如今，如何利用海量的数据是人类面临的最大挑战，我们还没有能力通过高效的推理或直觉发现大数据中的规律。

“数据洪流已经成为了一个普遍性的问题。” HPE副总裁兼高性能计算和AI业务首席技术官Eng Lim Goh博士表示，“但人工智能让之前的胡乱猜测变成了智能猜测。”

在您将AI融入IT基础架构之前，让我们看看HPE专家眼中的AI前景，他们会告诉您AI如何促成业务转型，以及怎样迈出AI应用第一步。

AI成长史

AI在很早之前就显露出强大的潜力。IDC预测，今后数年，全球用于认知和AI解决方案的花费，年复合增长率将达到54.4%，至2020年，将超过460亿美元;至2024年，以AI为基础的用户界面和自动化流程将替代目前三分之一的屏幕应用。

AI受到公司欢迎的原因之一是它能发掘大数据的规律。2016年，Alphabet公司的“阿尔法狗”战胜了围棋世界冠军李世石，这些胜利都展现出了AI广泛的应用前景以及可以达到的高度。

2017年，一种新型的AI诞生了：在超级计算机上运行的Libratus打败了4位专业德州扑克选手。Libratus运用的是战略性推理——“纳什均衡”理论。在游戏情境中，玩家会先思考对手的选择，再决定自己的战略。因此，不需要通过输入大量的数据集来训练AI，AI会自动在游戏中适用一系列的规则和基础性战略来选择最佳行动。

Libratus能够从不完整的数据中找到解决方案，为每一个具体情况提出适当的建议。HPE数据系统和数据科学业务首席技术官Daniel Wu 表示，Libratus不是简单地提供建议或预测分析，它在处理过程中增加了一个规定性层级，从而做出最有利的决定并采取相应的行动。

深度学习、战略思维等各种类型的AI，都被要求具有快于人类反应的闪电般的速度，尤其是在自动驾驶和网络监控等应用中，延迟造成的后果非常严重。“要么让AI接手，要么不用AI。”Wu表示。

AI能够节约时间和金钱，在智能客服等应用中，机器人回答一秒钟的成本比人工回答一分钟的成本还低。但问题是，“AI部署都必须适用于不同的客户”，HPE的AI集团副总裁Pankaj Goyal表示。我们要花费时间、金钱和技术来设置适用于不同企业的新型AI。

步步为营

“没有任何业务可以回避AI这个现实”，Wu说，“业务的发展需要获得信息，发现真相。AI可以同时满足这两方面的需求。”

即便如此，世界上依然充斥着太多有关于AI的谣言，吹捧和恐惧的对立情绪在社会中蔓延开来。我们该如何去伪存真呢?

Goyal有如下三条建议：

1.勤问。从已有的AI使用案例入手，了解在哪里应用AI技术才能获得真正的进步。

2.实验。在大规模应用前必须进行实验。要花长时间搜索资料，了解AI的方方面面。例如，需要什么样的数据基础架构和人员配备?我们是否已经拥有了必要的数据量?数据质量达标吗?

3.扩展。在业务战略、产品思维、客户支持、物流和市场营销中融入AI。在取得初步成功之后，您需要在基础架构、数据和业务流程等方面进行多维度扩展。

科学与艺术

“AI不仅是科学，还是艺术。” Goyal说。

对于AI未来的预测分布于两个极端，有的人对AI的未来极为乐观，有的人则非常悲观，即便是专家们的共识，也很可能是错误的。

训练AI完成一项任务需要大量的数据，这一过程引起了数据的堆积。而AI的目的本是为了帮助应对数据洪流，而不是加剧这一情况。研究人员希望由人工通用智能(AGI)来解决对大数据洞察的需求难题，由此，AI不仅可以完成极为细致的工作，还可以胜任其它的工作。

但还有一个问题，如果训练AI来做多件事，那AI学习第二件事的速度可能会变慢，同时水平也降低。为此，谷歌正在研发“多模式系统”，利用在某一领域中的机器学习用来解决另一个领域的问题。这是一个进步，但距离实现人工通用智能尚远。

AI需要计算效率和能力的不断提高，当今的AI工作负载是在超级计算机上运行的。HPE的内存驱动计算机以内存为计算架构的核心，使用户能够部署运行任何计算节点，AI因此变得更为实际可行。

最后，您既不应该等待AI技术成熟之后才开始在业务中部署，也不应该在没有充分了解AI的缺点之前就贸然采用这一技术。AI是一个工具，在使用得当的情况下可以帮助您，反之也可能妨碍业务。公司能否从中获益，取决于您的需求、实施技术和流程的方法，以及您的耐心。