ฐานข้อมูล Ai: สิ่งที่เป็นและทำไมธุรกิจของคุณควรใส่ใจ

ข้อมูลและระบบธุรกิจอัจฉริยะ (BI) เป็นสองด้านของเหรียญเดียวกัน ความก้าวหน้าในการจัดเก็บการประมวลผลและการวิเคราะห์มีข้อมูลที่เป็นประชาธิปไตยจนถึงจุดที่คุณไม่จำเป็นต้องเป็นผู้เชี่ยวชาญด้านฐานข้อมูลหรือนักวิทยาศาสตร์ด้านข้อมูลเพื่อทำงานกับชุดข้อมูลขนาดใหญ่และข้อมูลเชิงลึกที่ได้รับ ยังคงมีช่วงการเรียนรู้ แต่เครื่องมือ BI และบริการสร้างภาพข้อมูลแบบกำหนดเองกำลังสร้างนิยามใหม่ให้กับวิธีที่ธุรกิจใช้ประโยชน์จากข้อมูลทั้งหมดที่รวบรวมไว้ในการวิเคราะห์ที่สามารถดำเนินการได้ อย่างไรก็ตามมีความแตกต่างระหว่าง BI หรือ บริษัท ฐานข้อมูลที่กำลังทำการวิเคราะห์ขั้นสูงและฐานข้อมูลปัญญาประดิษฐ์ (AI) ที่สร้างขึ้นเพื่อการเรียนรู้ของเครื่องฝึกอบรม (ML) และแบบจำลองการเรียนรู้เชิงลึก

อัลกอริธึม ML นั้นถูกถักทอเป็นโครงสร้างของซอฟต์แวร์ส่วนใหญ่ในปัจจุบัน ประสบการณ์ผู้บริโภคเชื่อมโยงกับ AI ผ่านผู้ช่วยเสมือนและในซอฟต์แวร์ธุรกิจมีตัวอย่างเช่น Salesforce Einstein ที่ทำหน้าที่เป็นเลเยอร์อัจฉริยะภายใต้พอร์ตโฟลิโอการจัดการลูกค้าสัมพันธ์ (CRM) ทั้งหมดของ บริษัท ยักษ์ใหญ่ด้านเทคโนโลยีรวมถึง Google และ Microsoft กำลังผลักดันอนาคตอันชาญฉลาดของเราให้ดียิ่งขึ้นไม่เพียง แต่กับการวิจัย แต่โดยการเขียนใหม่ว่าเทคโนโลยีของพวกเขาทำงานอย่างไรตั้งแต่เริ่มต้นด้วย AI

หนึ่งในความท้าทายของเครื่องฝึกอบรมและโมเดลการเรียนรู้ลึกคือปริมาณข้อมูลและพลังการประมวลผลที่คุณต้องใช้ในการฝึกอบรมโครงข่ายประสาทเทียมเช่นการจดจำรูปแบบที่ซับซ้อนในสาขาต่างๆเช่นการจำแนกภาพหรือการประมวลผลภาษาธรรมชาติ (NLP) ดังนั้นฐานข้อมูล AI จะเริ่มปรากฏขึ้นในตลาดเพื่อเพิ่มประสิทธิภาพกระบวนการเรียนรู้และฝึกอบรม AI สำหรับธุรกิจ เราได้พูดคุยกับ Kinetica ผู้ให้บริการฐานข้อมูลเชิงสัมพันธ์ที่เร่งความเร็วด้วย GPU ซึ่งได้สร้างฐานข้อมูล AI ของตัวเองและผู้เชี่ยวชาญ BI ฐานข้อมูลของ PCMag และผู้เชี่ยวชาญด้านฐานข้อมูล Pam Baker เพื่อให้เข้าใจอย่างชัดเจนว่าฐานข้อมูล AI คืออะไรและทำงานอย่างไรเมื่อเปรียบเทียบกับฐานข้อมูลดั้งเดิม ที่สำคัญกว่านั้นเราขอความช่วยเหลือในการจัดเรียงโฆษณาและพูดคุยด้านการตลาดเพื่อพิจารณาว่าเทคโนโลยีที่เกิดขึ้นใหม่นี้มีคุณค่าทางธุรกิจจริงหรือไม่

