ブロックチェーンは人工知能の技術力を大幅に強化する

現在、AI 市場はスタートアップから政府、軍隊に至るまで、業界全体で急速に成長しています。いくつかの企業が最初の一連のパイロットアプリケーションを正常に習得しました。アナリスト会社によれば、世界のAI市場は現在80億ドル以上の価値があり、2022年までに776億ドル近くに達するだろう。

人工知能 (AI) の開発には、機械による継続的な学習が伴います。コンピュータが「スマート」になるためには、大量のデータ、大量のメモリ、そして多くのことを学習できる強力なプロセッサを処理する必要があります。このようなプロセッサは、すでに個々の人間のニューロンよりも桁違いに高速であり、世界的に見ると、人間の脳のニューロンの数と同じくらいの数になっています。動作モデリング アルゴリズムは絶えず改善されており、プロセッサ メモリは人間の潜在能力を超えています。

AIトレーニングに必要なデータ自体が問題として残っています。ここでブロックチェーン技術が前面に出てきます。つまり、国境を越えて、あるいは世界中でトレーニング用のデータを収集し蓄積するためのピアツーピア ネットワークの可能性です。

ピアツーピア ネットワーキングは、複数のデバイスがリソースを共有し、仲介者なしで直接通信できるようにするサーバーレス ネットワーキング テクノロジーです。ピアツーピア システムのメンバーである各コンピューターは、そこに保存されているファイルのサーバーとして機能します。ブロックチェーンを使用して機械学習用のデータを収集すると、そのデータの信頼性が高まり、暗号通貨を使用すると、個人や企業がそのデータを収集する動機付けになります。

ブロックチェーンは人工知能の力を高める

AI が成功するには、ブロックチェーンで検証されたデータの安定したストリームに加えて、膨大な量の計算能力も必要です。通常、これらの目的に使用されるアルゴリズムは ANN (人工ニューラル ネットワーク) です。人工ニューラルネットワークは、多くの例を見てタスクの実行方法を学習するため、何百万もの値を迅速に処理するには多くのパワーが必要です。

ブロックチェーンがネットワークを介してデータを送信できる場合、その計算能力は理論的には他の目的に使用できます。ブロックチェーンのいくつかのバリエーションでは、ユーザーは、複雑な計算作業を実行する必要がある人に、ピアツーピア (P2P) マーケットプレイスで自分のマシンの計算能力を提供できます。容量の提供に対して、ユーザーはトークンの形で報酬を受け取ります。

AI 自体は、このようなコンピューティング プラットフォーム上でより効率的に学習できるようになります。この共生により、アルゴリズムのトレーニングコストも削減されます。

人工知能は論理的なデータ構造の構築において重要な役割を果たす

論理データ ファブリックは、複雑さを隠し、ビジネスに適した形式でデータを公開することで、複数のデータ システムへのアクセスを抽象化する統合データ配信プラットフォームのビジョンです。

今日のデータファースト経済では、価格設定、サプライ チェーン、高度なデータ分析、店舗内ショッピングに関連するデータなどの問題を処理するために、複数のデータ サイエンス、データ エンジニアリング、データ プラットフォーム チームを持つ組織も珍しくありません。科学を活用してビジネスを推進し、競争上の優位性を獲得します。その結果、現在 IT チームが直面している最大の課題の 1 つは、さまざまなスキル レベルの幅広いデータ コンシューマーに対応することです。これが、論理データ構造アプローチが注目を集めている理由です。

このアプローチにより、組織内でデータに精通している消費者とそうでない消費者の両方にサービスを提供するための包括的なデータ管理機能と組み合わせた、柔軟でリアルタイムの強化されたデータ統合パイプラインが可能になります。データ統合とデータ管理に対するこの新しいアプローチでは、ナレッジ グラフ、データ カタログ、およびアクティブ メタデータの AI/ML を活用することで、より高速で自動化されたデータ アクセスと共有が可能になります。

