5G趋势预测
|
对于寻求更多数据中心容量的客户来说，碳经济可能过于复杂而无法驾驭。为此，明智的决策对于组织来说至关重要。这意味着人们需要了解绿色经济术语，例如抵销、碳信用额、生命周期、循环经济、PPA、REC等，否则可能会陷入定义不明确和数据不完整的迷宫中。 匹配购买并不是一个简单的解决方案
根据国际能源署(IEA)在2020年7月发布的一份调查报告，一些超大规模数据中心运营商通过签署电力采购协议(PPA)，在可再生能源采购方面处于领导地位。这项研究报告指出，2019年全球采用可再生能源电力的四个主要承购者是以谷歌公司为首的ICT公司。在2018年，谷歌公司(10TWh)和苹果(1.3TWh)购买或生产了足够的可再生能源电力满足其数据中心电力需求。此外，Facebook公司92%的电力(3.2TWh)来自可再生能源消耗，亚马逊公司和微软公司大约一半的数据中心电力来自可再生能源。 在服务台方面，最初向在家远程工作的转型面临着大量的请求，同时面临新的挑战，例如使远程员工保持最新状态并回答有关企业政策的问题。 例如我们的客户Unity Technologies公司，该公司的员工第一个月在家远程工作非常繁忙，对Zoom许可证的请求增加了6倍，对政策的质疑增加了5倍，IT问题的总数几乎翻了一番。 Unity公司工作人员则求助于Moveworks公司聊天机器人Ninja Unicorn。在转移到远程工作的过程中，与Ninja Unicorn交互次数是原来的三倍，其结果是Unity的IT团队成功地满足了不断增长的支持需求。 虽然工作的未来充满不确定性，但是毫无疑问，人工智能将发挥核心作用。 很多组织对人工智能技术感到好奇，因为IT部门倾向于使用较小的数据集，人工智能不需要大量的数据集来产生结果吗? Nivargi：这是一个很好的问题。确实，有效地训练机器学习(ML)模型需要“大数据”，即数百万个数据点，这些数据点最终使模型可以做出可靠的预测。问题在于大多数公司根本没有太多例子可以使用。例如，一家规模较小的公司可能只有30个相关数据需要自动处理，而谷歌公司可能有30万亿个相关数据需要自动处理。 但是，如果能够克服它对于机器学习的明显缺点，则企业中的“小数据”实际上非常有用。例如，小数据比大数据具有更大的个人相关性潜力，因为小数据可以从极其特定的环境中捕获模式和趋势。 由于有了更大的数据集、更多预算和机器学习团队，大型科技公司仍然拥有优势。但幸运的是，几乎任何组织都能够以最小的努力使人工智能投入工作，而无需雇用专门的专家团队来维护它。借助集体学习等技术，第三方人工智能供应商可以为中型组织提供支持，并帮助他们从强大的机器学习中受益。对于来自多个公司的数据中出现统一模式(例如IT支持)的用例尤其如此。 简而言之，不必因“小数据”问题而妨碍机器学习的努力。 在IT高管和首席信息官考虑在2021年加速IT支持时，有什么建议吗? Nivargi：服务台需要停止IT支持的恶性循环，在这种恶性循环中，代理商忙于解决个别IT问题，以至于他们没有时间解决根本问题和效率低下的问题，从而给最终用户带来更多问题。 当然，这说起来容易做起来难。以下是IT团队可以采取的一些步骤：
我们的一些客户担心在初次与人工智能和机器学习合作时，他们的环境还不够成熟。因为在采用解决方案之前，通常不知道会面临什么问题，尤其是在机器学习中，而这一解决方案通常是一种有价值的资产，并且随着时间的推移影响力会越来越大。 （编辑：吉安站长网） 【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! |