ฐานข้อมูล AI คืออะไร

ธรรมชาติที่เปลี่ยนแปลงอย่างรวดเร็วของอวกาศ AI นั้นทำให้ยากต่อการสร้างคำศัพท์ คุณมักจะได้ยินคำศัพท์เช่น ML, การเรียนรู้ลึกและ AI ใช้แทนกันได้เมื่อในความเป็นจริงพวกเขายังคงพัฒนาเทคนิคภายใต้ AI ที่ใหญ่กว่า ดังนั้นเบเกอร์จึงกล่าวว่ามีคำจำกัดความที่แตกต่างกันสองประการเกี่ยวกับสิ่งที่ฐานข้อมูล AI ขึ้นอยู่กับว่าคุณคุยกับใคร: สิ่งที่ใช้งานได้จริงและอีกอย่างหนึ่งคือการพายในท้องฟ้า

"มีฉันทามติหลวม ๆ ในอุตสาหกรรมว่าฐานข้อมูล AI จะเป็นสิ่งที่ทำงานได้อย่างสมบูรณ์จากการค้นหาด้วยภาษาธรรมชาติส่วนติดต่อผู้ใช้จะเป็นเช่นนั้นโดยที่คุณไม่ต้องพึ่งพาคำค้นหาและวลีสำคัญเพื่อค้นหา ข้อมูลที่คุณต้องการทำให้ผู้ใช้สามารถเรียกชุดข้อมูลด้วย NLP ได้ "Baker กล่าว "คุณสามารถโต้แย้งอย่าง จำกัด ได้ว่า IBM Watson สามารถตั้งคำถามภาษาธรรมชาติให้กับระบบได้ แต่คุณต้องเชื่อมต่อกับข้อมูลแล้วเลือกข้อมูลด้วยตัวเองดังนั้นตอนนี้คำจำกัดความนั้นก็ยืดออกไป"

คำจำกัดความที่ใช้งานได้จริงและหัวข้อของตัวอธิบายนี้ใช้ฐานข้อมูลที่สร้างขึ้นเพื่อวัตถุประสงค์ในการฝึกอบรม ML model ให้เร็วขึ้น บริษัท เทคโนโลยีหลายแห่งกำลังพัฒนาชิป AI โดยเฉพาะเพื่อลดภาระการประมวลผลจำนวนมากในผลิตภัณฑ์ฮาร์ดแวร์ใหม่เนื่องจากผู้จำหน่ายเปิดตัวฟีเจอร์ที่ใช้ AI เพิ่มเติมซึ่งต้องการพลังประมวลผลที่สำคัญ ในด้านข้อมูลการใช้ฐานข้อมูล AI สามารถช่วยให้คุณรับมือกับความท้าทายปริมาณและความเร็วในการกำกับดูแลและจัดการข้อมูลที่ซับซ้อนที่เกี่ยวข้องกับการฝึกอบรม ML และโมเดลการเรียนรู้เชิงลึกเพื่อประหยัดเวลาและเพิ่มประสิทธิภาพของทรัพยากร

เครดิตภาพ: Todd Jaquith ที่ Futurism.com คลิกเพื่อขยายอินโฟกราฟิกเต็ม

“ ตอนนี้มีความพยายามมากมายในการเร่งการฝึกอบรม ML ผ่านกลยุทธ์ที่แตกต่างกันหลายอย่าง” เบเกอร์อธิบาย "สิ่งหนึ่งคือการแยกโครงสร้างพื้นฐานออกจากนักวิจัย AI ที่ทำโค้ดเพื่อให้ฟังก์ชั่นอัตโนมัติจัดการกับโครงสร้างพื้นฐานและฝึกอบรมโมเดล ML ดังนั้นแทนที่จะใช้เวลาประมาณสามเดือนคุณอาจต้องใช้เวลา 30 วันหรือ 30 นาที "

Kinetica แบ่งความคิดนั้นออกเป็นแพลตฟอร์มฐานข้อมูลแบบรวมที่เหมาะสำหรับ ML และการเรียนรู้แบบลึก ฐานข้อมูล AI นั้นรวมคลังข้อมูลการวิเคราะห์ขั้นสูงและการสร้างภาพข้อมูลในฐานข้อมูลในหน่วยความจำ Mate Radalj รองประธานและวิศวกรซอฟต์แวร์หลักของกลุ่มเทคโนโลยีขั้นสูงของ Kinetica อธิบายว่าฐานข้อมูล AI ควรสามารถนำเข้าสำรวจสำรวจวิเคราะห์และแสดงภาพข้อมูลที่ซับซ้อนและเคลื่อนไหวรวดเร็วภายในเวลาไม่กี่วินาที เป้าหมายคือการลดต้นทุนสร้างรายได้ใหม่และรวมโมเดล ML เพื่อให้ธุรกิจสามารถตัดสินใจได้อย่างมีประสิทธิภาพและขับเคลื่อนด้วยข้อมูล

