A mesterséges intelligencia hatása az adattömeg növekedésére
A Big Data kifejezést évek óta használjuk arra, hogy három fontos jellemzőt hangsúlyozzunk az adatokkal kapcsolatban: mennyiség, változatosság és létrehozásuk sebessége. Olyannyira elterjedt a fogalom, hogy ma már sokszor azonosítjuk az adathalmazokból kinyert információk elemzésének fejlett módszereivel, pl. a prediktív és viselkedési analitikával is.

 

Ehhez a hagyományosan széttagolt adatsorokat összekapcsolt adatpontokká kell alakítani, amivel minden eddiginél jobb rálátást nyerhetünk az információkra. A gyors fejlődés és a 2023-ra várhatóan már 103 milliárd dolláros forgalmat produkáló big data analitikai piac bővülésének eredményeként növekszik az igény az olyan technológiák iránt, mint pl. a mesterséges intelligencia (MI), a gépi tanulás és a mélytanulás. Ezek révén a szervezetek egyre hatékonyabban hasznosíthatják az algoritmusokat az átfogó adatelemzések készítéséhez. A Kingston Technology szakértői és az iparág vezető képviselői olyan kérdésekre keresik a választ, mint hogy miként változtatja meg az MI a munkánkat és magánéletünket, és hogyan fokozza az igényt a még nagyobb sebesség és teljesítmény iránt.

Kik az úttörők az MI bevezetésében?

A pénzügyi szektor az elsők között kezdett komoly összegeket fordítani a mesterséges intelligencia és a gépi tanulási algoritmusok használatára. Az MI minden területen bevethető: a részvényárfolyamok előrejelzésének ellenőrzésétől a portfólióoptimalizáláson keresztül a nagyfrekvenciájú kereskedésig. A pénzintézetek MI segítségével elemzik a piaci trendeket. Maguktól tanulni képes algoritmusokat dolgoznak ki például annak érdekében, hogy minden egyes új változat jobban segítse őket a nyereség optimalizálásában a hiteligénylések értékelése során.

A pénzügyi szektor mellett az MI és a mélytanulás szinte minden más iparágban is elősegíti a döntéshozatalt és a fejlődést. A mesterséges intelligencia az elmúlt évtizedben számos területen beváltotta a hozzá fűzött reményeket a problémák megoldása terén, az ügyfelek viselkedésének jobb megismerésétől kezdve a mobiltelefonok billentyűzárának arcfelismerés-alapú feloldásáig. Az MI gépi tanulási szegmense tovább növeli a lehetőségeket a virtuális személyi asszisztensek, chatbotok, valamint marketingautomatizációs és beszédfelismerési megoldások fejlődésével.

 

Az MI ma még nem ismert problémák megoldásában is segítségünkre lesz

 

„Az MI az egészségügyre is komoly hatást gyakorol. Lehetővé teszi, hogy az ellátásban dolgozó szakemberek jobban átlássák a páciensek állapotára jellemző napi mintákat és a betegek folyamatosan változó igényeit. Az OECD szerint a mesterséges intelligencia a távgyógyászatban és a szűrésben is fontos szerepet játszik, segít felderíteni a gyógyszerek kölcsönhatásait, és a gyógyszerkutatást is támogatja. Az MI a koronavírus-járvány idején is értékes segítséget nyújtott a betegadatok feldolgozásához és elemzéséhez, a kockázati csoportok beazonosításához és az alkalmazandó kezelések kiválasztásához. Az MI továbbá a kórházi és szállítási folyamatok kockázatos feladataihoz is bevonható. Az elkövetkező években tanúi leszünk, miként alkalmazzák majd a technológiát egyre szélesebb körben a gyógyszerfejlesztés során” – mutat rá Pasi Siukonen, a Kingston Technology műszaki erőforrásokért felelős csoportjának vezetője.

Hogyan lehet érdemi változásokat elérni az MI-vel?

Az MI nem csak a hatékonyság növelésére és a munkaigényes feladatok észszerűsítésére használható. A gépi tanulásnak és a mélytanulásnak köszönhetően az MI-alkalmazások közel valós időben képesek tanulni az adatokból és az eredményekből. Elemezni tudják többféle forrás új információit és igazodnak hozzájuk, ráadásul olyan fokú pontossággal, amely óriási jelentőséggel bír az üzleti életben, és messze meghaladja az emberi teljesítőképesség határait. Az önoptimalizálás és az önálló tanulás révén a mesterséges intelligencia folyamatosan növeli az általa teremtett üzleti előnyöket.

Az MI rendelkezik a megértés és a felismerés képességével – legyen szó az ügyfelek szokásairól, meggyőződéséről, kielégítetlen szükségleteiről, vagy éppen arról, mennyire működik hatékonyan egy épület az energiafelhasználás, az alapterület kihasználtsága és a látogatottság szempontjából. Az MI-t használó vállalatok az így szerzett adatokat jobb előrejelzések készítésére, tervezésre és felkészülésre használhatják fel. Ha emellett a cégek a szükséges területeken az emberi gondolkodás kreativitására és az empátiára is mernek támaszkodni, óriási változásokat érhetnek el – iparágtól függetlenül.

