្នកវិទ្យាសាស្ត្រទិន្នន័យ៖ អ្នកវិទ្យាសាស្ត្រទិន្នន័យជាញឹកញាប់មមាញឹកជាមួយកិច្ចការដូចជាការរៀបចំទិន្នន័យ វិស្វកម្មលក្ខណៈពិសេស និងការធ្វើគំរូ។ នៅពេលដែលកិច្ចការទាំងនេះត្រូវបានបន្ថែមជាមួយនឹងឧបករណ៍ដែលជួយធ្វើស្វ័យប្រវត្តិកម្មជំហានទាំងនេះ យើងនឹងឃើញអ្នកវិទ្យាសាស្ត្រទិន្នន័យធ្វើពាណិជ្ជកម្មក្នុងកិច្ចការទម្លាប់សម្រាប់ពេលវេលាដែលត្រូវចំណាយលើវិធីសាស្រ្តយុទ្ធសាស្ត្រកាន់តែស៊ីជម្រៅដែលនឹងធ្វើឱ្យធនធានទាំងនោះមានតម្លៃមិនអាចកាត់ថ្លៃបាន។ យើងរំពឹងថានឹងឃើញការអនុវត្តជាប្រព័ន្ធបន្ថែមទៀតនៃដំណោះស្រាយ AI អាជីវកម្មដើម្បីធ្វើឱ្យការវិភាគ ad-hoc កាន់តែមានប្រសិទ្ធភាពឡើងវិញ។ - Justin Silver, Ph.D. អ្នកយុទ្ធសាស្ត្រ AI នៅ ផលវិជ្ជមាន

ការសិក្សាស៊ីជម្រៅ។

ការទទួលយកដំណោះស្រាយសហគ្រាសដែលមានមូលដ្ឋានលើ Deep Learning ក្នុងការចាប់ផ្តើមអាជីវកម្ម និងសហគ្រាសនឹងឃើញការកើនឡើងបន្តិចម្តងៗ។ ឧបសគ្គសំខាន់នឹងបន្តជាការចំណាយក្នុងការទិញវត្ថុ GPU និងធនធានមនុស្សដែលមានតម្លៃខ្ពស់។ - Sundeep Reddy Mallu ប្រធានផ្នែកវិភាគនៅ ហ្គ្រីនណេន

ដូចដែលយើងទាំងអស់គ្នាបានឃើញក្នុងប៉ុន្មានឆ្នាំថ្មីៗនេះ ការស្រាវជ្រាវ និងការអភិវឌ្ឍន៍ក្នុងដំណើរការភាសាធម្មជាតិបានរីកចម្រើនយ៉ាងឆាប់រហ័សដោយការទម្លាយនៃគំរូភាសា Transformer ដូចជា BERT, GPT-3 ជាដើម។ ខណៈពេលដែលពួកគេកំពុងសម្រេចបាននូវការអនុវត្តដ៏ទំនើប ពួកគេត្រូវការសំណុំទិន្នន័យធំ។ និងធនធានកុំព្យូទ័រមួយចំនួនធំសម្រាប់ការបណ្តុះបណ្តាល និងការសន្និដ្ឋានជាមួយនឹងកាបូនដ៏សំខាន់។ យើងនឹងឃើញកិច្ចខិតខំប្រឹងប្រែង និងការស្រាវជ្រាវកាន់តែច្រើនឡើងជាមួយនឹងស្ថាបត្យកម្មគំរូថ្មី និងបច្ចេកទេសបណ្តុះបណ្តាលដើម្បីដោះស្រាយកង្វល់នៃការបំភាយកាបូន ពេលវេលាបណ្តុះបណ្តាលដ៏វែងឆ្ងាយ ជាមួយនឹងលំហ និងការគណនាគំរូប្រកបដោយប្រសិទ្ធភាព ដើម្បីធ្វើឱ្យរបកគំហើញទាំងនេះអាចចូលដំណើរការបានកាន់តែច្រើន។ ម៉ូដែលថ្មីៗដូចជាអ្នកសំដែងដែលមានការយកចិត្តទុកដាក់រហ័សនឹងបម្រើជាកាតាលីករដើម្បីផ្លាស់ទីក្នុងទិសដៅនេះ។ - លោក Kavan Shukla អ្នកវិទ្យាសាស្ត្រទិន្នន័យ Finn AI

ផ្នែករឹង

ផ្នែករឹង និងសូហ្វវែរបញ្ចូលគ្នាជាមួយនឹងការកើនឡើងនៃផ្នែករឹងជាក់លាក់ AI ។ ដូចដែលការប្រកាសរបស់ក្រុមហ៊ុន Apple អំពីបន្ទះឈីប M1 បានបង្ហាញ ហាដវែរដែលបង្កើតដោយគោលបំណងកំពុងក្លាយជារឿងសំខាន់ ដែលមានន័យថាមនុស្សនឹងចាប់ផ្តើមគិតកាន់តែច្រើនអំពីផ្នែករឹងពិតប្រាកដដែលពួកគេកំពុងធ្វើការជាងអ្វីដែលពួកគេបានធ្វើពីមុន រួមទាំងអ្នកវិទ្យាសាស្ត្រទិន្នន័យផងដែរ។ ការកើនឡើងនៃផ្នែករឹងជាក់លាក់របស់ ML ទំនងជានឹងនាំឱ្យមានការកែលម្អការអនុវត្ត ប៉ុន្តែក៏ផ្តល់នូវអថេរមួយផ្សេងទៀតនៅក្នុងការដាក់ឱ្យប្រើប្រាស់គំរូផងដែរ។ វានឹងមានឥទ្ធិពលជាពិសេសនៅក្នុងបរិយាកាសពពក និងទូរសព្ទ។ នេះនឹងបំបែកបន្ថែមទៀតនូវជញ្ជាំងដែលមានជាប្រពៃណីរវាងផ្នែករឹង និងសូហ្វវែរ ដោយករណីប្រើប្រាស់ AI នាំមុខគេ។ - Kevin Goldsmith, CTO, Anaconda

ចាប់តាំងពីឆ្នាំ 2012 ថាមពលកុំព្យូទ័រ AI បានកើនឡើងក្នុងអត្រា 5X នៃច្បាប់របស់ Moore ដែលកើនឡើងទ្វេដងប្រហែលរៀងរាល់ 3.5 ខែម្តង។ ដោយសារចំនួនកម្មវិធីដែលកំពុងកើនឡើងដែលបង្កើតឡើងនៅលើកំពូលនៃម៉ាស៊ីន AI ដែលជះឥទ្ធិពលដល់ជីវិតប្រចាំថ្ងៃរបស់យើង - មួយចំនួនសូម្បីតែមានសារៈសំខាន់ចំពោះមនុស្សជាតិទាំងមូល (ឧទាហរណ៍ ការធ្វើគំរូ និងដំណោះស្រាយសម្រាប់ការប្រែប្រួលអាកាសធាតុ) ការស្វែងរកដំណោះស្រាយចំពោះការអនុវត្តការធ្វើមាត្រដ្ឋានមិនស៊ីសង្វាក់គ្នាគឺខ្ពស់លើគ្រប់រឿងពិតដែលមិនសមហេតុផល និង បញ្ជីអាទិភាពរបស់ក្រុមហ៊ុនផលិតបន្ទះឈីប។ តម្រូវការសម្រាប់ការផ្លាស់ប្តូរពីរបៀបដែលច្បាប់របស់ Moore ត្រូវបានគេដឹងថានឹងកាន់តែច្បាស់នៅក្នុងឆ្នាំ 2021។ និន្នាការចុងក្រោយបំផុតគឺការនិយាយអំពីការសរសេរកម្មវិធីដែលមានប្រសិទ្ធភាពជាងមុន ដើម្បីផ្តល់នូវការកែលម្អការអនុវត្តពីមួយឆ្នាំទៅមួយឆ្នាំ។ នេះគឺជាការភ្នាល់ដ៏ប្រថុយប្រថានមួយ ចាប់តាំងពីការអភិវឌ្ឍន៍នៃក្បួនដោះស្រាយថ្មីជាមូលដ្ឋានមិនអាចកើតឡើងតាមកាលវិភាគនោះទេ ហើយដូច្នេះមិនត្រូវគ្នានឹងកាលវិភាគនៃការរីកចម្រើនរបស់ semiconductor tick-tock បែបប្រពៃណីនោះទេ។ បច្ចេកវិទ្យាគណនាមូលដ្ឋានក៏ត្រូវតែប្រសើរឡើងផងដែរ។ យើងនឹងបន្តឃើញការផ្លាស់ប្តូរ និងការកែលម្អនៅក្នុងឆ្នាំខាងមុខនេះ។ - លោក Nick Harris នាយកប្រតិបត្តិ និងជាសហស្ថាបនិកនៃ ពន្លឺស្រាល