"ฐานข้อมูล AI เป็นชุดย่อยของฐานข้อมูลทั่วไป" Radalj กล่าว "ตอนนี้ฐานข้อมูล AI เป็นที่นิยมมาก แต่โซลูชันจำนวนมากใช้ส่วนประกอบแบบกระจาย Spark, MapReduce และ HDFS มักจะหมุนไปมามากกว่าที่จะจำในหน่วยความจำพวกเขาไม่มีการรวมตัวกันของปัจจัยต่างๆเช่นฐานข้อมูลของเราซึ่ง สร้างขึ้นจากพื้นดินด้วย CPU และ GPU ที่รวมอยู่ในที่เดียวบนแพลตฟอร์มเดียวประโยชน์ระดับสูงสำหรับเราคือการจัดสรรที่รวดเร็วขึ้นและการปล่อยฮาร์ดแวร์ที่ต่ำกว่าของการฝึกอบรมแบบจำลองด้วยการตอบสนองอย่างรวดเร็วและการวิเคราะห์ "

ฐานข้อมูล AI ทำงานอย่างไร

มีตัวอย่างของฐานข้อมูล AI จำนวนมากในทางปฏิบัติ Microsoft Batch AI นำเสนอโครงสร้างพื้นฐานบนคลาวด์สำหรับการฝึกอบรมการเรียนรู้อย่างลึกซึ้งและรุ่น ML ที่ทำงานบน Microsoft Azure GPU บริษัท ยังมีผลิตภัณฑ์ Azure Data Lake เพื่อให้ง่ายขึ้นสำหรับธุรกิจและนักวิทยาศาสตร์ด้านข้อมูลในการประมวลผลและวิเคราะห์ข้อมูลผ่านสถาปัตยกรรมแบบกระจาย

อีกตัวอย่างหนึ่งคือแนวทาง AutoML ของ Google ซึ่งได้รับการปรับโครงสร้างพื้นฐานวิธีการฝึกอบรม ML โมเดล Google AutoML ทำการออกแบบโมเดล ML โดยอัตโนมัติเพื่อสร้างสถาปัตยกรรมเครือข่ายนิวรัลใหม่ตามชุดข้อมูลเฉพาะจากนั้นทดสอบและทำซ้ำหลายพันครั้งเพื่อเขียนโค้ดระบบที่ดีกว่า อันที่จริง AI ของ Google สามารถสร้างแบบจำลองได้ดีกว่านักวิจัยมนุษย์

"ดูที่ Google AutoML: ML เขียนโค้ด ML เพื่อที่คุณจะไม่ต้องการคนอื่นอีก" เบเกอร์กล่าว "สิ่งนี้ทำให้คุณทราบว่ามีความแตกต่างอย่างมากกับสิ่งที่ผู้ขายกำลังทำอยู่บางคนพยายามที่จะส่งผ่านการวิเคราะห์ขั้นสูงเช่น ML - แต่ไม่ใช่และคนอื่น ๆ กำลังทำ ML ในระดับสูงกว่าสิ่งที่มากที่สุด ธุรกิจสามารถเข้าใจได้ในขณะนี้ "

จากนั้นก็มี Kinetica การเริ่มต้นใช้งานในซานฟรานซิสโกซึ่งระดมทุน 63 ล้านดอลลาร์ในการร่วมทุน (VC) มอบฐานข้อมูล SQL ประสิทธิภาพสูงที่ปรับให้เหมาะสมสำหรับการรับส่งข้อมูลและการวิเคราะห์ที่รวดเร็ว Kinetica เป็นสิ่งที่ Radalj อธิบายว่าเป็นการประมวลผลแบบกระจายอย่างหนาแน่น (MPP) กระจายฐานข้อมูลและแพลตฟอร์มการคำนวณซึ่งทุกโหนดมีข้อมูลหน่วยความจำร่วม, ซีพียูและ GPU

อะไรที่ทำให้ฐานข้อมูล AI แตกต่างจากฐานข้อมูลดั้งเดิม Radalj อธิบายมาลงไปที่องค์ประกอบหลักสาม:

