中国政务云市场份额报告出炉

获得业务领导人和高层管理人员的支持困难重重，但最终是Jabil在分析方面获得成功的最重要因素之一。作为平民数据科学计划的一部分，Jabil建立了一个高管培训组，让高管们参加为期两天的强化数据科学培训课程。高管们开始寻找能用数据解决的各种业务问题时，该课程帮助他们了解成为数据驱动型组织的重要性，并获得他们的积极支持。该课程在每一期学习班完成课程后邀请更高级别的高管到场听取总结汇报，继续加强高管的支持。

Cantrell说：“当高管团队开始看到企业组织的问题得到解决，由此带来的成果帮助他们改善业务后，我们真正开始得到高管的认可和支持。客观地说，我们在前期做了大量宣传工作，花了近三年的时间让高管们对此产生兴趣。而现在，过去两年的问题是‘OK，你在用数据分析做什么?下一步要做什么?’回答这种问题需要花点时间，但我们最终还是解释清楚了，将其与业务关联起来，他们可以切实看到价值。”

打破数据孤岛

原有的数据实践也可能遏制企业组织将数据转化为业务价值的能力。数据孤岛就是罪魁祸首。

在过去这几年，拜耳作物科学公司竭力将机器学习和人工智能应用于业务的方方面面。精准农业一直是其关注的重要方面。拜耳作物科学公司植物生物技术部研发部门数据战略负责人Michelle Lacy表示，该公司遵守FAIR数据是其数据驱动转型的立足之本，帮助它打破了数据孤岛。FAIR数据是《自然》杂志旗下《科学数据》子刊所发布的一套指导性的科学数据管理原则。

FAIR(可查找、可访问、可互操作和可重用)是数据领域的某种权利法案，表明用户应该能够轻松查找数据，用户在制定决策时应该能够访问所需的数据(同时仍遵守网络安全政策)，数据应该可互操作，数据还应该可重用。
 

寻找最短的旅行路线

地球上的所有动物，包括人类在内，都可以在周围环境中导航并灵活地探索新区域。由于神经回路的空间行为，它们的导航成为可能。动物的大脑通过在规则的六边形网格中绘制周围环境来导航。这些六角形图案有助于导航，类似于地图中的网格线。神经模式支持基于矢量的导航的假设。基于矢量的导航使大脑可以计算到所需位置的距离和方向。

可以使用基于矢量的导航功能来训练深度学习神经网络，以找到从点A到点B的最短路径。通过将动物大脑使用的相同网格线模式嵌入第一层，深度学习可以计算距离和到达目的地的方向。具有基于矢量的导航和深度学习功能的自动驾驶汽车还可以检测到任何新近可用的快捷方式的存在，以减少出行时间。

深度学习本身还需要克服诸多挑战

尽管自动驾驶汽车有很多好处，但仅凭深度学习就无法使自动驾驶汽车成为高级智能的交通工具，因为阻碍自动驾驶汽车走向主流发展的障碍很多。借助深度学习，检测对象的准确性确实会提高，但要付出大量数据的代价。基于数据表示的深度学习功能。数据在神经网络的不同层上表示，然后根据数据模式导出输出。由于深度学习的完整功能是基于数据的，因此与其他AI算法相比，训练神经网络需要更多数据，因此很难创建用于训练它们的数据集。而且，收集训练神经网络所需的数据也非常耗时。

使用深度学习神经网络的另一个挑战是它们的黑匣子问题。如果程序做出了决定，则程序员可以撤消该决定，以找出程序做出该决定的原因。但是，深度学习不是可追溯的系统，而是在隐藏层中处理数据。开发人员只能找到输入到神经网络的数据及其输出。但是，他们无法找出隐藏层中进行了哪些处理来做出决定。因此，很难知道深度学习网络失败的原因，因为没有人可以追溯到发生失败的地方。

有时，深度学习网络甚至无法实现其本来打算完成的任务。神经网络很难像在不同的视频帧中一样在小图像变换中进行概括。例如，根据一项研究，深卷积网络将狒狒或猫鼬标记为相同的北极熊，具体取决于背景的微小变化。

无人驾驶汽车是一项实验，至今尚无人知道结果如何。自动驾驶汽车深度学习能否将其驱动到主流交通工具取决于技术如何进一步发展。即使克服了深度学习的挑战，自动驾驶汽车的方式也存在其他障碍。这些汽车与IoT设备等多种技术集成在一起，以收集数据，云计算以处理数据，以及5G以提高数据传输速度。一旦这些技术能够有效地协同工作，以建立良好的交通生态系统，自动驾驶汽车就能成为主流。

（编辑：济宁站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!