ការគណនាក្នុងអង្គចងចាំ

នៅឆ្នាំ 2021 ដែលត្រូវបានពន្លឿនដោយ COVID-19 និងបទប្បញ្ញត្តិកាន់តែតឹងរ៉ឹង សហគ្រាសនឹងបន្តជំរុញគំនិតផ្តួចផ្តើមបំប្លែងទិន្នន័យរបស់ពួកគេដើម្បីរីកចម្រើននៅក្នុងសេដ្ឋកិច្ចឌីជីថលអនឡាញដែលកំពុងរីកចម្រើន។ ល្បឿនខ្លាំង ភាពរហ័សរហួនលើពពក និងការវិភាគប្រតិបត្តិការនឹងត្រូវបានអនុម័តដោយសហគ្រាស ដើម្បីបង្កើនប្រសិទ្ធភាពប្រតិបត្តិការដែលជំរុញដោយទិន្នន័យ និងណែនាំសេវាកម្ម និងកម្មវិធីថ្មីៗយ៉ាងឆាប់រហ័ស។

ដំណោះស្រាយបច្ចេកវិជ្ជាផ្អែកលើក្រណាត់ទិន្នន័យដើមកំណើតពពក ដែលត្រូវបានគេស្គាល់ថាជាមជ្ឈមណ្ឌលសមាហរណកម្មឌីជីថលនឹងអនុញ្ញាតឱ្យអង្គការនានាដក និងបំបែកចេញពីប្រព័ន្ធកេរ្តិ៍ដំណែលនៃកំណត់ត្រា និងមូលដ្ឋានទិន្នន័យ ដើម្បីបំពេញតាមតម្រូវការឌីជីថល និងការវិភាគរបស់ពួកគេ ហើយអាចធ្វើចំណាកស្រុកទៅពពកដោយគ្មាន ចាំបាច់ត្រូវដកខ្លួនចេញទាំងស្រុងពីប្រព័ន្ធបេសកកម្មសំខាន់ៗដែលមានស្រាប់របស់ពួកគេ។ ការណែនាំអំពីល្បឿន និងមាត្រដ្ឋានក្នុងអង្គចងចាំសម្រាប់ការវិភាគ និង BI នឹងជំរុញការរាយការណ៍តាមពេលវេលាជាក់ស្តែង និងការមើលឃើញទិន្នន័យថ្មី ហើយអាចឱ្យម៉ូដែល ML ប្រើប្រាស់ទិន្នន័យពេលវេលាជាក់ស្តែងកាន់តែត្រឹមត្រូវសម្រាប់សេវាកម្មអនឡាញ ដូចជាការអនុម័តប្រាក់កម្ចី ការវិភាគការក្លែងបន្លំ និងអតិថិជន។ សមត្ថភាព 360 ។ AIOps ក៏នឹងជាការផ្តោតអារម្មណ៍ និងត្រូវបានដាក់ពង្រាយដើម្បីធ្វើស្វ័យប្រវត្តិកម្ម និងសម្រួលប្រតិបត្តិការទិន្នន័យ និងការវិភាគស្មុគ្រស្មាញ កាត់បន្ថយពេលវេលាទៅទីផ្សារ និងការចំណាយទាប ខណៈពេលដែលកាត់បន្ថយកំហុសរបស់មនុស្ស។ - Adi Paz - CEO - GigaSpaces

នៅឆ្នាំ 2020 ជំងឺរាតត្បាត COVID-19 បានជំរុញឱ្យអាជីវកម្មជាច្រើន ជាពិសេសអាជីវកម្មចែកចាយអាហារ ពាណិជ្ជកម្មអេឡិចត្រូនិក ការដឹកជញ្ជូន និងការចូលប្រើពីចម្ងាយ និងសេវាកម្មសហការ ពង្រីក និងកែលម្អហេដ្ឋារចនាសម្ព័ន្ធយ៉ាងច្រើន ដើម្បីរក្សាការអនុវត្តកម្មវិធីខ្ពស់ ប្រឈមមុខនឹងការកើនឡើងនៃអ្នកចូលមើលគេហទំព័រ។ សំណើដឹកជញ្ជូន ប្រតិបត្តិការលក់ ការផ្សាយវីដេអូ និងច្រើនទៀត។ អាជីវកម្មទាំងនេះជាច្រើនបានរកឃើញថាវិធីសាស្រ្តលឿនបំផុតក្នុងការរក្សា ឬកែលម្អការអនុវត្តក្នុងពេលដំណាលគ្នានឹងការកើនឡើងនៃដំណើរការកម្មវិធីគឺត្រូវដាក់ពង្រាយបណ្តាញចែកចាយទិន្នន័យក្នុងអង្គចងចាំ (IMDG) ដែលបង្កើតឡើងដោយប្រើវេទិកាកុំព្យូទ័រក្នុងអង្គចងចាំដូចជា Apache Ignite ដែលអាចត្រូវបានបញ្ចូល។ រវាងកម្មវិធីដែលមានស្រាប់ និងមូលដ្ឋានទិន្នន័យដែលមានមូលដ្ឋានលើថាស ដោយគ្មានការកែប្រែធំៗ។ IMDG ធ្វើអោយប្រសើរឡើងនូវដំណើរការដោយការរក្សាទុកទិន្នន័យកម្មវិធីនៅក្នុង RAM និងអនុវត្តដំណើរការប៉ារ៉ាឡែលដ៏ធំ (MPP) នៅទូទាំងចង្កោមម៉ាស៊ីនមេដែលបានចែកចាយ។ វាក៏ផ្តល់នូវផ្លូវដ៏សាមញ្ញមួយផងដែរក្នុងការពង្រីកសមត្ថភាព ដោយសារស្ថាបត្យកម្មដែលបានចែកចាយអនុញ្ញាតឱ្យថាមពលគណនា និង RAM នៃចង្កោមត្រូវបានកើនឡើងដោយគ្រាន់តែបន្ថែមថ្នាំងថ្មី។

នៅឆ្នាំ 2021 វេទិកា IMC នឹងកាន់តែងាយស្រួលប្រើ ហើយចំនួនអ្នកអនុវត្ត IMC ដែលមានចំណេះដឹងនឹងបន្តកើនឡើងយ៉ាងឆាប់រហ័ស។ នេះនឹងអនុញ្ញាតឱ្យការអនុម័ត IMC រីករាលដាលពាសពេញឧស្សាហកម្មកាន់តែច្រើន និងទៅកាន់ក្រុមក្រុមហ៊ុនកាន់តែទូលំទូលាយ។ ជាលទ្ធផល អាជីវកម្មកាន់តែច្រើននឹងមានទីតាំងកាន់តែប្រសើរឡើងក្នុងការទាញយកអត្ថប្រយោជន៍ពី IMC សម្រាប់ការពន្លឿនកម្មវិធីយ៉ាងឆាប់រហ័ស មិនត្រឹមតែឆ្លើយតបទៅនឹងតម្រូវការរបស់ COVID ប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងឆ្លើយតបទៅនឹងតម្រូវការយុទ្ធសាស្ត្រ និងការប្រកួតប្រជែងថ្មីៗផងដែរ នៅពេលដែលការគំរាមកំហែងនៃជំងឺរាតត្បាតកាន់តែធូរស្រាល។ - Nikita Ivanov, CTO និងជាស្ថាបនិក GridGain ប្រព័ន្ធ

IoT

ការអនុម័ត IoT នៅក្នុងសហគ្រាសនឹងឡើងកំដៅខ្លាំងជាងពេលណាៗទាំងអស់៖ ដោយមើលឃើញពីផលប៉ះពាល់នៃជំងឺរាតត្បាតលើអាជីវកម្ម សហគ្រាសនឹងស្វែងរកមធ្យោបាយថ្មី ឬបន្ថែមដើម្បីបង្កើនល្បឿនដល់ការសម្រេចចិត្តនៅឆ្នាំ 2021។ IoT អាចដើរតួក្នុងរឿងនេះ។ តាមទស្សនៈរបស់ BI បញ្ហាប្រឈមគឺត្រូវទទួលស្គាល់ថា IoT មានគំរូទិន្នន័យផ្សេងៗគ្នាដែលចាំបាច់ត្រូវមាន ដូចជាការអនុវត្តតាមពេលវេលាជាដើម។ ការកាត់បន្ថយពេលវេលាយឺតយ៉ាវរវាងការផលិតទិន្នន័យ និងប្រតិបត្តិការនឹងក្លាយជាគន្លឹះ។ ស្ថាប័នឆ្លាតវៃបំផុតនឹងដឹងថាពួកគេមិនអាចចំណាយប្រាក់លើបញ្ហានេះបាននោះទេ ប៉ុន្តែផ្ទុយទៅវិញចាំបាច់ត្រូវមានយុទ្ធសាស្ត្រដើម្បីបង្កើតគំរូទិន្នន័យថ្មីដែលចែករំលែកការយល់ដឹងប្រកបដោយការគិតគូរ។ - Eric Raab, SVP, វិស្វកម្ម និងផលិតផល, អ្នកបង្កើតព័ត៌មាន