• เร่งการส่งข้อมูล
• Co-locality ของข้อมูลในหน่วยความจำ (การประมวลผลแบบขนานข้ามโหนดฐานข้อมูล) และ
• แพลตฟอร์มทั่วไปสำหรับนักวิทยาศาสตร์ข้อมูลวิศวกรซอฟต์แวร์และผู้ดูแลฐานข้อมูลเพื่อทำซ้ำและทดสอบแบบจำลองได้เร็วขึ้นและนำผลลัพธ์ไปใช้กับการวิเคราะห์โดยตรง

สำหรับผู้เชี่ยวชาญที่ไม่ใช่ฐานข้อมูลและผู้เชี่ยวชาญด้านการฝึกอบรม AI ที่กำลังอ่านสิ่งนี้ Radalj ได้แยกองค์ประกอบหลักทั้งสามเหล่านี้ลงและอธิบายว่าฐานข้อมูล AI เชื่อมโยงกับมูลค่าทางธุรกิจที่จับต้องได้อย่างไร เขากล่าวว่าความพร้อมใช้งานของข้อมูลและการรับข้อมูลเป็นกุญแจสำคัญเนื่องจากความสามารถในการประมวลผลข้อมูลการสตรีมแบบเรียลไทม์ช่วยให้ธุรกิจดำเนินการอย่างรวดเร็วเกี่ยวกับข้อมูลเชิงลึกที่ขับเคลื่อนด้วย AI

"เรามีลูกค้ารายย่อยที่ต้องการติดตามอัตราการขายตามร้านค้าทุก ๆ ห้านาที" นายราดัลกล่าว "เราต้องการใช้ AI ในการคาดการณ์โดยอิงจากข้อมูลย้อนหลังไม่กี่ชั่วโมงที่ผ่านมาไม่ว่าจะเป็นการเติมสินค้าคงคลังและเพิ่มประสิทธิภาพของกระบวนการนั้น แต่การทำการเติมสินค้าคงคลังด้วยเครื่องจักรนั้นต้องการการสนับสนุน 600-1200 ข้อความค้นหาต่อวินาที เป็นฐานข้อมูล SQL และฐานข้อมูล AI เพื่อให้เราสามารถนำเข้าข้อมูลในอัตรานั้นเราพบว่าภารกิจทางธุรกิจส่งผลให้แอปพลิเคชันที่ผลักดัน ROI ให้มากขึ้น "

Baker เห็นด้วยว่า ML ต้องการข้อมูลจำนวนมากดังนั้นการนำเข้าไปใช้อย่างรวดเร็วจะมีความสำคัญมากสำหรับฐานข้อมูล AI ปัจจัยที่สองแนวคิดของ "สถานที่ร่วมของข้อมูลในหน่วยความจำ" ใช้คำอธิบายเพิ่มเติมเล็กน้อย ฐานข้อมูลในหน่วยความจำเก็บข้อมูลในหน่วยความจำหลักมากกว่าในที่เก็บดิสก์แยกต่างหาก มันจะทำการประมวลผลแบบสอบถามได้เร็วขึ้นโดยเฉพาะในการวิเคราะห์และฐานข้อมูล BI Radalj อธิบายว่า Kinetica ไม่ได้แยกโหนดของ CPU และ GPU แยกจากกันกับที่เก็บข้อมูล

เป็นผลให้ฐานข้อมูล AI สนับสนุนการประมวลผลแบบขนานซึ่งเลียนแบบความสามารถของสมองมนุษย์ในการประมวลผลสิ่งเร้าหลายอย่างในขณะที่ยังคงกระจายอยู่ในโครงสร้างพื้นฐานของฐานข้อมูลที่ปรับขนาดได้ สิ่งนี้จะป้องกันรอยเท้าของฮาร์ดแวร์ที่ใหญ่กว่าซึ่งเป็นผลมาจากสิ่งที่ Radalj เรียกว่า "การจัดส่งข้อมูล" หรือความต้องการในการส่งข้อมูลไปมาระหว่างคอมโพเนนต์ฐานข้อมูลที่แตกต่างกัน

Radalj กล่าวว่า "โซลูชั่นบางตัวใช้ตัวจัดการวงดนตรีเช่น IBM Symphony เพื่อกำหนดตารางเวลาการทำงานกับส่วนประกอบต่าง ๆ ในขณะที่ Kinetica เน้นหนักการจัดส่งฟังก์ชั่นกับทรัพยากรที่อยู่ร่วมด้วยการปรับแต่งขั้นสูงเพื่อลดการจัดส่งข้อมูล "พื้นที่ใกล้เคียงร่วมนั้นให้ประสิทธิภาพที่เหนือกว่าและปริมาณงานโดยเฉพาะอย่างยิ่งสำหรับการสืบค้นที่หนักมากพร้อมกันในชุดข้อมูลขนาดใหญ่"

