麻省理工科技評(píng)論稱(chēng)：數(shù)據(jù)是生成式AI的基礎(chǔ)

　　預(yù)訓(xùn)練的大型語(yǔ)言模型(LLM)如 GPT-4和 Gemini 備受組織關(guān)注，他們渴望利用 LLM 構(gòu)建聊天機(jī)器人、副駕駛等應(yīng)用。根據(jù)麻省理工科技評(píng)論的最新報(bào)告，名為 “C 級(jí)領(lǐng)導(dǎo)人的 AI 準(zhǔn)備情況”，該報(bào)告是代表 ETL 供應(yīng)商 Fivetran 進(jìn)行的調(diào)查發(fā)現(xiàn)，將 AI 或 GenAI 擴(kuò)展是82% 受訪高管的 “首要任務(wù)”。

　　調(diào)查發(fā)現(xiàn)，83% 的組織已經(jīng)確定了要用于 AI 或 GenAI 的數(shù)據(jù)來(lái)源。但是，組織在實(shí)際連接 GenAI 并在需要時(shí)、以適當(dāng)格式、清潔和準(zhǔn)備充分地向 GenAI 應(yīng)用程序提供數(shù)據(jù)方面準(zhǔn)備得如何，存在疑問(wèn)。同時(shí)還需要確保不會(huì)危及隱私或安全。

　　報(bào)告指出，平均來(lái)說(shuō)，組織需要 “超過(guò)十幾種不同的技術(shù)來(lái)收集關(guān)于其數(shù)據(jù)的所有智能信息，相同數(shù)量的技術(shù)來(lái)集成、轉(zhuǎn)換和復(fù)制數(shù)據(jù)”，這帶來(lái)了巨大的困難。由于過(guò)去為中心化數(shù)據(jù)倉(cāng)庫(kù)項(xiàng)目開(kāi)發(fā)的數(shù)據(jù)集成和 ETL 工具可能不適合新的 GenAI 用例，因此獲取更好的數(shù)據(jù)集成和 ETL / 數(shù)據(jù)管道工具顯然是一項(xiàng)重要任務(wù)。

　　此外，調(diào)查發(fā)現(xiàn)，雖然64% 的調(diào)查對(duì)象表示數(shù)據(jù)集成和 ETL / 管道工具是其前兩個(gè) GenAI 投資重點(diǎn)之一，但35% 的人將數(shù)據(jù)湖視為優(yōu)先事項(xiàng)，而31% 的人將數(shù)據(jù)轉(zhuǎn)換工具視為優(yōu)先事項(xiàng)。數(shù)據(jù)目錄和 LLM 投資的份額僅為7%，而矢量數(shù)據(jù)庫(kù)和計(jì)算層位于中間位置。組織在構(gòu)建數(shù)據(jù)基礎(chǔ)時(shí)面臨著許多挑戰(zhàn)，包括數(shù)據(jù)集成和構(gòu)建數(shù)據(jù)管道、數(shù)據(jù)治理和安全以及數(shù)據(jù)質(zhì)量等問(wèn)題。

　　調(diào)查還發(fā)現(xiàn)，組織在數(shù)據(jù)治理、合規(guī)和報(bào)告方面存在諸多挑戰(zhàn)。大量調(diào)查對(duì)象指出，準(zhǔn)備數(shù)據(jù)供 AI 使用的最大挑戰(zhàn)是數(shù)據(jù)治理和安全(44% 的受訪者提到)，以及數(shù)據(jù)集成或管道(45% 的受訪者提到)。然而，深入調(diào)查數(shù)據(jù)卻顯示了一種明顯的分歧。特別是，調(diào)查顯示，對(duì)安全和治理的積極關(guān)注主要集中在政府和金融服務(wù)機(jī)構(gòu)，而在制造業(yè)、零售業(yè)和其他行業(yè)的科技高管中，對(duì)安全和治理的擔(dān)憂(yōu)并沒(méi)有同樣的比例。

　　“組織可能無(wú)法控制某人在業(yè)務(wù)應(yīng)用程序中使用數(shù)據(jù)并將其發(fā)送給生成式 AI 模型。這些都是重要的問(wèn)題。” 調(diào)查報(bào)告引述 IDC 的 Bond 在報(bào)告中說(shuō)道。建立強(qiáng)大的數(shù)據(jù)基礎(chǔ)是 GenAI 成功的前提條件。如果組織不先構(gòu)建堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)，他們的數(shù)據(jù)科學(xué)家將在基本的數(shù)據(jù)集成和清理工作上浪費(fèi)時(shí)間。