ជំងឺរាតត្បាតបានបង្កើនល្បឿនយ៉ាងខ្លាំងដល់តម្រូវការសម្រាប់ក្រុមហ៊ុនដើម្បីបញ្ចប់ការផ្លាស់ប្តូរឧស្សាហកម្ម 4.0 របស់ពួកគេជាមួយនឹងដំណោះស្រាយដែលអនុញ្ញាតឱ្យពួកគេមានភាពបត់បែន ភាពមើលឃើញ និងប្រសិទ្ធភាពបន្ថែមទៀតនៅក្នុងប្រតិបត្តិការរបស់ពួកគេ។ យើងនឹងឃើញការបង្កើនល្បឿននៃការទទួលយកដំណោះស្រាយដែលជួយដោះស្រាយតម្រូវការនោះ រាប់ចាប់ពី AI រួមទាំងការរៀនម៉ាស៊ីន ចក្ខុវិស័យម៉ាស៊ីន និងការវិភាគកម្រិតខ្ពស់។ នៅពេលដែលសេដ្ឋកិច្ចងើបឡើងវិញ យើងនឹងបន្តឃើញការវិនិយោគលើហេដ្ឋារចនាសម្ព័ន្ធ OT ជាមូលដ្ឋានជាមួយនឹងសមត្ថភាព IT បន្ថែមទៀត ដើម្បីអនុញ្ញាតឱ្យប្រព័ន្ធអេកូឡូស៊ីទូលំទូលាយរបស់អ្នកលេងអាចប្រើប្រាស់ដំណោះស្រាយទាំងនេះ ហើយនឹងឃើញការអនុម័តឧស្សាហកម្ម 4.0 កើនឡើងយ៉ាងខ្លាំងនៅឆ្នាំ 2021។ – Christine Boles, VP , IoT Group និង GM, ផ្នែកដំណោះស្រាយឧស្សាហកម្ម, ក្រុមហ៊ុន Intel

ការផ្ទុះនៃការគណនាគែម៖ យើងនឹងបន្តឃើញការកើនឡើងនៃការគណនាគែមនៅទូទាំងឧស្សាហកម្មមជ្ឈមណ្ឌលទិន្នន័យ ដោយសារការកើនឡើងនៃការគណនា និងតម្រូវការល្បឿនពីអ្នកប្រើប្រាស់ និងក្រុមហ៊ុន។ បណ្តាញដែលមានភាពយឺតយ៉ាវទាបគឺមានសារៈសំខាន់នៅក្នុងបរិស្ថានដែលព្យាយាមបង្កើនដំណើរការគណនា និងកាត់បន្ថយពេលវេលាទំនេររបស់ម៉ាស៊ីនមេ។ – Timothy Vang, Ph.D., អនុប្រធានផ្នែកទីផ្សារ និងកម្មវិធីសម្រាប់ សេមតិច ក្រុមហ៊ុន Signal Integrity Products Group

Edge គឺជាពពកថ្មី៖ សម្រាប់ក្រុមហ៊ុនដែលធ្វើមាត្រដ្ឋានគំនិតផ្តួចផ្តើមរោងចក្រឆ្លាតវៃនៅឆ្នាំ 2021 ភាពអាចរកបានក្នុងពេលជាក់ស្តែងនៃបន្ទុកការងារសំខាន់ៗនៃបេសកកម្មនឹងចាំបាច់ដើម្បីធានាបាននូវលទ្ធផលអាជីវកម្ម។ Edge computing នឹងបំពេញបន្ថែមហេដ្ឋារចនាសម្ព័ន្ធពពកដែលមានស្រាប់ ដោយបើកដំណើរការទិន្នន័យក្នុងពេលវេលាជាក់ស្តែង ដែលការងារកើតឡើង (ឧទាហរណ៍ ម៉ូទ័រ ម៉ាស៊ីនបូម ម៉ាស៊ីនភ្លើង ឬឧបករណ៍ចាប់សញ្ញាផ្សេងទៀត)។ ការអនុវត្តការវិភាគរួមបញ្ចូលគ្នាពីគែមទៅពពកនឹងជួយសហគ្រាសទាំងនេះបង្កើនតម្លៃនៃការវិនិយោគនៅក្នុងប្រព័ន្ធឌីជីថល។

ឧស្សាហកម្មនេះនឹងបន្តឆ្ពោះទៅរកបរិយាកាសកុំព្យូទ័រវិមជ្ឈការកាន់តែច្រើន ហើយគែមនឹងបន្ថែមតម្លៃដ៏សំខាន់ដល់គំនិតផ្តួចផ្តើមការផ្លាស់ប្តូរឌីជីថល។ តាមរយៈការរួមបញ្ចូលមុខងារគែមជាមួយហេដ្ឋារចនាសម្ព័ន្ធពពកដែលមានស្រាប់ អង្គការនឹងព្រួយបារម្ភតិចជាងមុនលើការពិចារណាផ្នែកបច្ចេកវិទ្យាព័ត៌មានវិទ្យា ហើយផ្ទុយទៅវិញ ផ្តោតលើការគិតឡើងវិញនូវអ្វីដែលអាចធ្វើទៅបាននៅក្នុងម៉ាស៊ីនឆ្លាតវៃ៖ តើសំណួរអ្វីខ្លះដែលអាចឆ្លើយបានលឿនជាងមុន? តើវាអាចដោះស្រាយបញ្ហាថ្មីអ្វីខ្លះ? តើវាអាចការពារប្រតិបត្តិការបានល្អប្រសើរដោយរបៀបណា? អ្នកវិភាគកត់សម្គាល់ថា នៅឆ្នាំ២០២២ 99% សហគ្រាសឧស្សាហកម្មនឹងប្រើប្រាស់ការគណនាគែមសម្រាប់ហេតុផលនេះ។ - Keith Higgins, VP of Digital Transformation for Rockwell Automation

គំនិតច្នៃប្រឌិតជំរុញ IoT ទៅមុខ៖ IoT និងការអភិវឌ្ឍន៍ផលិតផលឆ្លាតវៃនឹងផ្តោតលើការរចនាប្រកបដោយភាពច្នៃប្រឌិត និងដំណោះស្រាយប្រកបដោយការគិតគូរ ខណៈដែលការកែលម្អបច្ចេកទេសនៃ microprocessors យឺតដោយសារវិស្វករដំណើរការប្រឆាំងនឹងដែនកំណត់នៃអ្វីដែលអាចធ្វើទៅបាន ដោយសារក្រុមហ៊ុនផលិតបន្ទះឈីបនៅជិតដែនកំណត់ទ្រឹស្តីសម្រាប់របៀបដែលឧបករណ៍ទាំងនេះស្តើង។ ក្លាយជា។ ការអភិវឌ្ឍន៍ផលិតផលច្បាប់របស់ Post-Moore នឹងពឹងផ្អែកលើភាពប៉ិនប្រសប់របស់វិស្វករ និងអ្នករចនាដើម្បីបង្កើតដំណោះស្រាយស្រមើលស្រមៃ ដើម្បីដោះស្រាយបញ្ហាអាជីវកម្ម និងសង្គម និងកែលម្អដំណើរការអ្នកប្រើប្រាស់ប្រចាំថ្ងៃ ជំនួសឱ្យការពឹងផ្អែកទៅលើបន្ទះឈីបដ៏មានឥទ្ធិពលជំនាន់ក្រោយ។ - Sam Mahalingam, CTO, អាលតារ

រៀនម៉ាស៊ីន

ការវិនិយោគប្រាក់ដុល្លារក្នុងប្រតិបត្តិការ IT នឹងផ្លាស់ប្តូរពីស្វ័យប្រវត្តិកម្មលំហូរការងាររបស់វ៉ានីឡាទៅជាដំណោះស្រាយ AI/ML ដើមជាមួយនឹងជំរុញឱ្យក្លាយជាប្រតិបត្តិការឌីជីថល។ ប្រតិបត្តិការលំហូរការងារ និងស្វ័យប្រវត្តិកម្មរៀងៗខ្លួននឹងវិវឌ្ឍដោយធម្មជាតិដើម្បីរួមបញ្ចូលដំណោះស្រាយ AI/ML នៅពេលដែលបច្ចេកវិទ្យាកាន់តែមានឥទ្ធិពល។ AI និង ML កំពុងឈានទៅមុខ ហើយនៅក្នុងវេនធ្វើឱ្យប្រសើរឡើងនូវលំហូរការងារដោយស្វ័យប្រវត្តិ នៅពេលដែលក្រុមហ៊ុនប្រមូលទិន្នន័យកាន់តែច្រើន ក៏ដូចជាការផ្លាស់ប្តូរអង្គភាព និងប្រតិបត្តិការរដ្ឋបាល។ - Shiva Ramani នាយកប្រតិបត្តិនៃ iOPEX

