元宇宙：五角大楼如何应用人工智能？

导读：Denodo副总裁兼总经理Bill Sullivan针对美国国防部人工智能计划，专门写了一篇评论文章，他采用了一个非常时髦的词汇：多云多元宇宙（Multi-cloud Multiverse）。数字孪生战场实验室编译该文，分享给大家参考。

美国国防部正在开展数百项人工智能计划，许多人在操作化方面面临着新的和多样化的挑战。选择一个解决方案并将其付诸实践肯定不是同一个任务，它带来了跨越组织和数据门面的挑战。

例如，混合云和多云架构的兴起为许多机构带来了数据集成、访问和管理挑战，因为机构寻求利用跨越本地和托管解决方案的数据资产。

这可能就是为什么GSA 数据中心和云优化计划项目管理办公室最近发布了多云和混合云指南，以帮助机构就云架构做出更好的决策。更复杂的是，国防部正面临着 12 月授予的联合作战云能力（JWCC，Joint Warfighting Cloud Capability）采购的开创性招标。

美国国防部CIO约翰·谢尔曼（John Sherman）将 JWCC 描述为“多云工作，它将为国防部提供所有三个安全级别的企业云功能：从美国大陆一直到美国大陆的非机密、机密和绝密。”

在这个可能的五年采购结束时，国防部计划为未来的多云采购发起一场全面而公开的竞争。在那之前，国防部数据科学家可能被迫在孤岛中工作，因为连接到实时数据可能并不总是可能的。

许多政府机构正在使用数据虚拟化等技术克服这些挑战，以实施能够确保可信数据访问和共享的逻辑数据结构方法。数据虚拟化是一种现代数据集成技术，可以实时集成数据，而无需进行物理复制。

数据虚拟化可以无缝结合来自不同来源的数据视图，并将来自通用数据服务层的数据提供给 AI/ML 引擎。使用数据虚拟化，人工智能团队可以更高效地工作和更有效地协作，因为该技术提供数据视图而不是复制数据。

这不仅节省了访问和存储成本，因为它提供了一个统一的数据访问层，它还使利益相关者能够从整个部门的单点实施治理控制。创建这种“可信源”是通过使用数据虚拟化统一企业数据的最有价值的特征之一。

许多政府组织正在利用这种企业 AI、多云架构和数据虚拟化的组合来更有效地利用数据并利用云的成本节约。这些技术共同强调了这样一个事实，即数字化转型不仅仅是技术，而是以最智能的方式使用技术，并为数据科学团队以及内部和外部数据消费者提供更高的价值。

此外，由于主要云服务提供商 (CSP) 之间的市场份额竞争承诺为政府提供更好的价值，并获得大量 AL/ML 工具以推动更好的、特定于任务的结果，因此可能存在相互矛盾的叙述CSP——以及哪种 AI/ML 技术——最适合特定任务。

在这种环境下，逻辑数据结构正迅速成为解决多云计算混乱的技术优雅解决方案，因为它同时为用户提供了每个 CSP 的最佳功能。

由 Gartner 定义为作为数据和连接过程的集成层（结构）的设计概念，数据结构利用对现有、可发现和推断的元数据资产的持续分析来支持跨领域集成和可重用数据的设计、部署和利用所有环境，包括混合和多云平台。这种纯粹的数据结构可以在没有供应商锁定的情况下提供所有商业 CSP 产品中的最佳产品，并且在许多情况下被证明是政府克服这些挑战的最佳答案。

解决国防部普遍存在的孤立数据，标准化和提高其质量和访问权限，应该是拥有为许多国防用途训练算法所必需的数据的先决条件。结合数据虚拟化的逻辑数据结构方法有望成为快速收集、处理和使用来自国防部不同数据源的信息的一种手段。它还确保在孤岛中开发的 AI/ML 模型仍然与实时数据相关，并且可以在整个 AI 操作周期中加速更好的数据流和数据访问。

AI/ML 模型接收到的数据越多，他们学习的就越多，从而创建国防部所需的更好、更准确的预测来进行关键任务决策。然而，从多个来源提取数据，然后将其复制到中央存储库是一种古老且低效的数据访问方式。该过程在联邦政府中仍然很普遍，并且通常导致大部分项目时间花在数据采集和准备任务上。

随着国防部吹捧他们在人工智能和机器学习技术方面不断增长的能力，将数据整合到不断扩大的数据科学团队中来滋养不同的 AI/ML 模型仍然是一项重大任务。利用逻辑数据结构层的企业 AI 克服了这些挑战。它可以作为不同 AI/ML 系统之间的数据科学团队的中心枢纽，减少对数据复制的需求，从而实现高度复杂的 AI/ML 计划，增强可操作性并加快时间表以加快生产时间。