傳統(tǒng)觀(guān)點(diǎn)認(rèn)為，在成功使用人工智能之前，你需要解決你的數(shù)據(jù)管理缺陷。但據(jù)一些技術(shù)高管稱(chēng)，這可能不再是唯一途徑，他們看到了在構(gòu)建人工智能應(yīng)用程序的同時(shí)應(yīng)用生成式人工智能（GenAI）掌握語(yǔ)言和解決數(shù)據(jù)管理問(wèn)題的潛力。

AWS負(fù)責(zé)數(shù)據(jù)和人工智能市場(chǎng)的副總裁Rahul Pathak認(rèn)為自己是一個(gè)老派的數(shù)據(jù)專(zhuān)家，他從不建議為了在紙面上展示成功而走捷徑。因此，當(dāng)他建議GenAI可以讓你在數(shù)據(jù)管理能力上領(lǐng)先并更快地獲得結(jié)果時(shí)，你可能會(huì)注意到。

Pathak說(shuō)：“在我們的世界里，必須采用序列化方式，你必須把數(shù)據(jù)庫(kù)整理好，然后你必須構(gòu)建一個(gè)基于數(shù)據(jù)的應(yīng)用程序?！薄拔艺J(rèn)為你實(shí)際上可以稍微改變一下這個(gè)過(guò)程，在這個(gè)過(guò)程中，你可以使用管理良好、安全的模型上下文協(xié)議（MCP）端點(diǎn)和最先進(jìn)的模型，幾乎立即開(kāi)始為人工智能解鎖數(shù)據(jù)。[它們]真的可以幫助你幾乎就地解鎖數(shù)據(jù)，然后開(kāi)始幫助你點(diǎn)亮人工智能應(yīng)用程序?！?/p>

顯然，并非所有的AI用例都是一樣的。某些用例可能需要在數(shù)據(jù)接觸人工智能算法之前收集、清理和準(zhǔn)備數(shù)據(jù)。但是，當(dāng)涉及到在預(yù)訓(xùn)練的模型上運(yùn)行推理工作負(fù)載時(shí)，可能無(wú)法對(duì)數(shù)據(jù)進(jìn)行分級(jí)。好消息是，MCP繞過(guò)了許多以前可能需要的大量數(shù)據(jù)（更不用說(shuō)數(shù)據(jù)管理的痛苦和花費(fèi)的金錢(qián)了）。

Pathak說(shuō)：“你可以把MCP服務(wù)器看作是一個(gè)聯(lián)合查詢(xún)?！薄霸撃Ｐ驮试S您獲取數(shù)據(jù)。它具有一定的模式彈性。然后知識(shí)庫(kù)和索引幾乎就像一個(gè)物化視圖。因此，在這種組合中，您可以更快地獲取數(shù)據(jù)。模型中的智能確實(shí)增強(qiáng)了數(shù)據(jù)工程師和數(shù)據(jù)科學(xué)家的能力，使他們能夠比我們以前更快地移動(dòng)?！?/p>

Pathak有一個(gè)現(xiàn)實(shí)世界的例子，一家制造公司希望使用生成式人工智能來(lái)加速生產(chǎn)。該公司已經(jīng)收集了大量的遙測(cè)數(shù)據(jù)，但事實(shí)證明，從遙測(cè)數(shù)據(jù)中提取知識(shí)并將其應(yīng)用于工廠(chǎng)生產(chǎn)線(xiàn)是困難而耗時(shí)的。

解決方案是使用GenAI的自然語(yǔ)言處理（NLP）功能從遙測(cè)數(shù)據(jù)中提取相關(guān)數(shù)據(jù)。然后，這些見(jiàn)解被輸入到傳統(tǒng)的機(jī)器學(xué)習(xí)優(yōu)化模型中。在后端，GenAI再次被用來(lái)生成指令，告訴操作員如何修改他們的流程以加快生產(chǎn)。