សហគ្រាសនឹងស្វែងរកកម្មវិធីថ្មីសម្រាប់បច្ចេកវិទ្យារៀនម៉ាស៊ីនដែលធ្វើស្វ័យប្រវត្តិកម្មដំណើរការដោយដៃ និងបង្កើនសមត្ថភាពត្រួតពិនិត្យ។ ក្រុមហ៊ុននឹងស្វែងរកផលិតផលដែលផ្តល់នូវការត្រួតពិនិត្យកាន់តែស៊ីជម្រៅ ស្វ័យប្រវត្តិកម្ម និងព័ត៌មានបន្ថែមតម្លៃបន្ថែមលើការចំណាយផ្នែក IT របស់ពួកគេ។ ជាឧទាហរណ៍ ដំណោះស្រាយភាពអាចរកបានដែលផ្តល់នូវការត្រួតពិនិត្យការដឹងអំពីកម្មវិធី និងស្វ័យប្រវត្តិកម្មនៃការកំណត់រចនាសម្ព័ន្ធ និងភារកិច្ចគ្រប់គ្រងនឹងត្រូវបានផ្តល់អាទិភាពជាងដំណោះស្រាយបរាជ័យបែបប្រពៃណី។ ការច្នៃប្រឌិតថ្មីនៅក្នុង HA នឹងលេចឡើងដើម្បីដោះស្រាយភាពស្មុគស្មាញកាន់តែខ្លាំងឡើងនៃការបរាជ័យ និងគ្រោះមហន្តរាយដែលកើតឡើងដោយឧបករណ៍ IoT និងភាពអាស្រ័យរបស់ពួកគេ។ - Cassius Rhue, VP, បទពិសោធន៍អតិថិជន, បច្ចេកវិទ្យា SIOS

តាមប្រវត្តិសាស្ត្រ ក្បួនដោះស្រាយមានច្រើនអំពីការរៀនម៉ាស៊ីន និងបណ្តាញសរសៃប្រសាទ។ ឥឡូវនេះយើងកំពុងឃើញម៉ាស៊ីនកាន់តែច្រើនឡើងៗដែលបំពាក់ដោយខ្លួនឯង ហើយអាចបង្រៀន និងបណ្តុះបណ្តាលខ្លួនឯងតាមរបៀបដែលស្រដៀងនឹងផ្នែក subconscious នៃខួរក្បាលរបស់មនុស្ស។ នៅក្នុងពាក្យផ្សេងទៀត, ក្បួនដោះស្រាយបានប្រើដើម្បីធ្វើត្រាប់តាមផ្នែកវិភាគនៃខួរក្បាល; ឥឡូវនេះពួកគេកំពុងធ្វើត្រាប់តាមផ្នែកដ៏ធំបំផុត មានឥទ្ធិពលបំផុត និងគួរឱ្យចាប់អារម្មណ៍បំផុតនៃខួរក្បាលមនុស្ស ដែលយើងហៅថាសុភវិនិច្ឆ័យ អារម្មណ៍ពោះវៀន និងវិចារណញាណ។ ជំនួសឱ្យការពឹងផ្អែកលើមនុស្សដើម្បីបណ្តុះបណ្តាល និងបង្រៀនពួកគេ ក្បួនដោះស្រាយម៉ាស៊ីនដែលមិនមានការត្រួតពិនិត្យនាពេលបច្ចុប្បន្ននេះ អាចប្រមូលទិន្នន័យយ៉ាងច្រើន បង្កើតរូបភាពពិភពលោក និងធ្វើការកាត់ចេញដែលស្រដៀងនឹងវត្ថុដែលមនុស្សបង្កើត។ យើងកំពុងចូលមកក្នុងពិភពមួយដែលកុំព្យូទ័រអាចហ្វឹកហាត់ខ្លួនឯងបាន។ - លោក Mark Gazit នាយកប្រតិបត្តិក្រុមហ៊ុន ThetaRay

កាត់បន្ថយភាពលំអៀង៖ ឆ្នាំនេះមានការសន្ទនាចាំបាច់ជាច្រើនជុំវិញការលំអៀង និងការបន្ធូរបន្ថយនៅក្នុងក្បួនដោះស្រាយ AI និងអំពីរបៀបដោះស្រាយផលប៉ះពាល់សង្គមនៃការធ្វើបដិរូបកម្មផ្អែកលើក្បួនដោះស្រាយ។ ទោះជាយ៉ាងណាក៏ដោយ យើងត្រូវបន្តការអភិវឌ្ឍន៍ឧបករណ៍ដែលផ្តល់ការយល់ដឹងអំពីលទ្ធផលនៃប្រព័ន្ធ ML បង្ហាញភាពលំអៀង និងពិនិត្យមើលការរសាត់នៃគំរូដែលបានដាក់ឱ្យប្រើប្រាស់តាមពេលវេលា។ នេះកាន់តែមានសារៈសំខាន់នៅពេលដែលប្រព័ន្ធទាំងនេះត្រូវបានដាក់ឱ្យដំណើរការ ដើម្បីធានាថាយើងមិនបន្ត ឬបង្កើតប្រភពនៃភាពលំអៀងដែលបង្កគ្រោះថ្នាក់នោះទេ។ - Kevin Goldsmith, CTO, Anaconda

អង្គការដែលទទួលបានជោគជ័យដំបូងក្នុងការរៀនម៉ាស៊ីនបានជំរុញឱ្យពួកគេពង្រីកកម្មវិធីរបស់ពួកគេកំពុងស្វែងរកថាខ្សែសង្វាក់ផលិតកម្មដែលមានចលនាលឿននៃសំណុំទិន្នន័យដែលមានគុណភាពខ្ពស់គឺជាឥន្ធនៈដែលនឹងជំរុញការពង្រីកនោះ។ វានឹងលើកទិន្នន័យជាសេវាកម្មទៅជាអាទិភាពខ្ពស់សម្រាប់ក្រុមវិស្វកម្មទិន្នន័យ។ - Luke Han សហស្ថាបនិក និងជានាយកប្រតិបត្តិ។ ភាពថ្លៃថ្នូរ

សមត្ថភាពក្នុងការជឿទុកចិត្ត និងប្រតិបត្តិការ ML នឹងក្លាយជាការធ្វើតេស្ត Litmus របស់ឆ្នាំ 2021 សម្រាប់ការរស់រានមានជីវិត៖ នៅលើជំងឺរាតត្បាត និងវិបត្តិសេដ្ឋកិច្ច យើងកំពុងបន្តដោះស្រាយជាមួយនឹងបរិមាណទិន្នន័យដែលកំពុងកើនឡើងជាលំដាប់ និងភាពស្មុគស្មាញដែលមិនធ្លាប់មាននៃបច្ចេកវិទ្យាថ្មីៗ។ ប្រសិនបើអាជីវកម្មចង់ទទួលបានជោគជ័យក្នុងការធ្វើឱ្យយល់អំពីផលបូកនៃទិន្នន័យដ៏ធំរបស់ពួកគេ និងភាពស្មុគស្មាញផ្នែកបច្ចេកទេស ពួកគេត្រូវតែប្រើប្រាស់ និងដំណើរការគំរូនៃការរៀនម៉ាស៊ីនតាមវិធីដែលអាចពន្យល់បាន និងងាយស្រួលយល់។ វាមិនគ្រប់គ្រាន់ទៀតទេក្នុងការផ្តោតលើការទទួលបានម៉ូដែលចូលទៅក្នុងផលិតកម្ម ឥឡូវនេះការផ្តោតសំខាន់ត្រូវតែផ្តោតលើការទទួលបានម៉ូដែលទៅក្នុងដៃរបស់អ្នកប្រើអាជីវកម្ម និងអ្នកធ្វើការសម្រេចចិត្ត។ ប៉ុន្តែដើម្បីដំណើរការអាជីវកម្ម ត្រូវតែអាចជឿទុកចិត្តបាន ទាញយកការយល់ដឹងពី និងទំនាក់ទំនងអំពីសមត្ថភាពរបស់គំរូចំពោះផលប៉ះពាល់ដ៏មានអត្ថន័យនៃសក្តានុពលអាជីវកម្ម។ នៅឆ្នាំ 2021 សមត្ថភាពរបស់អាជីវកម្មក្នុងការជឿជាក់លើគំរូរបស់វា - ដល់កម្រិតដែលពួកគេអាចផលិតសកម្មភាពពីការយល់ដឹងដែលបានមកពី AI - នឹងជាកត្តាកំណត់នៃសមត្ថភាពរស់រានមានជីវិត។ - Santiago Giraldo, អ្នកគ្រប់គ្រងទីផ្សារផលិតផលជាន់ខ្ពស់នៃ Machine Learning, Cloudera