Data Fabric は構成可能なアーキテクチャです。つまり、データ カタログ、ナレッジ グラフ、データ準備レイヤー、推奨エンジン、DataOps、オーケストレーションなどのコンポーネントがさまざまなツールと連携して動作します。これは事実ですが、クラス最高のデータ構造の中には、データ構造の重要な機能をすべて提供する単一のプラットフォームもあります。論理データ ファブリックは、ビジネス コンシューマー向けに複数のデータ システムへのアクセスを抽象化し、複雑さを隠し、ビジネスに適した形式でデータを公開すると同時に、定義済みのセマンティクスとガバナンス ルールに従ってデータの配信を保証する、統合データ配信プラットフォームのビジョンです。私たちが暮らすデジタルの世界では、これはすべての CIO の夢の実現であると言っても過言ではありません。

今日のセルフサービス戦略の重要な基準は、ビジネス ユーザー (市民アナリスト、データ サイエンティスト、LoB 開発者など) がデータ配信レイヤーで利用可能なデータセットを見つけて、どのデータセットが情報ニーズに関連しているかを判断できることです。データの検索と発見を IT チームに頼っていることが、データ サイエンティストやシチズン アナリストなどの役割にとってボトルネックになっています。さらに悪いことに、これらの希少なリソースを、モデルの構築やデータの分析ではなく、データの整理に浪費することはできません。データ配信レイヤーと統合され、AI/ML ベースの推奨エンジンによって強化されたデータ カタログにより、ユーザーは迅速なデータの検出と探索を実現できます。ビジネス マネージャーは、メタデータに基づいてビジネス ビュー カタログを作成し、ビジネス カテゴリに従って分類し、タグを割り当てて簡単にアクセスできるようにすることができます。強化されたコラボレーション機能を備えた論理データ構造により、すべてのユーザーがデータセットを承認したり、データセットに関するコメントや警告を登録したりできるようになり、データセットの使用方法をさらに理解したり、同僚のデータセットの使用経験をより深く理解したりできるようになります。

データ検索、データ検出、データ分類、タグ付けの容易さにより、ユーザーは適切なデータを適切なタイミングで見つけることができますが、強力な AI/ML エンジンの助けを借りれば、さらに大幅に強化できます。 AI/ML を活用した論理データ構造では、過去のユーザー アクティビティを分析して、パーソナライズされた推奨事項やデータ セットを選択するためのショートカットを提供できるため、データ サイエンス プロジェクトと高度な分析が加速されます。その他の機能強化には、データ セットと列に関する分析情報の拡張や、Google 検索の仕組みに似た、エンタープライズ データ アクセスのコンテキストでの結果をインテリジェントにランク付けするスマート検索の改善などが含まれる可能性があります。

企業が世界中で事業を拡大するにつれて、データも拡大します。さらに、企業全体のデータは、リージョン内だけでなく、複数のクラウドにまたがって分散され、場合によっては複数のクラウドとオンプレミスに分散されます。論理データ構造アーキテクチャは、データの非複製をほぼ保証する一方で、データ サイエンティスト、ビジネス アナリスト、または LoB ユーザーが実行するクエリのパフォーマンスの問題も回避します。これは、迅速なビジネス上の意思決定を行うための重要な基準です。単一のクエリで、クラウド システムとオンプレミス システムを組み合わせて、世界中の複数の異なる場所のデータにアクセスできます。キャッシュ、クエリのプッシュダウンなど、クエリを高速化する方法はたくさんありますが、最も有用なクエリ高速化の 1 つは AI/ML の使用によって実現できます。

データ消費者 (データ サイエンティスト、市民アナリスト、経営幹部など) は、関連する、または同一の中間データセットを含む情報を探すことがよくあります。この場合、この中間段階の情報はインテリジェントに具体化され、後のデータ アクセスに最適なデータ リポジトリに保存されます。同様のクエリの実行中に、AI/ML エンジンはマテリアライズド ビューの使用を推奨して、クエリを飛躍的に高速化できます。ビジネス上の意思決定を大幅にスピードアップし、収益の増加やコストの削減に貢献します。

メタデータのアクティベーションと AI/ML テクノロジーを組み合わせることで、データ カタログに基づくクエリの高速化とコラボレーションおよびデータ検索の強化を実現できます。メタデータは、データ管理とデジタル ビジネス変革の将来にとって大きな可能性を秘めています。メタデータ ベースのデータ統合、データ管理、データ配信の基盤で構成され、データ仮想化、統合データ カタログ、強力な AI/ML ベースの推奨エンジンなどの主要な機能を含む、適切に計画された論理データ構造により、企業全体の複雑なデータ アクセスの問題を解決し、組織が顧客に優れたサービスを提供できるようになります。