从IA到AI的思考：企业级客户的人工智能路
IBM大中华区大数据与分析业务技术总监 刘胜利
提到IA到AI，从信息架构到人工智能，我想从几个方面来讲这个话题：
在座的CIO、CDO或项目负责人，我们应该怎样自信的站在领导人面前讲我们的角色？通过近几年不断接触各行各业的领导，我体会到我们在数字化转型做得比较超前的，或者说有创新性的企业都是CIO、CDO或是创新部门在做这种驱动。CIO、CDO要参与企业的规划，参与数字化的设计，参与企业核心能力的建设。
再回到数据本身，企业内部的数据以及可开源产品之间数据的整合，以及在数据本身，数据的生命周期，从产生、使用、抽取、变形到最后销毁和删除，以及怎样在各种平台下使用各种类型的数据，都是现在最新的话题。
企业在数据上要具备几个能力：
第一是管理混合数据的能力，包括关系型数据库、大数据平台Hadoop、内容管理、知识管理、Nosql、流处理能力、Spark能力、云化能力、开发与运维能力。这些构成了企业的数据源，管好这些数据源才能用好未来的数据。
第二是所有企业都是比较容易忽视的能力，也是最难培养的能力。数据治理以及数据的生命周期这一块有大量的工作可为，这一块工作对于IT企业来讲是一种强筋健骨的能力，包括云上云下的思考，以及合规的问题都在数据的范围，企业需要慎重思考。
第三是当前数据领域最热门的话题，也就是数据科学。数据科学涵盖了AI、人工智能、机器学习，这一块包括一些业务人员在用。当前有一个很大的转型，过去的IT是IT人员用的，今天的IT要让企业级领导做分析决策、直接使用，未来将要发生什么，下一步采取什么动作，多数企业对于将来发生和将要采取什么步骤是需要加强的。
IBM数据产品简化成三条产品线，覆盖数据处理的各个方面：Collect数据收集与管理、Organize数据管控、Analyze数据分析。在数据分析领域以及数据科学领域，包括IBM自己在内，投入了大量的资源和能力转向数据科学，包括优化以及机器学习的算法，数据科学这一块是比较成熟的，有一些工具可以使用。
在IBM全球发展方向上，我们认为从数据治理到分析，合在一起构成了数据科学，数据科学完整加载这些内容才能实现真正有价值的人工智能。
谈到AI，往往大家看到的都是美丽的冰山露在水上的部分，而数据科学是全部。实际上要看整个冰山，不是看冰山露在水面上美丽的部分。真正做机器学习、数据科学的项目80%的时间花在冰山下，也就是数据管理和治理。
以下是我对开源、自主、可控的一些理性思考：开源不等于自主、可控。开源就像西天取经一样的，你会不断遇到问题，读懂源代码、开源编译和维护要求成本非常高，大家要理性的思考这个问题。为什么自主不是可控的？基于开源开发的软件，由于无法跟随原软件升级，变得失控了。现在这个问题变得非常严重。试用基于开源开发的软件，是更严重的锁定。使用开源早的企业逐渐认识到，企业需要的不是被锁定，而是有选择的主动权。我们应该采用什么样的开源策略？要求商业软件始终遵循一致的标准才能最大可能的减少锁定。
企业处在不同的阶段，我们到底应该怎样做，要有科学的方法论。IBM在做数据治理、数据科学方面有现成的方法论，有机会大家可以做一些探讨。
责任编辑：焦旭
智库
产业力量
最新发布