„Az MI-vel kitágíthatók a számítógépes rendszer teljesítőképességének határai. A kvantumszámítástechnika bevezetésével fel fog gyorsulni például a természetes nyelvi feldolgozás (NLP) fejlődése, és ennek révén olyan, már jelenleg is használt eszközök válhatnak hatékonyabbá a jövőben, mint a szinte valós idejű élő fordítás vagy az automatikus beszédfelismerés a kommunikációs eszközökön (például telefonon és chatben). Az MI ma még nem ismert problémák megoldásában is segítségünkre lesz. Egyre több, korábban emberek által vezérelt eszközbe fog beépülni az önálló intelligens tanulás képessége és az önfenntartó funkcionalitás” – hangsúlyozza Pasi Siukonen.

Megállíthatatlan az adattömeg növekedése

Az IDC előrejelzése szerint az általunk létrehozott és fogyasztott digitális adatok mennyisége 2025-re 175 zettabájtra fog nőni. Ez több mint négyszeres növekedést jelent a 2019-ben keletkezett 40 zettabájtnyi adathoz képest. 2022-re a globális big data és üzleti analitikai megoldások piacának éves forgalma elérte a 274,3 milliárd dollárt. Az MI és az adattömeg növekedése kétségkívül elválaszthatatlan egymástól. Mivel az előttünk álló évtized továbbra is az adatokról fog szólni, azok a szervezetek lesznek sikeresek, amelyek képesek a mesterséges intelligenciával összegyűjteni és hasznosítani az adatokat.

Az ebben rejlő lehetőségek maradéktalan kiaknázásában kritikus szerepet fog játszani a célnak megfelelő infrastruktúra, amely a legújabb CPU-kkal/GPU-kkal, következő generációs memóriát és NVMe SSD-ket tartalmazza. A big data robbanásszerű növekedése nem áll le, és vele párhuzamosan az MI és a gépi tanulás szerepe is tovább erősödik. Az idén az előrejelzések szerint a világ minden lakójára másodpercenként 1,7 megabájtnyi újonnan keletkező adat jut – képzeljük csak el, mennyi adatot jelent ez egy teljes szervezetre és ügyfélkörének adatbázisára nézve.

Ezért mélyebbre kell ásni az adatokba és értelmezni kell őket, különösen, ha az emberi viselkedés megértése a cél. Ehhez pedig több és hatékonyabb adatfeldolgozásra van szükség a CPU-k/GPUk vagy a memória segítségével, ez ugyanis tovább javítja az adatok értelmezésének minőségét. Azoknak a szervezeteknek, amelyek szeretnének kitűnni versenytársaik közül, mindenekelőtt el kell sajátítaniuk az adatok megfelelő kezelését és tárolását. Ezután jöhet az MI és a gépi tanulás alkalmazása ahhoz, hogy megszerezzék az ügyfelekkel, versenytársakkal, szállítókkal és a teljesítményt befolyásoló piaci viselkedéssel kapcsolatos rejtett tudást. A fejlődés ösztönzéséhez az egyre kifinomultabb alkalmazások megjelenésével elengedhetetlen a gyors és megbízható SSD-k használata.

 

 

A termelés visszatelepítése saját országon belülre: okok, kihívások és lehetőségek
Az offshoring - a gyártás áthelyezése az alacsonyabb költségű országokba - elvesztette fényét. Egykor az erősebb versenypozíció kiépítésének egyik módjaként tekintettek rá, ma azonban úgy tűnik, hogy sebezhetőséget és korlátokat jelent.
Elindult a Mol tiszaújvárosi műanyaghulladék kémiai újrahasznosító üzemének tervezése
Műanyagok kémiai újrahasznosítására jelentett be együttműködést a Mol-csoport és a globális folyamattechnológiával és értékorientált energetikai megoldásokkal foglalkozó Lummus Technology. A partnerség részeként megkezdődött az első Lummus Advanced Waste Plastic Recycling üzem tervezési szakasza.
Takarékos megoldás a Te otthonodba is!
A modern technológia fejlődésével egyre inkább előtérbe kerülnek az energiatakarékos megoldások, amelyek nem csak a környezetvédelem szempontjából, hanem gazdaságilag is előnyösek.
Hajtásrendszer-megoldások a szimplexitás jegyében
Ha valaki nyomon követi, melyek az aktuális felkapott témák, biztosan találkozott már a szimplexitás kifejezéssel. Az elnevezés a szimplicitás és a komplexitás összevonásából keletkezett, és első ránézésre ellentétpárt foglal magában.
Szimulációs szoftverrel állapították meg egy csésze tea keverésének leghatékonyabb módját
A tea első látásra az egyik legegyszerűbben elkészíthető ital: kell hozzá forró víz, tealevél, esetleg cukor, méz, tej vagy citrom, mindezt kicsit meg kell kevergetni, és kész is. De hogyan célszerű keverni? Körkörösen vagy oda-vissza kanálmozgatással?