|
|
|
|
移动端

Splunk戴健庆/严立忠:让机器数据可取可用,发挥真正价值

2018年人工智能和机器学习变得与具体行业有关,特别是在金融服务、医疗保健和生物技术、制造业和零售四大行业中逐步落地。人工智能和机器学习成为B2B的主流,将在异常检测和自动化方面充分发挥优势。

作者:ZC来源:51CTO|2017-12-25 09:22


【51CTO.com原创稿件】移动互联网、云计算、大数据、人工智能、物联网、机器学习……在即将过去的2017年中,我们在各种大小的会议上、各种不同的场合中,都能听到这些热门的关键词。其中,有些技术已经从概念期过渡到大规模的应用期,如移动互联网等,有些已经在某些领域得到应用,如云计算、大数据和人工智能等等。展望2018,又有哪些技术将会快速普及,应用到行业当中呢?在Splunk看来,人工智能(AI)和机器学习(ML)、物联网、IT运维和安全将是2018年的四大热门关键词。

人工智能和机器学习成为主流

Gartner在2017年度10大战略技术发展趋势曾经提到,人工智能(AI)和先进的机器学习技术是被广泛关注的新兴技术,将在企业甚至整个行业中掀起革命浪潮。它们能够大幅度降低劳动力成本,产生意想不到的新见解,从原始数据中发现新模式,并建立预测模型。的确,在2017年中,人工智能和机器学习技术已经应用于一些行业中,特别是在互联网领域,应用范围还是比较广泛的。

来自IDC的预测数据显示,到2018年,75%的开发商将会在更多的商业应用或服务中加入人工智能功能。到2019年,100%的物联网项目将得到人工智能的支持。众所周知,人工智能主要依托于大数据和机器学习技术,而人工智能的应用普及,也将直接推动机器学习和大数据技术的发展,让人工智能真正落地。

Splunk公司北亚区总经理戴健庆

Splunk公司北亚区总经理戴健庆在近期的媒体沟通会上接受记者采访是曾表示,人工智能和机器学习这两个术语经常被误解和误用。很多初创公司或者规模较大的科技公司为引起公众关注,总是想尽办法把自己和这些术语联系起来。然而,这种喧闹必须停止。在2018年,企业需要拿出实质性的证明,解释如何利用数据对与业务、IT或者安全相关的结果进行预测。他认为,人工智能虽然在2018年还不会成熟到足以匹配人类的技能和能力,但具备机器学习能力的人工智能将越来越多地帮助企业针对大量的数据做出决定,否则很难发挥这些数据的作用。

针对即将成为主流的机器学习,Splunk最新发布了一系列的机器学习功能,包括Splunk Enterprise 7.0、Splunk ITSI 3.0和Splunk机器学习工具包,用于帮助客户更好的扩展机器学习功能,让创建、部署和分享模型变得更加简单与快捷,监测和调查企业的数据,优化核心搜索技术,发现业务当中潜在的问题,保证关键业务的安全。严立忠表示,在Splunk的软件当中,已经加入了机器学习的能力,希望通过软件不断的自我学习与优化,提高智能和安全等级,让数据搜索变得更加快速,让数据更加安全,并以此来降低IT运维难度。

Splunk中国区总经理严立忠

Splunk中国区总经理严立忠表示,2018年人工智能和机器学习变得与具体行业有关,特别是在金融服务、医疗保健和生物技术、制造业和零售四大行业中逐步落地。人工智能和机器学习成为B2B的主流,将在异常检测和自动化方面充分发挥优势。

物联网普及加大数据的安全风险

物联网肯定是未来的大势所在,特别是随着5G网络的普及,物联网将会飞速发展并普及。而谈到物联网,严立忠认为其会让数据分析会不断加速,特加是随着IT支出的增加,对物联网的投资也随之增加。企业必须构建支持物联网的硬件和连接层,开发服务和分析软件,以便整合IT、安全、业务和物联网数据。

由于设备和数据的不断增加,物联网也带来了安全隐患。根据Gartner预测,到2020年25%以上已识别的攻击事件将涉及物联网,尽管物联网预算在IT安全预算中不足10%,但正是这样才能促使企业去重新思考。

针对日趋严重的安全威胁,Splunk发布了最新的安全解决方案,包括Splunk UBA 4.0、Splunk ES内容更新、Splunk Security Essentials for Fraud Detection、Splunk Insights for Ransomware和Splunk Insights for AWS Cloud Monitoring。严立忠表示,面对暴增的数据,软件一方面必须借助机器学习和人工智能的综合力量,加速威胁搜索和异常分析,把异常行为自动关联到高度保真的威胁中,提高用户的使用体验。另一方面必须具备自我学习的能力,以用于检测具体的威胁,帮助安全部门调查威胁和管理决策过程,使其更容易选择应对措施,降低IT的运维成本。

“随着现有网络基础设施将被用于连接物体,当企业寻找新方法来挖掘智能设备生成的大量数据时,会进一步加大对分析技术的投资。工业资产管理、运输车队管理、库存管理和政府安全将是2018年物联网发展最热门的领域。”严立忠如是说。

观点:人工智能和机器学习将会逐步应用于业务当中,毋庸置疑。在很多采访中,记者也听到很多机器学习在业务应用中的落地案例,对此并不陌生。但本次采访,关于软件也要加入机器学习的能力,以保证能够自动识别潜在的威胁,提高用户体验,降低IT运维成本,这是记者首次听到厂商的这种说法,给我留下了特别深刻的印象。确实,随着未来数据的持续增长,规模的不断扩大,想在要大量的数据中实现快速分析并预防安全威胁,相应的软件与必须具备自我学习的能力,只有这样才能够让软件跟上数据增长的步伐,真正实现自动化,降低运维成本,减轻IT人员的压力,并确保业务的持续。

【51CTO原创稿件,合作站点转载请注明原文作者和出处为51CTO.com】

【编辑推荐】

  1. 大数据和固态硬盘在云存储市场上的发展
  2. 为什么石油和天然气的大数据产业需要扩展NAS存储
  3. HPE升级InfoSight:利用机器学习实现主动决策
  4. 大数据存储的7个关键因素
  5. Airbnb王宇:揭秘Airbnb的跨洋大数据平台架构
【责任编辑:张诚 TEL:(010)68476606】


点赞 0
分享:
大家都在看
猜你喜欢

热门职位+更多

读 书 +更多

实时UML与Rational Rose RealTime建模案例剖析

本书将实时系统、实时统一建模语言、实时系统的统一开发过程和Rational Rose RealTime建模环境有机地结合起来,以案例为基础,系统地介绍了...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