早在2009年，我就在学术界和世界上最负盛名的大学之一的包围下，处于帮助建立世界上第20快的超级计算机的特权位置。我们将500台最先进的文件服务器，数据和低延迟网络以及基于x86的CPU结合在一起，提供了一种高性能计算机(HPC)，能够处理数据，以解决复杂的特定问题。不仅如此，我们这样做的成本明显低于在同一列表上排名第19位的系统。
八年后，在同一家工厂，项目负责人计算得出，要达到相同的结果(以前使大学排名前20位)，他们将不再需要500台服务器。取而代之的是，相同的性能可以在原始大小的百分之一，价格的百分之一的物理空间中提供。更重要的是，随着对更大计算能力的需求增长，它们可以以实际上降低的成本提供更高的性能。
2020年的高性能计算比以往任何时候都更快，更强大，更小，更便宜。关键区别在于，这些超级计算机不再是学术机构和极其富有的私人企业的保护区。最后，HPC可以很容易地应用于在广泛的业务环境中运行强大的人工智能(AI)工作负载。
最近的调查，如这一个由麦肯锡，都强调了IT管理人员的95%的人认为AI将改变他们的行业。但是这样的统计数据让我想知道另外5%的人如何推论AI的影响。无法理解人工智能将如何改变业务，从根本上误解了人工智能是什么。任何规模经营的组织都可以从自动化和近乎实时的决策中受益。关键是，人工智能及其伴随的相关技术进步使该技术不仅对大量组织而言是合理的。它成为强制性的。寻求部署AI时企业需要注意的是，这不是回答业务关键问题的灵丹妙药。而且，正如我们在最近的几个不幸示例中所看到的那样，如果您的AI没有接受大量数据的训练，那么最终可能会放大错误的假设，使最终产品无用。例如，如果仅用白人男子的照片训练面部识别程序，那么您将获得一些有偏见且可能具有歧视性的结果。与所有形式的建模一样，您得到的发现仅与您放入其中的数据一样好。这个简单的事实没有捷径可走，任何试图这样做的组织都会很快陷入困境。
从这些失误中获得的关键结果并不是AI失败或无法执行任务。这是人类拥有，能够并且经常确实不善地运用这项技术。如今，人工智能正在改变着几乎每个行业和垂直领域，从用于检测癌症的病理学到人工智能接电话以回答联络中心客户的疑问，从水控室内农业到在仓库和公共道路上驾驶自动驾驶汽车。
当且仅当应用它的企业知道如何阐明问题，理解解决方案(或至少解决方案的外观)并且可以做到时，AI才能提供切实的利益(例如提高生产率，降低成本和提高竞争对手的优势)。成功评估其对组织的影响。