勞動(dòng)力短缺一直是困擾很多企業(yè)的問題。大量初級(jí)職位空缺，大多數(shù)零售商店都在招聘，當(dāng)然平均薪酬也在隨之上升。像日本這樣的國家早就出現(xiàn)了這種情況，在利用人工智能實(shí)現(xiàn)更高水平的自動(dòng)化方面處于領(lǐng)先地位，其目標(biāo)是用更少的人做更多的事。

以下是人工智能自動(dòng)化的一些主要趨勢(shì)：

1. 人工智能訓(xùn)練和數(shù)據(jù)質(zhì)量

Great Expectations開放數(shù)據(jù)質(zhì)量平臺(tái)的高級(jí)開發(fā)倡導(dǎo)者Ruben Orduz表示，從事人工智能培訓(xùn)的數(shù)據(jù)工程師正在認(rèn)真對(duì)待數(shù)據(jù)質(zhì)量流程。面臨的一個(gè)問題是，現(xiàn)實(shí)世界的數(shù)據(jù)并不整潔或不可預(yù)測。它可能會(huì)遭受諸如丟失、截?cái)嗷驘o效數(shù)據(jù)、意外重復(fù)和異常等質(zhì)量問題。

他說，“當(dāng)使用雜亂的數(shù)據(jù)來訓(xùn)練算法時(shí)，其結(jié)果可能是災(zāi)難性的。依賴于根據(jù)輸入數(shù)據(jù)進(jìn)行推斷和調(diào)整的機(jī)器學(xué)習(xí)和人工智能算法特別容易受到不良數(shù)據(jù)條件的影響。”

例如，如果企業(yè)發(fā)送和交付貨物，會(huì)收到來自供應(yīng)商的一組訂單，其中包括名稱、地址和要交付的貨物。人工智能系統(tǒng)接收這些數(shù)據(jù)，并使用它來學(xué)習(xí)和規(guī)劃交付路線。如果交付貨物的數(shù)量通常為1～30個(gè)，但數(shù)據(jù)在“包數(shù)”中突然顯示有數(shù)千個(gè)包裹，那么說明這需要雇傭更多的送貨司機(jī)，這表明這個(gè)模型也有偏差。這就是為什么數(shù)據(jù)工程師正在努力了解其數(shù)據(jù)的質(zhì)量，并使用數(shù)據(jù)質(zhì)量平臺(tái)來識(shí)別異常值和受影響的數(shù)據(jù)的原因。現(xiàn)在做這件事比以往任何時(shí)候都容易。工程師可以發(fā)現(xiàn)，在數(shù)據(jù)流進(jìn)入時(shí)運(yùn)行管道測試，并在進(jìn)入人工智能訓(xùn)練過程之前捕獲異常值。

2. 人工智能自動(dòng)化和網(wǎng)絡(luò)

思科、Juniper Networks、Gluware和Splunk等許多公司正在投資于人工智能功能的自動(dòng)化，以將其應(yīng)用于網(wǎng)絡(luò)故障排除和性能診斷。網(wǎng)絡(luò)運(yùn)營傳統(tǒng)上需要高度參與的人力資源。人工智能和數(shù)據(jù)可以使很多工作實(shí)現(xiàn)自動(dòng)化。

網(wǎng)絡(luò)畢竟是一個(gè)復(fù)雜的系統(tǒng)，包含了大量的技術(shù)、架構(gòu)和覆蓋，導(dǎo)致許多操作點(diǎn)出現(xiàn)故障和性能問題。網(wǎng)絡(luò)的人工操作方面同樣具有挑戰(zhàn)性。盡管一些努力將操作集中到網(wǎng)絡(luò)控制器，但網(wǎng)絡(luò)管理在很大程度上仍然是人工管理的，并且需要管理人員具備大量專業(yè)知識(shí)。此外，這項(xiàng)工作主要是探索性的，管理人員試圖在沒有提前洞察或數(shù)據(jù)的情況下人工得出問題的根源。因此，以傳統(tǒng)方式運(yùn)行網(wǎng)絡(luò)的成本很高，無論是在服務(wù)停機(jī)時(shí)間或降級(jí)方面，還是在實(shí)現(xiàn)解決方案的人力方面。

Gluware公司人工智能副總裁Stanislav Miskovic說，“利用人工智能自動(dòng)化進(jìn)行分析是一個(gè)巨大的機(jī)會(huì)，我們正在構(gòu)建一個(gè)平臺(tái)，該平臺(tái)將利用和統(tǒng)一整個(gè)網(wǎng)絡(luò)堆棧中的真實(shí)數(shù)據(jù)。