ក្រុមហ៊ុនគ្រប់ទំហំ និងគ្រប់ដំណាក់កាលទាំងអស់កំពុងផ្លាស់ប្តូរយ៉ាងសកម្មឆ្ពោះទៅរកការដំណើរការកិច្ចខិតខំប្រឹងប្រែងរៀនម៉ាស៊ីន។ មានក្របខ័ណ្ឌដ៏ពេញនិយមមួយចំនួនសម្រាប់ការបណ្តុះបណ្តាលគំរូ រួមទាំង Tensorflow និង PyTorch ដែលដឹកនាំហ្គេម។ ដូចកម្មវិធី Apache Spark ត្រូវបានគេចាត់ទុកថាជាអ្នកដឹកនាំសម្រាប់ការងារបំប្លែងទិន្នន័យ ហើយ Presto កំពុងលេចចេញជាបច្ចេកវិទ្យាឈានមុខគេសម្រាប់សំណួរអន្តរកម្មនោះ ឆ្នាំ 2021 នឹងក្លាយជាឆ្នាំដែលយើងនឹងឃើញអ្នកនាំមុខគេគ្របដណ្តប់លើកន្លែងបណ្តុះបណ្តាលគំរូដ៏ធំទូលាយជាមួយ pyTorch ឬ Tensorflow ជាគូប្រជែងឈានមុខគេ។ - Haoyuan Li ស្ថាបនិក និងជានាយកប្រតិបត្តិ។ អាលូស៊ីអូ

ការផ្លាស់ប្តូរទិន្នន័យ SaaS ជាបំណែកដែលបាត់សម្រាប់ ML/AI៖ អង្គការដែលផ្តោតលើបញ្ញាសិប្បនិមិត្ត និងការរៀនម៉ាស៊ីននឹងបន្តស្រេកឃ្លានសម្រាប់សំណុំទិន្នន័យបណ្តុះបណ្តាលប្រកបដោយអត្ថន័យ ដែលអាចត្រូវបានបញ្ចូលទៅក្នុងក្បួនដោះស្រាយ ML របស់ពួកគេ ដើម្បីរកមើលគំរូនៃការផ្លាស់ប្តូរមូលហេតុ និងផលប៉ះពាល់តាមពេលវេលា។ ដើម្បីធ្វើដូច្នេះ ពួកគេនឹងងាកទៅរកសំណុំទិន្នន័យដែលផ្លាស់ប្តូរជានិច្ចរបស់ពួកគេនៅក្នុងកម្មវិធី 3rd party cloud/SaaS ជាការបញ្ចូលទៅក្នុងក្បួនដោះស្រាយទាំងនេះ។ វានឹងបង្កើតសម្ពាធសម្រាប់ពួកគេក្នុងការចាប់យក និងបញ្ចូលរាល់ការផ្លាស់ប្តូរទិន្នន័យនោះក្នុងពេលមួយទៅក្នុងប្រព័ន្ធអេកូ DataOps របស់ពួកគេ។ - Joe Gaska នាយកប្រតិបត្តិនៃ ហ្គ្រេច

តួនាទីដែលលេងដោយ AI និង ML នឹងពង្រីកនៅពេលដែលការស៊ើបការណ៍អត្តសញ្ញាណមកដល់ជួរមុខ។ នៅពេលដែលយើងឈានដល់ចំណុចកំពូលមួយនៅក្នុងអនាគតនៃការផ្ទៀងផ្ទាត់ អ្នកប្រើប្រាស់កាន់តែដឹងពីសុវត្ថិភាពនៅពេលនិយាយអំពីការការពារអត្តសញ្ញាណឌីជីថលរបស់ពួកគេតាមអ៊ីនធឺណិត។ ការផ្ទៀងផ្ទាត់អត្តសញ្ញាណនឹងកាន់តែមានបរិបទ ហើយ AI នឹងដើរតួនាទីពង្រីកដើម្បីកំណត់ហានិភ័យថាមវន្តនៃការចូលប្រើដែលប្រព័ន្ធផ្អែកលើច្បាប់មិនអាចផ្តល់ឱ្យបាន។ ការសិក្សាស៊ីជម្រៅដែលស្ថិតក្រោមការគ្រប់គ្រង និងគ្មានការត្រួតពិនិត្យ ការរៀនពង្រឹង និងក្បួនដោះស្រាយហ្សែននឹងមិនត្រឹមតែអនុវត្តគំរូការសន្និដ្ឋានដែលបានកំណត់ជាមុនប៉ុណ្ណោះទេ ប៉ុន្តែក៏នឹងអនុញ្ញាតឱ្យដំណោះស្រាយសុវត្ថិភាពសម្របខ្លួនទៅនឹងការផ្លាស់ប្តូរអាកប្បកិរិយារបស់សហគ្រាស និងរៀនពីក្រុមហ៊ុនផ្សេងទៀតនៅពេលដែលពួកគេជួបប្រទះ និងកាត់បន្ថយការគំរាមកំហែង។ ការប្រយុទ្ធប្រឆាំងនឹងការក្លែងបន្លំយ៉ាងស៊ីជម្រៅជាមួយនឹងក្បួនដោះស្រាយដែលភ្ជាប់មកជាមួយ ការទទួលបានតម្លៃពីទិន្នន័យធំ និងការជំរុញការសម្រេចចិត្តតាមរយៈការវិភាគដ៏មានអានុភាពនឹងដើរតួយ៉ាងសំខាន់ក្នុងការស៊ើបការណ៍អត្តសញ្ញាណ។ - Rajesh Ganesan អនុប្រធាន។ គ្រប់គ្រងអ៊ីងិន។ (ផ្នែកក្រុមហ៊ុន Zoho Corp.)

មនុស្សយន្ត

ជាមួយនឹងតម្រូវការដើម្បីរក្សាមនុស្សឱ្យនៅឆ្ងាយពីត្រីមាសជិតស្និទ្ធបន្តរហូតដល់ឆ្នាំថ្មី យើងនឹងឃើញការវិនិយោគដ៏សំខាន់នៅក្នុងស្វ័យប្រវត្តិកម្ម។ ទោះជាយ៉ាងណាក៏ដោយ ប្រហែលជាជាលើកដំបូងហើយ ដែលមនុស្សយន្តនឹងទទួលយកភារកិច្ចរបស់មនុស្សសាមញ្ញ និងសាមញ្ញ ខុសពីការងារដែលពិបាក និងជាយុទ្ធសាស្ត្រ។ យើងបានឃើញមនុស្សយន្តជួយមនុស្សក្នុងកម្មវិធីដ៏ស្មុគស្មាញជាច្រើន ដូចជាមនុស្សយន្តដែលត្រូវបានបណ្តុះបណ្តាលដើម្បីធ្វើការវះកាត់ខ្នាតតូចយ៉ាងជាក់លាក់បំផុត។ ឥឡូវនេះ មនុស្សយន្តនឹងចាប់ផ្តើមទទួលភារកិច្ចដែលអនុញ្ញាតឱ្យកម្មករសំខាន់ៗដែលពីមុនត្រូវការនៅផ្ទាល់ ធ្វើការពីចម្ងាយ។ ជាឧទាហរណ៍ ជាមួយនឹងការបណ្តាក់ទុនកាន់តែច្រើននៅក្នុងការពិតបន្ថែម និងនិម្មិត យើងនឹងឃើញឆ្មាំសន្តិសុខមនុស្សយន្តដែលគ្រប់គ្រងដោយកម្មករពីចម្ងាយដែលកំពុងរ៉ូមីងការិយាល័យ និងជាន់រោងចក្រ។ បុគ្គលិកពីចម្ងាយនឹងអាចបញ្ជាយន្តហោះគ្មានមនុស្សបើកពីចម្ងាយដើម្បីរើស និងវេចខ្ចប់ប្រអប់នៅក្នុងឃ្លាំង។ នៅឆ្នាំ 2021 បដិវត្តន៍នឹងទៅជាមនុស្សយន្ត។ - Ahson Ahmad ប្រធានផ្នែកផលិតផល និងអតិថិជន។ Ripcord

