人工智慧資料存取的複雜性

讓資料變得容易存取：了解複雜性

人工智慧已成為各行業創新的核心，企業紛紛探索如何運用其潛力來實現商業成功。像 ChatGPT 這樣的技術崛起，激發新一波的創意與實驗，讓各家公司積極探索人工智慧的各種應用。雖然像虛擬助理等生成式人工智慧應用已為使用者提供順暢的數位體驗，但像金融服務等更高階的領域，已開始部署推薦引擎和投資組合最佳化功能，以偵測信用卡詐騙並取得交易決策的深入見解。

然而，當企業將人工智慧模型整合到營運中時，他們需要處理大量主要為非結構化的資料集。這表示組織必須擁有堅實的資料基礎設施，來支持生成式人工智慧應用程式所需的新架構。這也是 2024 年 2 月在紐約舉行的 Hitachi Vantara Exchange 活動中的討論重點。

當企業希望應用進階的生成式人工智慧模型時，以下是處理資料管理問題時需要考慮的一些關鍵因素，以及您可以採用的策略來降低資料存取風險。

負責的人工智慧與資料管理

隨著企業大量非結構化資料的湧現，資料管理方式正經歷重大變革。單純將資料儲存在雲端已不再足夠，資料管理工具需要內嵌於資料內容中，才能有效辨識個人識別資訊 (PII)、控制存取並建立保管鏈。藉由生成式人工智慧的助力，企業在採用新資料管理工具時，必須確保其穩定性、安全性及策略性，並確保這些措施與業務目標相符，從而在兩者之間取得理想的平衡。

在訓練新一代人工智慧模型時，除了吸收社群媒體平台上的資料知識庫外，這些模型還會學習到產生這些資料的社會中潛在的偏見。這可能導致生成式人工智慧應用程式出現所謂的「幻覺」錯誤，這些錯誤本質上反映訓練過程中內含的偏見，這顯然是我們不希望看到的情況。這正是負責任且可解釋的人工智慧技術發揮作用的時候；透過強制要求模型自我解釋，企業可以提升人工智慧部署的透明度與問責性。

負責任的人工智慧強調透過推動包容性人工智慧I訓練實踐來減少模型中的偏見與錯誤。可解釋的人工智慧則是一項相關的計劃，旨在提高人工智慧決策過程的透明度，從而更有效地控制和理解人工智慧的輸出。隨著企業面對生成式人工智慧的運算需求，將大型語言模型縮減為小型語言模型逐漸成為一種實用的解決方案，這不僅能提升運算效率，還能專注於特定的使用案例。

多重雲端環境中的資料管理與隱私權

在簡化資料存取過程中，確保適當的區隔至關重要，這能讓企業有機會遵守各項規範要求。例如，歐盟 GDPR 要求客戶資料保持隱私，並因此強化對資料使用的審查。如今，客戶對資料處理的責任提出更高要求，這導致資料使用受到更多限制，包括資料駐留要求和刪除權。

不遵守規定的後果將是背棄信任，尤其是在金融和醫療等行業，這些行業的運作建立在信任的基礎上，一旦信任喪失，恢復的難度極大。法規機構目前正將焦點從隱私權擴展到網路韌性，例如《數位營運彈性法案》（DORA）等影響網路環境的法案。

在網路韌性的轉換過程中，不可變資料的重要性變得尤為突出。然而，面對勒索軟體的威脅，僅僅依賴資料的不變性並不足夠。了解最後一個已知良好的恢復點非常重要，因此，必須採取全面的方法來進行大規模的資料復原。

網路韌性態勢的關鍵元件包括資料不變性、復原點的知識，以及大規模復原的能力。對於能夠處理數千或數萬個執行個體復原的產品需求，這可確保企業在面對網路威脅時維持業務連續性。

針對數位轉換提供可操作的深入見解

我們探討的人工智慧使用案例處於極為複雜的環境中，包括生成式人工智慧、網路韌性與隱私保護、雲端及混合雲架構等領域。每個企業的數位轉型策略都是一段持續的歷程，選擇合適的技術合作夥伴對成功非常重要。在面對各種挑戰的環境中，擁有能夠提供全套解決方案的合作夥伴，將確保企業能以更強大且整體的方式推動數位轉型。

在我們繼續這段旅程的過程中，最重要的收穫已經變得十分明確：擁有強大的力量和豐富的資料，就擁有駕馭未來的智慧與韌性，同時也承擔著相應的責任。

請造訪我們的 Hitachi iQ 解決方案頁面，了解如何利用人工智慧改變企業營運與未來。

其他資源：

深入見解文章：人工智慧與混合雲時代建立堅不可摧的資料基礎設施

影片：利用 Hitachi 融合和超融合解決方案簡化基礎設施

解決方案簡介：Hitachi iQ：專為業界需求量身打造的人工智慧解決方案套件：適合投資人工智慧/機器學習工作負載的企業