人工智慧對資料基礎設施產生巨大影響：我們如何走到這一步的入門指南

現在是 2024 年 11 月，我認為可以肯定地說，人工智慧正式無所不在。人們在世界各地的咖啡館裡談論它。你的孩子也是如此。或者你的父母。或者祖父母。它可能是您上次購車體驗中不可或缺的一部分，並且已被您的家用/連接設備用作推薦引擎，這些設備會聽到您的聲音並希望透過推薦他們認為您需要的產品來改善您的生活。它非常普遍，而且每天都在變得越來越普遍。這就是我想寫這個部落格的原因。首先，提醒人們人工智慧從何而來。其次，解釋一下它今天是如何使用的。最後，根據我現有的研究，分享對市場走向的見解。

我將首先探索尖端的資料管理和基礎設施創新，更親切地稱為人工智慧 (AI)。在過去的二十年中，變革性科技重塑了企業儲存、處理、分析資料和創造資料價值的方式。然後我將深入探討這些進步的前沿，包括生成式人工智慧 (GenAI) 的興起以及 GPU（圖形處理單元）在為這些技術提供動力方面的關鍵作用。

無論您是企業領導者還是 IT 領導者，或者只是對未來感到好奇，這都將為您提供駕馭不斷發展的人工智慧領域所需的見解。

人工智慧的突破

人工智慧長期以來一直是個流行詞，現在正在透過 GenAI 實現其商業潛力，GenAI 是一個專注於以前所未有的規模創造模仿人類創造力的內容的領域。這場革命正在推動創新達到新的水平，改變企業的運作方式，並為複雜的挑戰提供創造性的解決方案。

這些進步只能歸功於硬體（尤其是 GPU）的發展。 GPU 曾經主要用於圖形，現在對於 AI 至關重要，利用其強大的運算能力實現高效的模型訓練和推理。

人工智慧和生成式人工智慧是最新的顛覆性技術，追隨網路附加儲存 (NAS)、虛擬化和固態硬碟 (SSD) 等其他技術的腳步。每一項創新都重新定義了我們管理資料和 IT 營運的方式。人工智慧也將做同樣的事情，引領我們進入生產力和創造力的新時代。

一切開始的地方…

艾倫·圖靈 (Alan Turing) 是理論電腦科學和人工智慧領域的先驅，他提出的「通用機器」概念（現在稱為圖靈機）為 20 世紀 30 年代的現代計算奠定了基礎。他在 1950 年發表的開創性論文介紹了圖靈測試，該測試仍然是評估機器智慧和塑造當今人工智慧倫理考慮的基本工具。

人工智慧作為一個科學領域於 1956 年在達特茅斯會議上形成，約翰·麥卡錫以及馬文·明斯基和赫伯特·A·西蒙等先驅在會上正式引入了人工智慧這個術語。早期的人工智慧研究著重於解決問題的符號方法，但在運算能力和數據可用性進步的推動下，20 世紀末出現了向機器學習的轉變。

深度學習（使用複雜神經網路的機器學習的一個子集）最近的爆炸式增長已經徹底改變了人工智慧，在圖像和語音識別、自然語言處理 (NLP) 和自主系統方面取得了長足的進步。由於這些和其他發展，人工智慧已迅速超越學術界，成為跨行業的變革力量，推動創新和效率。

GPU 在人工智慧領域的崛起

人工智慧的發展與GPU的興起密切相關。 2000 年代初，史丹佛大學研究人員 Ian Buck 和 Pat Hanrahan 率先使用 GPU 透過 BrookGPU 進行通用運算。這項工作為 2006 年NVIDIA 的 CUDA 平台奠定了基礎，將 GPU 從專注於圖形的工具轉變為能夠加速各種科學和技術任務的強大設備。

2012 年出現了一個關鍵時刻，當時 Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 使用 GPU 訓練 AlexNet，這是一個在 ImageNet 競賽中佔據主導地位的深度神經網路。這場勝利凸顯了 GPU 在深度學習方面的巨大潛力，從而在人工智慧研究和應用中得到廣泛採用。

人工智慧、機器學習 (ML) 和 GenAI 是三種顛覆性技術，正在迅速幫助重塑我們的世界。雖然後兩者是人工智慧的分支，但它們在推動創新方面各自發揮著獨特的作用。

1. 人工智慧 (AI) ：人工智慧是一個廣泛的領域，致力於創建執行需要人類智慧的任務的系統，例如學習、決策和理解自然語言。它具有顛覆性，因為它透過自動化認知和手動任務、提高效率並引入新的問題解決方法來改變產業。例如，在醫療保健領域，人工智慧比傳統方法更快、更準確地預測患者診斷。
2. 機器學習 (ML) ：人工智慧的子集，ML 專注於從資料中學習並隨著時間的推移而改進的系統，而無需明確程式設計。機器學習因其多種應用而特別具有顛覆性，從業務預測分析到串流媒體服務的個人化推薦。它能夠從海量資料集中發現見解，從而提高各行業的效率、準確性和生產力。
3. 生成式人工智慧：GenAI 系統創造新的內容——文字、圖像、音樂，甚至程式碼——類似於人類生成的輸出。像是用於文字的 GPT 和用於圖像的 DALL·E 等技術具有顛覆性，因為它們開啟了創造力和自動化的新可能性。它們減少了內容創建的時間和成本，大規模實現個人化內容，並推動娛樂、設計和教育領域的創新。