សុវិត្ថភាព

Deepfakes នឹងក្លាយជាការគំរាមកំហែងយ៉ាងសំខាន់ចំពោះសុចរិតភាពអាជីវកម្ម។ កូវីដ-១៩ បានបង្ខំឱ្យការប្រាស្រ័យទាក់ទងគ្នាដោយផ្ទាល់ទៅជានិម្មិត ដែលមានន័យថាអាជីវកម្មកំពុងពឹងផ្អែកលើការប្រជុំតាមវីដេអូ ដើម្បីធ្វើការប្រជុំច្រើនជាងពេលមុនៗ។ ខណៈពេលដែលសញ្ញាណនៃការក្លែងបន្លំជ្រៅប្រហែលជាមិនមែនជារឿងថ្មីទេ ពួកវាកាន់តែមានភាពស្មុគ្រស្មាញ និងកាន់តែងាយស្រួលបង្កើតគួរឱ្យកត់សម្គាល់។ ជាឧទាហរណ៍ សូមយក ThisPersonDoesNotExist.com ដែលប្រើ AI ដើម្បីបង្កើតរូបភាពគួរឱ្យជឿទាំងស្រុងរបស់មនុស្សដែលមិនមាននៅក្នុងជីវិតពិត។ ប្រសិនបើដំណើរការនេះអាចត្រូវបានធ្វើឡើងដោយមានព័ត៌មានតិចតួចនោះ ប្រាកដណាស់ថាពួក Hacker អាចប្រើប្រាស់ទម្រង់ការងារដែលប្រើសម្រាប់បច្ចេកវិទ្យាសន្និសីទវីដេអូ — ដែលមានឈ្មោះ និងរូបភាពរបស់បុគ្គលិកដែលភ្ជាប់ដោយស្វ័យប្រវត្តិជាមួយពួកគេ ដើម្បីបង្កើតក្លែងក្លាយគួរឱ្យជឿជាក់។ - លោក James Carder ប្រធានសន្តិសុខសម្រាប់ ចង្វាក់ឡូជីខល

ការទស្សន៍ទាយ៖ នៅពេលដែលការរកឃើញការក្លែងបន្លំកាន់តែពិបាក គំរូក្លែងបន្លំ ML នឹងពង្រឹង ប៉ុន្តែប្រើសំណុំទិន្នន័យថ្មីៗបន្ថែមទៀត៖ ដើម្បីកំណត់ហានិភ័យនៃការក្លែងបន្លំ ក្រុមហ៊ុនជាធម្មតាប្រើសំណុំទិន្នន័យនៃប្រតិបត្តិការពីមុនដែលពួកគេជឿថានឹងក្លាយជាតំណាងនៃអនាគតដើម្បីបណ្តុះបណ្តាលការរៀនម៉ាស៊ីន (ML) របស់ពួកគេ។ ម៉ូដែល។ ទោះជាយ៉ាងណាក៏ដោយ ផលប៉ះពាល់ដ៏ធំនៃ COVID-19 លើទិន្នន័យ និងអាកប្បកិរិយារបស់អ្នកប្រើប្រាស់បានបង្កើតការផ្តាច់ទំនាក់ទំនង ដោយសារទិន្នន័យពីមុនលែងតំណាងឱ្យអនាគតទៀតហើយ។ នេះបាននាំឱ្យស្ថាប័នជាច្រើនប្រើប្រាស់ម៉ូដែលមិនសមរម្យដែលដំណើរការបានល្អ ប៉ុន្តែមិនចាប់បានគំរូក្លែងបន្លំថ្មី ឬម៉ូដែលហួសកម្រិតដែលបង្កើតការភ្ញាក់ផ្អើលជាច្រើនដូចជាជួរពិនិត្យដោយដៃដែលលិចទឹក ឬការដកប្រាក់ និងការក្លែងបន្លំកាន់តែច្រើន។ ក្រុមហ៊ុនជាច្រើនក៏បានផ្លាស់ប្តូរពីការប្រើប្រាស់ ML ទៅជាគំរូដែលផ្អែកលើច្បាប់ និងការពិនិត្យមើលដោយដៃដែលពឹងផ្អែកកាន់តែខ្លាំងលើវិចារណញាណរបស់មនុស្ស។ នៅឆ្នាំ 2021 ក្រុមហ៊ុននឹងអាចប្រើប្រាស់ការយល់ដឹងរបស់ពួកគេអំពីគំរូអាកប្បកិរិយាថ្មីទាំងនេះ ដើម្បីចាប់ផ្តើមបង្កើតគំរូ ML កាន់តែខ្លាំងម្តងទៀត។ ទោះជាយ៉ាងណាក៏ដោយ ដើម្បីទទួលបានជោគជ័យ ពួកគេនឹងត្រូវប្រើទិន្នន័យថ្មីៗបន្ថែមទៀត យកអ្វីៗមកនៅពេលបង្កើតគំរូ និងវាយតម្លៃវឌ្ឍនភាពរបស់ពួកគេនៅពេលពួកគេទៅ។ - លោក Arjun Kakkar អនុប្រធានផ្នែកយុទ្ធសាស្រ្ត និងប្រតិបត្តិការ នៅ ឯកតា

បញ្ញាសិប្បនិមិត្តបានបង្កើតការគំរាមកំហែងផ្នែកសន្តិសុខថ្មី ដែលធំបំផុតដែលអាចជាការក្លែងបន្លំយ៉ាងជ្រៅ។ Deepfakes គឺជាសំឡេង វីដេអូ ឬរូបភាពក្លែងក្លាយ ដែលពឹងផ្អែកលើបច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិតដើម្បីធ្វើត្រាប់តាមការពិត។ Deepfakes អាចមានផលវិបាកធ្ងន់ធ្ងរនៅក្នុងដៃខុស ដូចជាការក្លែងបន្លំជ្រៅ។ ខណៈពេលដែលយើងមិនទាន់បានឃើញការវាយប្រហារទាំងនេះជាច្រើននៅឡើយទេ 2019អ្នកបោកប្រាស់បានប្រើសំឡេងក្លែងក្លាយដើម្បីលួចជាង 200,000 ដុល្លារពីក្រុមហ៊ុនថាមពលដែលមានមូលដ្ឋាននៅចក្រភពអង់គ្លេស។ ហើយជាមួយនឹងបរិយាកាសការងារពីចម្ងាយផ្តល់ឱ្យអ្នកក្លែងបន្លំនូវគ្រាប់រំសេវបន្ថែមទៀតដើម្បីអនុវត្តការវាយប្រហាររបស់ពួកគេ ឆ្នាំ 2021 នឹងក្លាយជាឆ្នាំដែលបច្ចេកវិទ្យាបញ្ចេញការចម្លងសំឡេងតាមពេលវេលាជាក់ស្តែង ហើយអាជីវកម្មនឹងត្រូវមានការប្រុងប្រយ័ត្នដើម្បីធានាថាពួកគេមិនត្រូវបានគេបោកប្រាស់។ អាជីវកម្មគួរតែប្រុងប្រយ័ត្នចំពោះការហៅទូរសព្ទដែលគួរឱ្យសង្ស័យ ហើយកុំផ្ញើប្រាក់ ឬចែករំលែកព័ត៌មានរសើបដោយមិនចាំបាច់ផ្ទៀងផ្ទាត់ថាអ្នកហៅចូលគឺជានរណាដែលពួកគេអះអាងថាជា។

លើសពីនេះ ការដំឡើងឧបករណ៍ និងពិធីការសុវត្ថិភាពតាមអ៊ីនធឺណិតជាមូលដ្ឋានអាចការពារអ្នកក្លែងបន្លំពីការទទួលបានព័ត៌មានរសើបដែលពួកគេត្រូវការដើម្បីបង្កើតរូបភាព និងសំឡេងក្លែងក្លាយតាំងពីដំបូង។ អ្នកស្រាវជ្រាវសន្តិសុខតាមអ៊ីនធឺណិតកំពុងធ្វើការលើឧបករណ៍ដើម្បីស្វែងរកខ្លឹមសារក្លែងក្លាយ ប៉ុន្តែរហូតមកដល់ពេលនោះ ក្រុមហ៊ុននឹងត្រូវពឹងផ្អែកលើវិចារណញាណ និងឧបករណ៍សុវត្ថិភាពតាមអ៊ីនធឺណិតដែលមានស្រាប់ ដើម្បីប្រាកដថាពួកគេមិនត្រូវបានគេលួចបន្លំ។ - Terry Nelms, PhD, Sr. នាយកស្រាវជ្រាវ, ផិនដ្ររ