Pathak說(shuō)：“正是這種整合使我們能夠比以前更快地行動(dòng)?！薄胺駝t，你將面臨一個(gè)大數(shù)據(jù)、ETL和數(shù)據(jù)整理項(xiàng)目，你必須這樣做才能讓遙測(cè)數(shù)據(jù)快速可用。我們現(xiàn)在可以做得更快。所以這是一個(gè)很大的突破?！?/p>

PromptQL是另一個(gè)跳過(guò)大數(shù)據(jù)管理項(xiàng)目直接進(jìn)入GenAI項(xiàng)目的支持者。該公司開(kāi)發(fā)了一種基于GenAI的查詢(xún)工具，允許用戶(hù)立即開(kāi)始查詢(xún)他們的數(shù)據(jù)，而無(wú)需經(jīng)歷構(gòu)建語(yǔ)義層的耗時(shí)過(guò)程。

PromptQL的人員表示，語(yǔ)義層仍然很重要，因?yàn)樗糜趯I(yè)務(wù)的特定術(shù)語(yǔ)和指標(biāo)轉(zhuǎn)換為工具所需的技術(shù)表名稱(chēng)，以提供準(zhǔn)確的查詢(xún)。但最大的區(qū)別在于，PromptQL提倡在使用過(guò)程中構(gòu)建語(yǔ)義層，并隨著時(shí)間的推移根據(jù)用戶(hù)的反饋進(jìn)行定制。他們說(shuō)，在一個(gè)大爆炸式的數(shù)據(jù)管理項(xiàng)目上花費(fèi)數(shù)月或數(shù)年的時(shí)間，會(huì)導(dǎo)致無(wú)休止的POC（概念）并最終失敗。

早期人工智能項(xiàng)目的高失敗率就像房間里的大象。麻省理工學(xué)院最近的一項(xiàng)研究發(fā)現(xiàn)，95%的GenAI項(xiàng)目從未走出試驗(yàn)階段，這讓人們感到緊張。隨著數(shù)萬(wàn)億美元被投資于購(gòu)買(mǎi)快速GPU、大規(guī)模存儲(chǔ)陣列和大型AI數(shù)據(jù)中心，一些非常富有的機(jī)構(gòu)正在對(duì)AI進(jìn)行一些大賭注。

資源較少的小公司必須更加明智地利用人工智能機(jī)會(huì)。好消息是，GenAI掌握語(yǔ)言的能力可以以多種方式使用，包括使用它來(lái)理解數(shù)據(jù)是如何建模的，這可能會(huì)讓你，如果不是跳過(guò)數(shù)據(jù)管理階段，至少可以在構(gòu)建第一個(gè)人工智能項(xiàng)目的同時(shí)解決它。

“這些不再是連續(xù)的步驟，”P(pán)athak說(shuō)。“我認(rèn)為，對(duì)于許多正在應(yīng)對(duì)遺留數(shù)據(jù)挑戰(zhàn)的公司來(lái)說(shuō)，這是一個(gè)巨大的范式轉(zhuǎn)變，坦率地說(shuō)，自從數(shù)據(jù)庫(kù)中有多個(gè)表以來(lái)，我們一直在處理遺留數(shù)據(jù)挑戰(zhàn)?！?/p>

他說(shuō)：“我認(rèn)為生成式人工智能所做的和現(xiàn)在的不同之處在于，它真的給了我們一些超能力來(lái)實(shí)現(xiàn)這些事情?！?/p>

與 Ai 時(shí)代前沿合作，將大門(mén)向更多普通用戶(hù)敞開(kāi)！免費(fèi)課程限時(shí)領(lǐng)，還有好禮相送！無(wú)論你是對(duì)新技術(shù)充滿(mǎn)好奇心的愛(ài)好者，還是希望提升自己技能的職場(chǎng)人士，這里都有適合你的課程和資源。歡迎掃碼加入我們！