GenAI 如何影響當今的商業

這些技術的顛覆性源自於它們從根本上改變企業營運方式、影響勞動市場、創造新產品類別和改變競爭格局的潛力。它們的應用可以帶來效率提升、成本降低、新的商業模式甚至全新的產業，從而挑戰現有公司適應或面臨被淘汰的風險。

Hitachi Vantara 與企業策略集團 (ESG) 最近進行的一項探索 AI 買家洞察的研究顯示，97% 正在實施 GenAI 專案的組織表示，這是其組織的 5 大優先事項。相較之下，63% 的組織已在其組織內確定了至少一個 GenAI 用例。這些數字表明，該技術為那些希望創造競爭優勢、擴展服務範圍或利用數據做出更好、更有影響力的決策的企業帶來了變革機會。

這項研究的見解強調了生成式人工智慧如何推動多個產業的創新和效率，提供可增強個人化、決策和營運效率的可擴展解決方案。

以下是公司利用 GenAI 作為其新業務模式的一部分取得成功的五個關鍵領域的一瞥。

1. 自動內容和報告產生：生成式人工智慧改變了組織處理各行業內容創建的方式。無論是產生財務報告、醫療摘要或客戶回應，人工智慧都可以大規模自動化產生準確、合規和個人化的內容，從而顯著減少人工工作並提高一致性。
2. 個人化和客戶參與：提供個人化體驗在任何市場都至關重要。 GenAI 使組織能夠根據個人偏好和需求量身定制服務、建議和通信，從而提高客戶滿意度和忠誠度。
3. 合成資料生成和隱私保護：生成式人工智慧越來越多地用於為訓練模型創建合成資料集，特別是在金融和醫療保健等敏感行業。這使得組織能夠維護隱私，同時提高人工智慧驅動的解決方案的準確性和穩健性，例如詐欺檢測、診斷和客戶/患者護理服務。
4. 風險管理與預測分析：GenAI 是一款功能強大的建模和情境分析工具，可協助組織預測和管理風險。在金融領域，它可以模擬多種交易策略的市場狀況。在醫療保健領域，它有助於預測患者的治療結果，在客戶/患者護理和宣傳方面，它有助於先發製人地解決潛在問題。
5. 虛擬助理和自動化支援：人工智慧驅動的虛擬助理和聊天機器人正在徹底改變跨行業的客戶互動。這些工具提供即時支持，處理日常查詢並指導用戶完成複雜的流程，使人工代理能夠專注於更高級別的任務並提高整體服務效率。

實施挑戰和考慮因素

儘管有潛在的好處，財富 2000 強公司在採用人工智慧方面仍需要幫助，包括資料隱私問題、道德考慮、對熟練人員的需求以及將人工智慧整合到遺留系統中。成功的部署通常需要策略方法、對人才和技術的大量投資以及支持創新和持續學習的文化。事實上，在前面提到的同一項ESG 研究中，我們被告知安全性是最受關注的問題(38%)，其次是成本/技術債(27%)、資料可用性和品質(27%) 以及整合挑戰(25%) ）。

使用 Hitachi iQ 的 AI 發現服務快速啟動

Hitachi iQ 的 AI Discovery Service是 Hitachi Vantara Professional Services 的諮詢解決方案，旨在幫助組織將 AI 技術順利整合到其營運中。更重要的是，利用人工智慧創造價值。作為 Hitachi iQ 產品組合的一部分，該服務可協助企業識別關鍵的 AI 用例、評估其當前的資料基礎設施以及估計 AI 計劃的潛在投資回報率。

該服務專為滿足每個組織的獨特需求而量身定制，為應對人工智慧採用的複雜性提供了策略路線圖。這包括評估必要的技術、運行概念驗證 (POC) 試驗以及規劃全面部署。我們的人工智慧發現服務提供從短期合作到更深入的諮詢和實施支援的靈活選項，可適應不同的業務需求。與 Hitachi iQ 解決方案組合（其具有已獲得NVIDIA DGX BasePOD ^TM儲存認證的AI 就緒基礎設施）配合使用，該服務提供了支援高級 AI 工作負載和推動數位化轉型所需的強大、可擴展的基礎。

請在未來幾週和幾個月內繼續關注 Hitachi iQ 的更多信息，以及本入門系列的續篇，其中包含有關人工智能領域的有用背景和見解。接下來，展望檢索增強生成（RAG）。對於任何希望利用人工智慧建立競爭優勢並實現卓越營運的人來說，都是有用且重要的資訊。很快就回來了。

閱讀更多內容

• 新聞稿： Hitachi Vantara 宣布全面推出 Hitachi iQ 和新的 AI 發現服務，以協助企業為 AI 準備
• 部落格：尋求企業人工智慧業務成果？推出採用 NVIDIA DGX BasePOD 的 Hitachi iQ
• 部落格：發現您的 AI 計劃和應用程式實現 GenAI 成功的潛力