ជំរុញដោយការហូរចូលនៃការរំលោភបំពានទិន្នន័យ និងការកេងប្រវ័ញ្ចទិន្នន័យផ្ទាល់ខ្លួនដោយ Big Tech ភាពឯកជនទិន្នន័យអ្នកប្រើប្រាស់នឹងបន្តជាការផ្តោតអារម្មណ៍យ៉ាងខ្លាំងនៅឆ្នាំ 2021 និងលើសពីនេះ ហើយយើងអាចរំពឹងថានឹងឃើញច្បាប់បន្ថែមទៀតដែលត្រូវបានណែនាំដែលការពារសិទ្ធិអ្នកប្រើប្រាស់ និងការផាកពិន័យអាជីវកម្មសម្រាប់ ការប្រើប្រាស់ទិន្នន័យដោយមិនទទួលខុសត្រូវ។ ដើម្បីបណ្តុះទំនុកចិត្ត និងកែលម្អបទពិសោធន៍របស់អតិថិជននៅក្នុងទិដ្ឋភាពអាជីវកម្មដែលមានការប្រកួតប្រជែងកាន់តែខ្លាំង អង្គការកាន់តែច្រើននឹងផ្តល់ឱ្យអ្នកប្រើប្រាស់នូវភាពជាម្ចាស់ និងការគ្រប់គ្រងទិន្នន័យផ្ទាល់ខ្លួនរបស់ពួកគេនៅក្នុងប៉ុន្មានឆ្នាំខាងមុខនេះ។ តាមរយៈការរួមបញ្ចូលគ្នានៃគោលការណ៍សីលធម៌ ការអនុលោមភាព និងការការពារឯកជនភាពជាមួយនឹងហេដ្ឋារចនាសម្ព័ន្ធបច្ចេកវិទ្យាដែលត្រូវបានសាងសង់ឡើងសម្រាប់ទំហំសម្រាប់អនាគត សង្គមនឹងឆ្ពោះទៅរកប្រព័ន្ធដែលតម្លៃនៃទិន្នន័យនឹងផ្តល់អត្ថប្រយោជន៍ទាំងបុគ្គល និងសហគ្រាសដូចគ្នា។ - James Kingston, VP of Research and Innovation Partnerships at Dataswift, AI researcher, and director of the HAT-LAB.

ការគ្រប់គ្រងសុវត្ថិភាពទិន្នន័យគឺជាប្លុកអគារដែលត្រូវការ និងសំខាន់ដើម្បីកាត់បន្ថយការគំរាមកំហែង។ រហូតមកដល់ពេលថ្មីៗនេះ កម្មវិធីគ្រប់គ្រងទិន្នន័យភាគច្រើនបានផ្តោតលើលំហូរទិន្នន័យ និងការវិភាគដោយមិនគិតច្រើនអំពីសុវត្ថិភាព។ ច្បាប់ និងបទប្បញ្ញត្តិភាពឯកជនទិន្នន័យថ្មីបានបង្ខំឱ្យភាគីពាក់ព័ន្ធទិន្នន័យដូចជា CDO, CFO, CISO និង DPO ធ្វើឱ្យសុវត្ថិភាពទិន្នន័យជាផ្នែកមួយនៃប្លុកអគារចាំបាច់នៃកិច្ចខិតខំប្រឹងប្រែងគ្រប់គ្រងទិន្នន័យរបស់ពួកគេ។ ប៉ុន្តែអភិបាលកិច្ចសុវត្ថិភាពទិន្នន័យមានភាពស្មុគ្រស្មាញ ដោយសារគ្មានផលិតផលអ្នកលក់តែមួយអាចអនុវត្តការគ្រប់គ្រងការគ្រប់គ្រងសុវត្ថិភាពទិន្នន័យដែលត្រូវការទាំងអស់។ នៅឆ្នាំ 2021 នៅពេលដែលអាជីវកម្មបន្តប្រមូល និងដំណើរការទិន្នន័យកាន់តែច្រើន ពួកគេនឹងត្រូវរកវិធីដើម្បីបង្រួបបង្រួមព័ត៌មានរបស់ពួកគេឱ្យបានឆាប់រហ័ស ដូច្នេះស្ថាប័នទាំងមូលរបស់ពួកគេកំពុងទាញយកព័ត៌មានពីដូចគ្នា ជឿទុកចិត្ត និងធានាឱ្យបានល្អ។ បន្ទាប់មក អាជីវកម្មត្រូវអនុវត្ត និងគ្រប់គ្រងប្រភពទិន្នន័យរបស់ពួកគេតាមរយៈប្រព័ន្ធការពារទិន្នន័យដែលមានការគ្រប់គ្រងភាពឯកជនចាំបាច់ ដូច្នេះការគំរាមកំហែងទិន្នន័យត្រូវបានកាត់បន្ថយ។ ជំហានទាំងនេះនឹងធានាថាហានិភ័យអាជីវកម្ម និងហិរញ្ញវត្ថុនាពេលអនាគតត្រូវបានបង្រួមអប្បបរមា។ - Anne Hardy, CISO នៃ Talend

AI នឹងក្លាយជាគន្លឹះក្នុងការពង្រឹងសន្តិសុខនៅក្នុងពិភពពីចម្ងាយ។ សុវត្ថិភាពគឺជាគំនិតកំពូលសម្រាប់ C-suite របស់អង្គការណាមួយដែលបានចាប់ផ្តើមដំណើរផ្លាស់ប្តូរឌីជីថល ប៉ុន្តែសារៈសំខាន់របស់វាត្រូវបានពន្លឿនដោយជំងឺរាតត្បាតតែប៉ុណ្ណោះ។ ជាមួយនឹងចំណុចបញ្ចប់ជាច្រើនដែលនៅរាយប៉ាយពាសពេញពិភពលោក ដោយសារបុគ្គលិកមានភាពបត់បែនក្នុងការធ្វើការពីចម្ងាយពីគ្រប់ទីកន្លែងដែលពួកគេជ្រើសរើស ភាពងាយរងគ្រោះនឹងកើនឡើង។ និន្នាការសំខាន់ដែលយើងនឹងឃើញនៅឆ្នាំ 2021 និងលើសពីនេះគឺការអនុវត្ត AI ទៅនឹងវិធានការសន្តិសុខ ពីព្រោះមនុស្សតែម្នាក់មិនអាចត្រួតពិនិត្យ គ្រប់គ្រង និងត្រួតពិនិត្យចំណុចបញ្ចប់នីមួយៗ ដើម្បីការពារសហគ្រាសទំនើបបានគ្រប់គ្រាន់ ឬប្រកបដោយប្រសិទ្ធភាព។ ប្រសិនបើអ្នកដឹកនាំផ្នែកសន្តិសុខ (ជាពិសេសក្រុមហ៊ុននៅក្នុងក្រុមហ៊ុន Fortune 500) មិនចំណាយពេលវេលា និងការវិនិយោគហិរញ្ញវត្ថុដើម្បីបង្កើនសុវត្ថិភាពជាមួយ AI ឥឡូវនេះ ពួកគេអាចរំពឹងថានឹងត្រូវបានកំណត់គោលដៅដោយពួក Hacker នាពេលអនាគត ហើយព្យាយាមការពារទិន្នន័យរបស់ពួកគេ។ -Scott Boettcher, VP, Enterprise Information Management, NTT DATA Services

ឧបករណ៍ផ្ទុក

កេរ្តិ៍ដំណែល NAS បានស្លាប់សម្រាប់ AI ។ ជាមួយនឹងការណែនាំ PCIe Gen4 អត្រា I/O ឥឡូវនេះបានបំបែកទាំងស្រុងពីការវិវត្តស្នូលរបស់ CPU ។ អ្នកផ្តល់សេវា NFS ចាស់ត្រូវបានជាប់គាំងជាមួយ TCP ស្ទ្រីមតែមួយដែលត្រូវបានកំណត់អត្រាដោយសមត្ថភាពនៃស្នូលស៊ីភីយូតែមួយនៅលើម៉ាស៊ីនមេកម្មវិធី។ PCIe Gen4 នឹងបង្កើនការអនុវត្ត I/O កម្រិតខ្ពស់ទ្វេដងនៃកម្មវិធីក្នុងឆ្នាំ 2021 ខណៈពេលដែល CPU core នឹងមិនអាចដំណើរការ I/O single-core ពីរដងស្មើគ្នានោះទេ។ មិនមានការផ្តោតអារម្មណ៍ខ្លាំងនៃ IO ម៉ាស៊ីនតែមួយជាងនៅក្នុងទីផ្សារ AI - សម្រាប់កម្មវិធីដូចជាការរៀនម៉ាស៊ីន និងការរៀនស៊ីជម្រៅ។ ដើម្បីដោះស្រាយបញ្ហានេះ អតិថិជននឹងស្វែងរកដំណោះស្រាយដែលគាំទ្រ multi-threading, RDMA និងសមត្ថភាពក្នុងការឆ្លងកាត់ CPUs ទាំងអស់គ្នា – ដូចករណី GPUDirect Storage របស់ NVIDIA ដែរ។ ការទាមទារដើម្បីរក្សា GPUs និង AI Processors ត្រូវបានចុក និងមានប្រសិទ្ធភាពនឹងលើសពីសមត្ថភាព I/O របស់ NAS ដែលមានមូលដ្ឋានលើ TCP ដ៏មានកេរ្តិ៍ដំណែល ដែលនាំឱ្យអតិថិជនដើរចេញពីកេរ្តិ៍ដំណែល NAS ទាំងស្រុងក្នុងឆ្នាំ 2021។ - Renen Hallak ស្ថាបនិក និងជានាយកប្រតិបត្តិនៃ VAST Data

