IOT，AI和83个问题，第2部分：上下文是关键

上下文至关重要

一旦组织解决了技术问题从他们的系统中收集数据在不影响其核心函数的情况下，下一个优先级确保数据和底层物理世界或业务流程之间的关系不会丢失或困扰。我们调用此元数据或更常见的上下文。

这方面的上下文使得高阶AI和参加数据科学家可以构建组织和数据，而不会失去业务的基础物理学的关键视角。如果没有这种情况，数据工程师和科学家都需要找到方法来介绍该透视的方法，以便在称为归一化的过程中使用。这些步骤涉及重新组织数据库以允许用户正确利用它进行进一步分析的过程，这是耗时和令人沮丧的时间。

除了归一化的麻烦之外，还存在损害数据的保真度的风险。当源数据转换为适合一致的数据结构时，我们调用此数据劣化。这些损失可以化合物，因为它们可以在任何边界或从原始数据源交换到AI使用的最终数据表示，通常导致有价值的信息丢失。

ai的演变

由于AI技术正在推进，例如深度学习，对数据进行规范化的需要缩短，但仍然需要底层系统和交换，可以维护数据的全部保真度并传播可用上下文。

如果没有这些，数据科学家必须使用任何所需的上下文增强可用数据，包括功能识别和标签。在更高级数据管理系统中，在更高级别的数据管理系统中的这种延迟绑定或添加上下文并不帮助核心系统使其未来的用户和使用其数据的使用，并使用该上下文来使用其数据：所有努力和投资都仅限于一个高阶系统。上下文的后期绑定过程并没有解决80/20的问题，并且最终可能会增加冗余努力。

未来，AI本身可能会消除一些需要迟到的结合的需求。AI的进步可以允许发现大部分潜在的业务和经营物理学，有些人认为这实际上是一种从数据训练和学习的更好方法。代替设计系统以维护上下文，努力将模型和课程转换回用于人类，以便可以采取适当的操作，并且可以将模型应用于业务和操作流程。

即使计算资源和数据科学可用于这种方法，该模型也应利用与域专家和接近底层核心系统和流程的其他人说话的上下文和语言。这使他们能够实施变化和将AI见解转化为行动。

简而言之，AI需要说出正在使用的人的语言。

自治未来

我们正在朝着自治的未来迁移，这是一个封闭的循环，即AI在没有直接人类干预的情况下通知网络物理系统。

但即使在这个世界，也有人类的结果。人类将设定自主操作将努力的目标，以及它应该在零碳，零废物，最小能量和最大吞吐量之类内操作的参数或约束。我们选择的工具将影响我们对这种自治未来的准备。在源上修复问题比添加工具更耐用，这是一个更耐用的问题。

解决数据的保真度当它从源流到AI引擎并确保所有可用上下文的交换时，随着数据流过系统，有助于确保AI引擎可用的数据是立即使用的。对于许多遗留系统，可以帮助在最自动化的方式中使用上下文增强数据的工具可以填补此间隙。

和佛教徒一样83个问题，本文无法帮助您存在第84个问题：在第一位置渴望没有任何问题。但是，希望它能够帮助您提出这些问题 - 以及机会 - 在角度来看。

所有IOT议程网络贡献者负责其帖子的内容和准确性。意见是作者，不一定能够传达物联盟议程的思想。