AI和机器学习的影响远远超出了显而易见的范围

时间:2020-05-28 16:01:24来源:
导读最近有人问我们有关支持AI的数据库的事。这个想法是,通过将AI服务器集成到内存数据库中,您可以减少一堆后端数据流量并显着加快处理速度。

最近有人问我们有关支持AI的数据库的事。这个想法是,通过将AI服务器集成到内存数据库中,您可以减少一堆后端数据流量并显着加快处理速度。

为什么后端对AI / ML很重要

我们倾向于将推理(机器学习的操作部分)视为一种相对“封闭”的应用程序,它比首先培训AI所需的资源密集程度要低得多。但是,还有一类AI应用程序,实际上,您会不断监控和重新训练AI引擎。

即使在最前端使用快速处理器,这也需要与后端进行大量数据交换,在正常情况下,开发人员将拥有与数据库进行通信的计算服务器。因此,将AI服务器集成到数据库中(减少所需事务数量)的想法为那些需要不断或频繁重新培训的AI应用程序提供了有益的好处。

那么Covid-19在哪里呢?好吧,大多数机器学习系统都是使用大量历史数据进行训练的,但是随着企业和个人适应新的风险和规则,我们现在看到了行为的巨大变化。购买习惯,出行方式,物流,能源消耗,甚至是意想不到的事情,如面粉产品在国内市场与商业市场上的销售比例,所有这些以及更多的东西已经发生了变化。

结果,曾经相对稳定的AI系统变得更加不稳定。更糟糕的是,随着复苏和重新开放以零星的,甚至是偶然的方式进行,不同的国家和行业以不同的速度,不同的方式解锁-当然不确定病毒下一步将做什么,这种波动性和可变性是可能会持续一段时间。

您的模型仍然有效吗?

我们希望这将转化为对AI监视和再培训的需求和期望的增长。很简单,上周有效的模型很可能在本周不再适用。

这是否意味着我们将看到更多的数据库开发人员集成AI功能?不太确定。开发人员已经习惯于选择最适合手头任务的数据库和AI引擎,并且可能会持续一段时间。但是,我们确实希望看到架构上的变化,随着对再培训的需求越来越明显,人工智能和数据库元素将变得更加紧密。

当然,这并不适用于AI的每个应用程序–以及需要不断监视和重新训练的一组机器学习应用程序,还有很多应用程序对此的需求较少。

但是,如果您正在运行机器学习系统,那么现在可能是一个很好的时机,以检查您是否正在监视后者,以确保它们在您不使用时不会滑入前一类。

最新文章