ในแง่ของฮาร์ดแวร์ฐานข้อมูลจริง Kinetica ร่วมมือกับ Nvidia ซึ่งมีกลุ่มผลิตภัณฑ์ AI GPUs ที่เพิ่มขึ้นและกำลังค้นหาโอกาสกับ Intel Radalj ยังกล่าวอีกว่า บริษัท กำลังจับตาดูฮาร์ดแวร์ AI ที่เกิดขึ้นใหม่และโครงสร้างพื้นฐานบนคลาวด์เช่นหน่วยประมวลผล Tensor (TPU) ของ Google

ในที่สุดก็มีความคิดของกระบวนการฝึกอบรมแบบครบวงจร ฐานข้อมูล AI นั้นจะมีประสิทธิภาพก็ต่อเมื่อผลประโยชน์ของการบริโภคและการประมวลผลที่เร็วขึ้นนั้นจะช่วยให้บรรลุเป้าหมายเชิงธุรกิจที่ใหญ่ขึ้นสำหรับ บริษัท ML และการเรียนรู้อย่างลึกซึ้ง Radalj อ้างถึงฐานข้อมูล AI ของ Kinetica ในฐานะ "แพลตฟอร์มไปป์ไลน์" ซึ่งทำหน้าที่เป็นโฮสติ้งโมเดลที่ขับเคลื่อนด้วยวิทยาศาสตร์ข้อมูล

ทั้งหมดนี้นำมาซึ่งการทดสอบที่รวดเร็วขึ้นและการวนซ้ำเพื่อพัฒนาโมเดล ML ที่แม่นยำยิ่งขึ้น ในจุดนี้เบเคอร์กล่าวว่าการร่วมมือกันในลักษณะที่เป็นหนึ่งเดียวกันสามารถช่วยวิศวกรและนักวิจัยทุกคนที่ทำงานเพื่อฝึกอบรม ML หรือโมเดลการเรียนรู้ลึกซ้ำได้เร็วขึ้นโดยการรวมสิ่งที่ใช้งานเข้าด้วยกัน Radalj กล่าวว่าเป้าหมายคือการสร้างเวิร์กโฟลว์ซึ่งการนำเข้าแบตช์การสตรีมมิ่งและการสืบค้นที่รวดเร็วยิ่งขึ้นสร้างผลลัพธ์ของแบบจำลองที่สามารถนำไปใช้กับ BI ได้ทันที

Radalj กล่าวว่า "นักวิทยาศาสตร์ข้อมูลวิศวกรซอฟต์แวร์และผู้ดูแลฐานข้อมูลมีแพลตฟอร์มเดียวที่สามารถแยกวิเคราะห์งานด้านวิทยาศาสตร์ข้อมูลได้อย่างหมดจดการเขียนโปรแกรมซอฟต์แวร์และตัวแบบข้อมูล SQL และแบบสอบถาม" Radalj กล่าว "ผู้คนทำงานร่วมกันอย่างพิถีพิถันในโดเมนต่าง ๆ เหล่านั้นเมื่อเป็นแพลตฟอร์มทั่วไปเป้าหมายที่มากกว่าการใช้ ML และการเรียนรู้อย่างลึกซึ้งก็คือคุณต้องการใช้ผลลัพธ์ที่ได้นั้น - ค่าใช้จ่ายร่วมและตัวแปร - ร่วมกับการวิเคราะห์ และใช้ผลลัพธ์สำหรับสิ่งต่าง ๆ เช่นให้คะแนนหรือทำนายสิ่งที่มีประโยชน์ "

โฆษณาหรือความจริง?

ค่าบรรทัดล่างของฐานข้อมูล AI อย่างน้อยก็ในวิธีที่ Kinetica กำหนดไว้คือการเพิ่มประสิทธิภาพทรัพยากรการคำนวณและฐานข้อมูล ในทางกลับกันนี้จะช่วยให้คุณสร้าง ML และโมเดลการเรียนรู้ที่ลึกขึ้นฝึกอบรมได้เร็วขึ้นและมีประสิทธิภาพมากขึ้นและรักษาบรรทัดต่อไปว่า AI จะนำไปใช้กับธุรกิจของคุณอย่างไร

