魔法打败魔法，AI数据需要AI解决方案

本篇文章给大家分享《魔法打败魔法，AI数据需要AI解决方案》，覆盖了科技周边的常见基础知识，其实一个语言的全部知识点一篇文章是不可能说完的，但希望通过这些问题，让读者对自己的掌握程度有一定的认识(B 数)，从而弥补自己的不足，更好的掌握它。

根据Kompprise委托进行的“非结构化数据管理状况”调查显示，人工智能已经成为IT和商业领袖所面临的主要数据管理挑战

根据研究结果显示，大部分公司都允许员工使用生成型人工智能技术，但有三分之二的公司（66%）对其可能带来的数据治理风险表示担忧，其中包括隐私、安全以及供应商解决方案中缺乏数据源透明度

这项由数据管理供应商Kompprise委托进行的“非结构化数据管理状况”调查收集了美国和英国拥有1000多名员工的公司的300名企业存储IT和业务决策者的回复。

尽管只有10%的组织禁止员工使用生成人工智能，但大多数组织都担心输出结果的道德性、偏见性或不准确性，以及公司数据泄露到供应商的人工智能系统中

为了应对这些挑战，同时也从人工智能中寻找竞争优势，研究发现，40%的领导者正在采取多管齐下的方法来降低人工智能中非结构化数据的风险，包括存储、数据管理和安全工具，以及使用内部工作组来监督人工智能的使用。

领导者面临的最大非结构化数据管理挑战是“在不干扰用户和应用程序的情况下移动数据”（47%），但紧随其后的是“为人工智能和云服务做准备”（46%）。

“生成式人工智能对数据治理和保护提出了新的问题，” NAND Research首席分析师Steve McDowell表示，“研究显示，IT领导者正在努力在快速推出生成式人工智能解决方案的同时，负责平衡企业数据的保护，但这是一个困难的挑战，需要采用智能工具。” 重写后的内容：Steve McDowell，NAND Research首席分析师，指出生成式人工智能对数据治理和保护提出了新的问题。研究显示，IT领导者正努力在迅速推出生成式人工智能解决方案的同时，平衡企业数据的保护责任，但这是一个困难的挑战，需要采用智能工具

“IT领导者正在将重点转移到利用生成性人工智能解决方案上，但他们希望在这样做时有所限制， ” Kompprise首席执行官Kumar Goswami补充道，“人工智能的数据治理需要正确的数据管理策略，包括跨数据存储孤岛的可见性、数据来源的透明度、高性能的数据移动性和安全的数据访问。”

今天关于《魔法打败魔法，AI数据需要AI解决方案》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！