边缘计算“新十问”

尽管Python目前在数据科学和机器学习领域，以及某些程度上在科学和数学计算领域占据着主导地位，但与Julia，Swift和Java等新语言相比，它确实有其劣势。

是什么让Python如此受欢迎?

Python迅速发展的主要原因是易于学习和功能强大。这使得它对初学者，包括那些由于C、C++等语言语法艰涩且陌生而对其望而却步的人，都非常有吸引力。

该语言从根本上广泛强调代码的可读性。凭借其简洁而富有表现力的语法，它允许开发人员在不编写大量代码的情况下表达想法和概念(例如在C或Java等低级语言)。Python非常简单，可以与其他编程语言无缝集成(例如将CPU密集型任务卸载到C / C ++)，这对多语言开发人员来说是一个加分项。

Python用途广泛的另一个原因是大型企业(包括FAANG)以及无数小型企业对其的大量使用。如今，Python包里几乎包含了可以想到的任何东西——用于科学计算的Numpy，用于机器学习的Sklearn和用于计算机视觉的Caer。
 

人们长期以来一直在怀疑人工智能(AI)是否会取代他们的工作。但是目前，商业交易仍需要人为因素。

几年前，欧洲一家金融公司，该公司正在其数据中心内更新其灾难恢复和故障转移技术。目的是使系统中的许多警报自动化，以便IT在任何系统出现故障之前发出预警。

该技术效果很好，CIO面临一个选择：他是否可以完全自动执行故障转移，并在需要时确定是否需要自动化来接管系统故障转移功能?还是他离开了故障转移的“最后一英里”，即当警报告诉您关键任务系统将要发生故障并且您必须亲自做出进入故障转移和恢复的决定时，他本人就在哪里。谁按下按钮?

他说：“我想成为一个按下按钮的人。让AI引擎做出可能会避免的故障转移决定，然后不得不向客户和我的董事会解释，这让我感到不舒服。”

为什么AI的风险管理是双刃剑

首席信息官的决定并不罕见。尽管大多数CIO确实了解自动数据复制和恢复软件的好处，但他们对将重大灾难恢复和故障转移决策留给自动化软件并不满意。

同时，CIO和业务领导者都知道AI将成为一种工具性和变革性技术，通过物联网(IoT)和其他形式的大数据来促进决策。

考虑以下真实世界的示例：

物流承运人收到警报，其中一辆卡车所载集装箱的环境不合格。这意味着除非能找到附近的市场，否则该容器内运载的所有农产品都有变质的风险。AI介入并建议附近的几个市场供侦察员重新选择路线。专家做出最终决定，但AI决定引擎节省了宝贵的时间。

实施了Manufacturing 4.0原理的工厂在组装线上的设备上带有传感器，该传感器指示即将发生故障的风险可能会关闭生产线。为了避免停机的风险，制造商将技术人员派往生产线，然后技术人员使用AI来协助诊断和维修。

一家建筑公司必须为项目采购一台特殊的起重机，并使用AI来评估未来恶劣天气的风险以及该风险或价格上涨，从而确定下订单的合适时间。

从所有这些示例中我们了解到，人工智能是一种节省关键时间的有用工具，但最终，人类希望成为做出最终决定的人。

人工智能可以取代人类的决策吗?

风险管理公司Wolters Kluwer在讨论制造和风险时说： “就目前而言，将人们完全排除在周期(计划-执行-检查-行动)之外仍然是不可想象的。即使认知计算如果完全发展起来，那么机器完全接管的情况对大多数人来说都是可怕的景象。”

我们是否会达到机器自动化和AI可以完全取代人类专业知识的决策和堡垒的地步?

人，机器和AI

SAS UK和爱尔兰的数据科学主管Iain Brown博士说：“ AI的能力将补充我们而不是复制我们。”

从风险管理的角度来看，人工智能可以帮助人类合作者以新的方式管理风险。AI可以快速吸收和消化大量信息。它可以通知物流调度员有关道路封闭或一千英里外的天气问题的信息。这有助于调度员管理装运迟到的风险。

同时，人类充当检查点，以管理错误的AI决策风险。最近的麦肯锡风险管理论文中写道：“银行长期以来一直在担心个人员工在提供消费者建议时会产生偏见。” “但是当员工基于AI建议提供建议时，风险不是单个建议有偏见，而是如果AI建议有偏见，机构实际上会将偏见系统化到决策过程中。”

对于实施AI的公司来说，最重要的是，必须在机器驱动的AI和人之间找到正确的接口，以便能够进行风险管理和出色的决策。

这应该是公司开展的每个AI项目的目标。

（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!