Radalj ให้ตัวอย่างของการจัดการยานพาหนะหรือ บริษัท รถบรรทุก ในตัวอย่างนี้ฐานข้อมูล AI สามารถประมวลผลข้อมูลจำนวนมากแบบเรียลไทม์จากกองยานพาหนะ จากนั้นโดยการสร้างแบบจำลองข้อมูลเชิงพื้นที่และรวมเข้ากับการวิเคราะห์ฐานข้อมูลสามารถปรับเส้นทางรถบรรทุกและปรับเส้นทางให้เหมาะสม

"ง่ายกว่าที่จะจัดเตรียมต้นแบบและทดสอบได้อย่างรวดเร็วคำว่า 'การสร้างแบบจำลอง' ถูกโยนลงไปใน AI แต่ทั้งหมดนี้เกี่ยวกับการขี่จักรยานผ่านวิธีการที่แตกต่างกัน - ยิ่งมีข้อมูลมากเท่าไหร่ก็ยิ่งดีเท่านั้น - ทำการทดสอบเปรียบเทียบและ มากับโมเดลที่ดีที่สุด "Radalj กล่าว "เครือข่ายประสาทได้รับชีวิตเพราะมีข้อมูลมากขึ้นกว่าเดิมและเรากำลังเรียนรู้ที่จะสามารถคำนวณได้"

ท้ายที่สุดแล้วฐานข้อมูลที่อยู่ร่วมกันและแพลตฟอร์มไปป์ไลน์ของ Kinetica เป็นเพียงแนวทางหนึ่งในพื้นที่ที่อาจมีความหมายที่แตกต่างกันไปขึ้นอยู่กับว่าคุณถามใคร นายเบเคอร์กล่าวว่าความท้าทายสำหรับผู้ซื้อในตลาดที่ยังคงพัฒนาอยู่และการทดลองก็คือการค้นหาว่าผู้ขายฐานข้อมูล AI ทำอะไร

“ ในฐานะที่เป็นแนวคิดทางธุรกิจการเรียนรู้อย่างลึกซึ้ง ML และทั้งหมดนี้เป็นแนวคิดที่มั่นคงสิ่งที่เรากำลังดำเนินการคือประเด็นเทคโนโลยีที่สามารถแก้ไขได้แม้ว่าเราจะยังไม่ได้แก้ไขก็ตาม” เบเกอร์กล่าว "นั่นไม่ใช่การบอกว่านี่เป็นพื้นที่สำหรับผู้ใหญ่เพราะมันไม่แน่นอนฉันจะบอกว่า 'ผู้ซื้อระวัง' เพราะบางสิ่งที่แหลมเหมือน ML อาจจะใช่หรือไม่ใช่ก็ได้มันอาจเป็นการวิเคราะห์ขั้นสูงที่หลากหลายในสวน"

สำหรับข้อมูลว่าฐานข้อมูล AI นั้นเป็นจริงหรือไม่หรือเป็นแนวโน้มที่สำคัญสำหรับธุรกิจที่กำลังดำเนินอยู่ Baker กล่าวว่าเป็นทั้งสองอย่าง เธอกล่าวว่า Big Data ซึ่งเป็นศัพท์ทางการตลาดไม่ได้รับความนิยมในขณะนี้ เบเคอร์กล่าวว่าขณะนี้มีตลาดบางอย่างระหว่างการวิเคราะห์ขั้นสูงที่ขับเคลื่อนด้วยข้อมูลและ ML จริงและอัลกอริทึมการเรียนรู้อย่างลึกซึ้ง ไม่ว่าคุณกำลังพูดถึงฐานข้อมูลสำหรับการสร้างแบบจำลอง ML หรือ AIs ที่รู้จักตัวเองฝันถึงวัฒนธรรมป๊อปทุกอย่างเริ่มต้นและสิ้นสุดด้วยข้อมูล

“ ข้อมูลจะถูกนำไปใช้ในการทำธุรกิจจนถึงเวลาสิ้นสุดมันเป็นเพียงศูนย์กลางในการทำธุรกิจ” เบเกอร์กล่าว “ เมื่อคุณกำลังพูดถึงในแง่ของนิยายวิทยาศาสตร์ AI เป็นปัญญาที่รู้ตัวเองนั่นคือเมื่อคุณเริ่มพูดถึงภาวะเอกฐานและหุ่นยนต์ที่ยึดครองโลกไม่ว่าจะเกิดอะไรขึ้นหรือไม่ฉันก็ไม่รู้ฉันจะจากไป นั่นคือสตีเฟ่นฮอว์คิง "