人工智能自動(dòng)化可以通過多種方式幫助企業(yè)降低與網(wǎng)絡(luò)相關(guān)的運(yùn)營成本：執(zhí)行根本原因分析和本地化有問題的站點(diǎn)、設(shè)備和協(xié)議;將基礎(chǔ)設(shè)施作為整體及其所有組件進(jìn)行自主基線化;對(duì)已經(jīng)識(shí)別問題的相關(guān)性進(jìn)行排序;例如識(shí)別支持證據(jù)并向網(wǎng)絡(luò)工程師規(guī)定補(bǔ)救措施。但在網(wǎng)絡(luò)世界中，這些功能中的大多數(shù)仍處于起步階段。”

3. 網(wǎng)絡(luò)安全中的人工智能

正如網(wǎng)絡(luò)通常需要通過更多人工智能實(shí)現(xiàn)自動(dòng)化一樣，網(wǎng)絡(luò)安全也是如此。隨著威脅變得越來越復(fù)雜，企業(yè)網(wǎng)絡(luò)的邊界變得越來越模糊，特別是隨著向云平臺(tái)的過渡，需要分析的數(shù)據(jù)量遠(yuǎn)遠(yuǎn)超出了人工檢查的能力。

Miskovic說，“人工智能和分析是增強(qiáng)安全性的關(guān)鍵推動(dòng)因素。如今，安全需要覆蓋更廣泛的范圍，如果沒有人工智能自動(dòng)化的幫助，這是無法實(shí)現(xiàn)的。如果攻擊面太大，數(shù)據(jù)量太大，那么無法在沒有人工智能幫助的情況下進(jìn)行檢查。”

這促進(jìn)了用戶和實(shí)體行為分析的發(fā)展，這是一個(gè)純粹的人工智能驅(qū)動(dòng)的安全領(lǐng)域。另一種人工智能驅(qū)動(dòng)的安全方法是檢測零日攻擊或未知事件，如果沒有人工智能自動(dòng)化基線分析和異常檢測，這是無法實(shí)現(xiàn)的。最后，人工智能自動(dòng)化通過對(duì)安全警報(bào)進(jìn)行排序、減少警報(bào)疲勞和建議糾正措施來幫助安全響應(yīng)團(tuán)隊(duì)。

4. 流程自動(dòng)化

即使有所有有助于監(jiān)控、管理、操作和保護(hù)企業(yè)基礎(chǔ)設(shè)施的產(chǎn)品，它們產(chǎn)生的警報(bào)數(shù)量以及工程師為解決這些問題需要采取的步驟數(shù)量也變得難以處理。出于這個(gè)原因，人工智能驅(qū)動(dòng)的流程自動(dòng)化正在成為網(wǎng)絡(luò)運(yùn)營、安全運(yùn)營和票證管理不可或缺的一部分。

Miskovic說，“許多人工智能驅(qū)動(dòng)的解決方案已經(jīng)開發(fā)，在發(fā)出警報(bào)和解決問題任務(wù)的各個(gè)方面實(shí)現(xiàn)自動(dòng)化。這些人工智能自動(dòng)化解決方案提供了可定制的劇本，可以在沒有人工干預(yù)的情況下執(zhí)行許多后勤或補(bǔ)救任務(wù)。該系統(tǒng)可以通過識(shí)別工程師為解決類似問題所做的模式來自主學(xué)習(xí)解決問題所需的許多劇本步驟。這些劇本也可以由工程師進(jìn)行定制。”

5. 人工智能即服務(wù)

人工智能引擎和平臺(tái)很復(fù)雜。因此，其他人不可避免地會(huì)承擔(dān)繁重的工作，并提供人工智能即服務(wù)作為人工智能作為平臺(tái)的替代品。

DataProphet公司聯(lián)合創(chuàng)始人、首席執(zhí)行官Frans Cronje表示：“隨著企業(yè)及其數(shù)據(jù)科學(xué)團(tuán)隊(duì)已經(jīng)通過人工智能平臺(tái)發(fā)揮自身優(yōu)勢(shì)，開始通過構(gòu)建專業(yè)團(tuán)隊(duì)以實(shí)現(xiàn)人工智能的附加價(jià)值，需要以人工智能即服務(wù)的形式提供深入知識(shí)的人工智能系統(tǒng)將會(huì)加速發(fā)展。”