此外，當今社會主要是數據驅動的。智能手機和健身追蹤器等工具大量收集個人數據，而企業則依靠業務數據和專業平臺對業務未來發展做出更明智的決策。
人工智能如何適應這個已經擁有大量數據的世界，將如何帶來影響?隨著人工智能的采用加速，它可能會增加對云計算和數據中心容量的需求，因為企業將會創建大量數據，并提供分析數據的計算能力。
例如，亞馬遜網絡服務公司表示，在其平臺上使用人工智能工具的數量比去年增加了250%。亞馬遜網絡服務人工智能部門總裁Matt Wood博士日前在召開的紐約AWS峰會上表示，“機器學習正在經歷云計算的復興。我們可以存儲盡可能多的數據，并根據需要來調低計算量。大多數的限制和束縛(人工智能的采用)已經融化在云端。”
業務采用將帶來更多的人工智能的數據存儲
一項研究對北美和歐洲地區的1,000多名IT專業人士在2018年的業務計劃進行了調查。調查表明，受訪者預計在2018年人工智能的采用率將增加30%。值得注意的是，13%的受訪者表示他們的公司已經開始使用人工智能。
這些統計數據有力地表明，企業用戶將極大地激發尋找存儲人工智能數據有效方法的需求。
用于人工智能數據的技術必須具有一些優良特性來應對人工智能存儲和處理。這些特性包括始終可用的充足空間，運行存儲系統軟件陣列的錯誤檢查，自動化功能，用戶友好性， 以及更高的性能。
全閃存系統提供這些優勢，使其成為滿足人工智能存儲需求的理想選擇。它們比磁盤陣列的存儲速度要快約一千倍。
存儲和處理的需求逐漸增加
關于人工智能的另一個重要因素是，隨著時間的推移，許多應用程序需要更強大的存儲和處理技術。與此類似地，要求其處理速度不能隨著新數據的存儲而變得遲緩，而必須始終保持快速處理。
例如，深度學習是人工智能的一個子集，它涉及隨著數據集的增長而變得更加準確的算法。許多存儲系統都是為了容納大量數據而構建的，但不能將其傳送到目的地。但是，人工智能需要能夠將數據發送到算法位置的存儲技術，從而使智能技術發揮作用。
此外，深度學習導致2015-2017年的數據計算需求增加15%。隨著人們越來越多地使用人工智能，并越來越意識到它的潛力，他們將需要能夠處理人工智能產生的大量數據的存儲和處理解決方案。必須立即訪問內容以幫助人工智能技術正常工作。
當前和未來數據密集型人工智能技術的詳細信息
預測顯示，到2025年，人工智能市場規模將達到368億美元。分析師表示，只有當人們弄清楚如何幫助相關技術變得像人類一樣聰明時，其價值和使用案例才會上升。
Drive.ai公司是一家位于德克薩斯州弗里斯科的人工智能服務商，該公司推出了一項為乘坐自動駕駛汽車的居民提供運輸服務試點項目。這個項目將配備一名司機以保證安全，但并不會一直如此。該公司的自動駕駛汽車應用程序使用深度學習神經網絡控制駕駛。這采用的是人工智能算法，通過依靠連接的網絡來學習數據中的模式。
這些算法允許自動駕駛汽車根據在真實環境中所看到的內容和情況做出決定。這種技術的支持者認為這是一個理想選擇，因為它的工作方式類似于人類學習的方式。但是，現在說Drive.ai能夠在市場上取得成功還為時尚早。
無論Drive.ai公司的業務未來發展如何，自動駕駛無疑將成為激發尋求人工智能數據和檢索可行選項的需求的因素之一。據英特爾公司估計，在一輛自動駕駛汽車行駛8小時后，它將生成并接收大約40TB的數據。
智能家居技術市場也將在為人工智能數據做出貢獻方面發揮重要作用。到2023年，研究人員預計全球智能家居市場規模將達到令人難以置信的1506億美元，并相信歐洲將在此期間增長最快。這部分歸功于英國要求2020年每個家庭都將安裝智能電表。
人工智能和智能家居技術
智能家居市場也包含無數其他小工具。例如，回答人們問題的智能揚聲器，可以控制智能燈光和恒溫器，并幫助用戶通過語音在線購物。
采用人工智能的家庭安全攝像頭可以識別熟悉的人的面孔，并允許用戶從任何地方檢查他們的住所。用戶可以回顧其存儲匯編的視頻，例如，某人希望在其外出度假的那一周看到家中發生的一切。
此外，一家名為Cortica的以色列人工智能研究公司與印度Best Group公司建立了合作伙伴關系。Cortica希望使用人工智能算法在公共場所(如購物中心、體育場館和市中心)分析數百TB的攝像頭數據。
安全技術已被用于識別人們的面孔和車牌，但Cortica公司的技術超越了這些能力，試圖發現人們在從事非法活動時可能出現的行為異常。
在構建算法時，程序員依賴于實驗室中的老鼠，將其大腦連接電極。然后研究其大腦皮層對某些刺激的反應。
由于采用這種方法，開發人員說，如果技術出錯，他們將能夠追蹤發生在單個文件或進程中的事件，從而實現有針對性的再培訓。
Cortica公司的技術仍處于早期階段。然而，由于掌握了所有數據，并且人們有辦法重新審視它，因此如果其應用達到主流采用的程度，那么Cortica公司為了滿足大量人工智能的數據需求將會提供更多的產品和服務。
人工智能的進步取決于高性能數據解決方案
從廣義上講，人工智能應用程序在獲得大量數據編程后即可運行。然后，他們中的許多人通過大量的重復應用來學習，例如當居民每周將智能恒溫器設定在相同的溫度。
在這些流程的所有階段，人工智能都會存儲數據并需要快速檢索。相比之下，一些傳統的存儲系統有足夠的空間，但可能無法快速檢索。
除了需要更快的存儲系統外，人工智能還需要更強大的硬件來處理數據，訓練算法，并在自動駕駛等應用中做出實時決策。用于人工智能工作負載的新硬件正在為每臺設備提供更多計算能力，從而提高功率密度。因此，數據中心需要處理服務器和機架或機柜中的功率以及隨之而來的熱量。這一趨勢正在挑戰數據中心冷卻的傳統做法，并促使數據中心運營商采用新的戰略和設計。
作為這一趨勢的一個例子，谷歌公司正在將液體冷卻用于其最新的人工智能硬件，因為其新型張量處理單元(TPU)產生的熱量超過了之前數據中心冷卻解決方案的液體冷卻能力。
京公網安備 11010502049343號