人工智能如何為大數(shù)據(jù)分析指明新的黃金標(biāo)準(zhǔn)
如果數(shù)據(jù)是新的黃金，那么今天的「黃金」將以對尋求增長的組織的趨勢和客戶行為的無價(jià)洞察力的形式出現(xiàn)。但是擁有大量數(shù)據(jù)——盡管幸運(yùn)——仍然是個問題，至少現(xiàn)在是這樣。
為什么？
大多數(shù)組織都有大量可用的數(shù)據(jù)，但沒有處理所有這些數(shù)據(jù)的基礎(chǔ)設(shè)施或設(shè)備。現(xiàn)在每天生成 2.5 quintillion 字節(jié)的數(shù)據(jù)，并且隨著 IoT 技術(shù)在一端的擴(kuò)散以及在另一端為數(shù)十億日常用戶給予服務(wù)的集中式云服務(wù)的擴(kuò)散而加速。今天的標(biāo)準(zhǔn)計(jì)算機(jī)芯片——中央處理器（CPU）——已經(jīng)達(dá)到了計(jì)算成本超過收益的性能上限。
正如 19 世紀(jì)著名的淘金熱所說明的那樣，人們自然傾向于走熟悉的路，甚至不惜爬上陡坡并取得不太理想的結(jié)果。順利獲得開辟新的道路，許多金礦商的表現(xiàn)可能要好得多。同樣，開辟一條通往數(shù)據(jù)分析的新道路對于找到通往「新」黃金的理想道路至關(guān)重要。
別搞錯了——數(shù)據(jù)已經(jīng)帶來了無數(shù)突破，并帶來了難以置信的好處。但是，如果要想真正從這種新黃金中榨取所有價(jià)值，那么現(xiàn)在是超越 CPU 并探索下一代替代品的時候了，這些替代品可以以前所未有的速度解鎖整個洞察力。
要真正分析大數(shù)據(jù)處理在哪些方面以及如何存在不足，看看人工智能（AI）的開展可能會非常有啟發(fā)性。
人工智能革命的先決條件
人工智能的第一個具有里程碑意義的用例可以追溯到幾十年前探索算法及其應(yīng)用的各種研究項(xiàng)目。最早的算法之一是專為下跳棋而設(shè)計(jì)的極小極大算法。從那以后，它進(jìn)化為下國際象棋，成為一個非常強(qiáng)大的對手。
但在棋盤游戲之外，人工智能不斷增長的應(yīng)用和用例列表很快引發(fā)了它的第二個突破：實(shí)體服務(wù)的激增主要負(fù)責(zé)分析大量用戶數(shù)據(jù)，以幫助大型企業(yè)更好地分析客戶需求。
然而，這些算法和實(shí)體最終只能與它們運(yùn)行的通用處理器一樣好。盡管它們在邏輯和內(nèi)存密集型工作負(fù)載方面表現(xiàn)出色，但它們的處理速度很慢。然而，這種情況在 2009 年發(fā)生了變化，當(dāng)時斯坦福大學(xué)的研究人員發(fā)現(xiàn)圖形處理單元 (GPU) 在處理深度神經(jīng)網(wǎng)絡(luò)方面明顯優(yōu)于 CPU，因?yàn)樗鼈兊挠?jì)算并行度更高——能夠同時運(yùn)行多個計(jì)算或進(jìn)程。這種新穎的計(jì)算基礎(chǔ)設(shè)施引發(fā)了人工智能的第三次也是最具決定性的突破，即深度神經(jīng)網(wǎng)絡(luò)時代。
GPU 不僅加速了 AI 算法的運(yùn)行方式。向神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)變創(chuàng)造了前所未有的算法性能水平，為新算法開辟了一個全新的機(jī)會世界，在此之前，由于 CPU 的限制，這些算法是不可能的或效率低下的。其中包括改變了我們的搜索引擎的大型語言模型，以及現(xiàn)在流行的生成式人工智能服務(wù)，如 DALL-E 2、Imagen、Stable Diffusion 和 Midjourney。GPU 革命清楚地表明，正確的處理硬件是引發(fā)現(xiàn)代 AI 革命的關(guān)鍵。
大數(shù)據(jù)缺失的元素
人工智能的開展歷史可以很好地揭示數(shù)據(jù)分析的現(xiàn)狀。
第一時間，與 AI 一樣，大數(shù)據(jù)研究項(xiàng)目最初催生了各種各樣的算法和用例。其次——再次類似于人工智能——隨后出現(xiàn)了大量的數(shù)據(jù)收集和分析服務(wù)。例如，亞馬遜、谷歌和微軟等所有主要云給予商圍繞大數(shù)據(jù)分析構(gòu)建了大量基礎(chǔ)設(shè)施。
但與 AI 及其 GPU「革命」不同的是，大數(shù)據(jù)尚未模仿 AI 的第三個突破：取得自己獨(dú)特的計(jì)算基礎(chǔ)設(shè)施。
現(xiàn)在，盡管 CPU 的處理效率低下，但它仍然是數(shù)據(jù)分析的基礎(chǔ)，但與 AI 不同的是，GPU 不是合適的替代品。這意味著隨著公司積累更多數(shù)據(jù)，他們通常會采用更多服務(wù)器來應(yīng)對繁重的負(fù)載——直到數(shù)據(jù)分析的成本超過其收益。
開拓新路
如果能找到一種方法在專用處理器上運(yùn)行數(shù)據(jù)分析工作負(fù)載，其效率相當(dāng)于 AI 工作負(fù)載現(xiàn)在在 GPU 和其他硬件加速器上運(yùn)行的效率，我們就可以引發(fā)類似的“革命”，打開大數(shù)據(jù)世界，以前所未有的速度創(chuàng)造新水平的洞察力。但要做到這一點(diǎn)，必須重新檢查所使用的硬件。
如果找不到合適的計(jì)算基礎(chǔ)架構(gòu)，組織將無法擴(kuò)展其數(shù)據(jù)效用，從而阻礙他們培養(yǎng)新見解和促進(jìn)其他創(chuàng)新的能力。另一方面，成功可能會催生一個全新的大數(shù)據(jù)時代。
許多淘金熱探礦者的垮臺是因?yàn)樗麄冋`入歧途，想要沿著已知的路徑尋找以前發(fā)現(xiàn)的黃金。另一方面，人工智能研究人員偏離了共同的道路，找到了一條新的道路，即通向 GPU 和其他加速器的道路，這仍然是深度學(xué)習(xí)的黃金標(biāo)準(zhǔn)。如果大數(shù)據(jù)研究人員能夠開辟自己的道路，他們也可能有一天會淘到金子，并將大數(shù)據(jù)分析的界限推向任何人都無法想象的境界。