ការផ្ទុកវត្ថុបំផ្លាញជំនឿមិនពិតដែលវាត្រូវបានប្រើសម្រាប់តែបណ្ណសារប៉ុណ្ណោះ។ ទោះបីជាទំហំផ្ទុកវត្ថុត្រូវបានគេស្គាល់ថាជាដំណោះស្រាយការបម្រុងទុក និងការផ្ទុកក្នុងប័ណ្ណសារក៏ដោយ និន្នាការបីនឹងពង្រីកការយល់ឃើញនោះនៅឆ្នាំ 2021។ ទីមួយ ការផ្ទុកវត្ថុដែលមានមូលដ្ឋានលើពន្លឺនឹងទទួលបានការពេញចិត្តចំពោះបន្ទុកការងារវិភាគទិន្នន័យដែលមានតម្រូវការសមត្ថភាពខ្ពស់ផងដែរ។ ទីពីរ កន្លែងផ្ទុកដែលត្រូវគ្នានឹង S3 នឹងសម្រួលដល់ការដាក់ពង្រាយ Kubernetes ដែលធ្វើឱ្យវាក្លាយជាជម្រើសឡូជីខលសម្រាប់កម្មវិធីទំនើប។ ទីបី កម្មវិធី cloud-native នឹងត្រូវបានដាក់ឱ្យប្រើប្រាស់កាន់តែខ្លាំងឡើងនៅលើ prem ដែលជំរុញឱ្យតម្រូវការសម្រាប់ការផ្ទុកនៅលើ prem S3-compatible ដើម្បីលើកកម្ពស់ការចល័តកម្មវិធី។ ជាលទ្ធផល អង្គការកាន់តែច្រើននឹងប្រើប្រាស់កន្លែងផ្ទុកវត្ថុ ដើម្បីគាំទ្រករណីប្រើប្រាស់កុំព្យូទ័រច្រើន ដូចជា AI, ML និងការវិភាគទិន្នន័យ ដែលបំបែករឿងមិនពិត “ថោក និងជ្រៅ” ម្តង និងសម្រាប់ទាំងអស់គ្នា។ - Jon Toor, CMO សម្រាប់ ពពក

ឥឡូវនេះ អង្គការកំពុងប្រមូលទិន្នន័យម៉ាស៊ីន និងទិន្នន័យ IoT យ៉ាងច្រើន។ ប្រសិនបើក្រុមហ៊ុនរបស់អ្នកពឹងផ្អែកលើការប្រមូល និងវិភាគទិន្នន័យដើម្បីដំណើរការ និងជោគជ័យ តើមានអ្វីកើតឡើងប្រសិនបើទិន្នន័យនោះមិនត្រូវបានបម្រុងទុកពេញលេញ និងងាយស្រួលអាចទាញយកមកវិញបាន? ក្រុមហ៊ុនភាគច្រើនគិតជាចម្បងអំពីការវិភាគទិន្នន័យ និងតិចជាងច្រើនអំពីការបម្រុងទុកទិន្នន័យ ឬសុវត្ថិភាព។ ប៉ុន្តែនៅពេលដែលទិន្នន័យកាន់តែផ្លាស់ប្តូរពីការវិភាគទៅបរិយាកាសផលិតកម្ម នោះហើយជាពេលដែលការការពារក្លាយជារឿងសំខាន់។ ឧបករណ៍ផ្ទុកទិន្នន័យទំនើបពឹងផ្អែកកាន់តែខ្លាំងលើ AI និងការរៀនម៉ាស៊ីនដើម្បីធ្វើឱ្យដំណើរការបម្រុងទុកទិន្នន័យដោយស្វ័យប្រវត្តិ។ ដោយសារទំហំទិន្នន័យសហគ្រាសដែលកំពុងផ្ទុះឡើង ឧបករណ៍ឆ្លាតវៃទាំងនេះនឹងមានសារៈសំខាន់សម្រាប់រក្សាដំណើរការបម្រុងទុកប្រកបដោយប្រសិទ្ធភាព ដែលអាចមានប្រតិកម្មយ៉ាងឆាប់រហ័ស និងដោយមិនចាំបាច់ប្រឹងប្រែងចំពោះការផ្លាស់ប្តូរតម្រូវការ ខណៈពេលដែលរក្សាទុកម៉ោងរាប់មិនអស់លើការបម្រុងទុកដោយដៃ។ Shridar Subramanian, CMO នៃ StorageCraft

អ័ក្ស

សក្ដានុពលសម្រាប់ AI ក្នុងការកែលម្អដំណើរការសង្វាក់ផ្គត់ផ្គង់គឺជាផ្នែកមួយនៃការផ្តោតអារម្មណ៍សម្រាប់ក្រុមហ៊ុនយ៉ាងហោចណាស់ 5 ឆ្នាំ ប៉ុន្តែបន្ទាប់ពីការរំខានដែលបណ្តាលមកពី COVID-19 អ្នកវិភាគ និងសហគ្រាសជាច្រើនបានបង្វែរការយកចិត្តទុកដាក់របស់ពួកគេចំពោះ AI ជាដំណោះស្រាយដែលអាចកើតមានចំពោះ ទុក្ខលំបាករបស់ពួកគេ។ 67% សហគ្រាសនានាបានវិនិយោគលើដំណោះស្រាយបច្ចេកវិទ្យាមួយចំនួនដើម្បីជួយពួកគេទប់ទល់នឹងជំងឺរាតត្បាត 60% សហគ្រាសឧស្សាហកម្មកំពុងស្វែងរក AI ជាពិសេស។ ទោះជាយ៉ាងណាក៏ដោយ ម៉ូដែល AI ត្រូវបានជំរុញដោយទិន្នន័យ។ ភាពត្រឹមត្រូវ វិសាលភាព និងសមត្ថភាពនៃគំរូ AI ពឹងផ្អែកទាំងស្រុងលើទិន្នន័យបណ្តុះបណ្តាលនៅពីក្រោយវា។ ទោះជាយ៉ាងណាក៏ដោយ ទិន្នន័យនោះត្រូវតែត្រូវបានរៀបចំ និងដាក់ស្លាកជាទម្រង់ម៉ាស៊ីនដែលអាចអានបាន មុនពេលកម្មវិធី AI អាចរំលាយវាបាន។ មុនពេលពួកគេទទួលយក AI សហគ្រាសត្រូវតែប្រើប្រាស់បច្ចេកវិទ្យាសមាហរណកម្មទំនើបដើម្បីចងក្រងទិន្នន័យដោយស្វ័យប្រវត្តិពីអន្តរកម្មជាមួយនឹងប្រព័ន្ធអេកូរបស់អ្នកផ្គត់ផ្គង់ ដៃគូ ពាណិជ្ជករ និងអតិថិជនរបស់ពួកគេក្នុងទម្រង់ដែលត្រូវបានរៀបចំឡើងដើម្បីជំរុញគំរូ AI ។

ពិនិត្យចេញ PrimeXBT
ធ្វើពាណិជ្ជកម្មជាមួយដៃគូ CFD ផ្លូវការរបស់ AC Milan
មធ្យោបាយងាយស្រួលបំផុតដើម្បីធ្វើពាណិជ្ជកម្មគ្រីបតូ។
ប្រភព៖ https://www.fintechnews.org/big-data-industry-predictions-for-2021/

ភាពវៃឆ្លាតទិន្នន័យជំនាន់

ការព្យាករណ៍ឧស្សាហកម្មទិន្នន័យធំសម្រាប់ឆ្នាំ 2021

ForexLive Asia-Pacific FX news wrap: USD/JPY ចំណាយពេលបន្តិចមើលក្រោម 154.00 | Forex ផ្ទាល់

Pound Sterling edges ទាបជាងទៅ 1.2450

បញ្ញាចុងក្រោយ

វាគ្មិន ECB នៅថ្ងៃព្រហស្បតិ៍រួមមាន Schnabel, Centeno, Simkus និង Vujcic | Forex ផ្ទាល់

Crypto Whale បាត់បង់ $4.5 លានដុល្លារនៅក្នុងការលេងហានិភ័យ Ethereum ($ETH)

UI និងការជួសជុលកាំភ្លើងថ្មីឥឡូវមានក្នុងក្រុម

ហៅអ្នកស្ម័គ្រចិត្ដ៖ NSQ ពិនិត្យឡើងវិញ / ធ្វើឱ្យស្រស់នៃសំណុំស្តង់ដារ

អ្នកវិភាគ XRP ធ្លាក់ចុះទ្វេដង៖ តម្លៃនឹងផ្ទុះឡើងជាង 30,000%, លើសពី $200 Mark

ជជែកជាមួយយើង