作者:Ravi Naik,希捷科技高级副总裁,首席信息官
全球疫情蔓延的特殊时期,很多企业允许员工居家办公。企业不仅需要保护员工的生命健康,同时还要履行对客户的承诺,因此,这段时期企业常常需要对运营策略做出调整。
从实验室到急诊室、商店、保洁服务公司,再到我所就职的数据存储企业,全球各地、各行各业都在努力避免疫情引起的混乱和无序,争取顺利复工,保障安全。
正是因为很多企业都采取在家办公的策略,因此,数据比以往任何时候都需要为我们做“跑腿”工作。当人们隔离在家不便走动时,就需要更强有力的数据流动。当下,优秀的数据管理者比以往任何时候都更需要重点关注数据的高效流动。
为什么呢?这是因为即使距离遥远,数据的处理和激活终究会产生连接。数据的流动和激活意味可以使用AI和云在疫苗开发、寻求治疗方法和患者分流等方面进行协作;也意味着学生可以在线学习;员工能够安全工作;医生可以远程为病人诊疗;亲人间可以实时看到彼此的笑容。
在希捷,我们意识到自己肩负着双重使命:1)确保员工安全;2)继续推动全球关键业务数据的持续流动——这也是我们40多年来一直关注的重点。
我们努力承担这两项使命,不断尝试调整,采用最佳数据管理实践来达成使命。以下为我们五点实践经验:
灵活性。如果系统本身缺乏灵活性,就很难应对危机。灵活性意味着我们无需等待政策层面有所决策后才采取措施。早在疫情爆发之初,我们就已经付诸行动,而非停留在设想阶段,着手为在家办公的员工提供更多支持。
IT团队每天早上开例会讨论,如何给全球员工提供支持。今年第一季度末开始,我们决定进行工作负载测试,要求员工下载大型文件并且远程工作。经过测试,我们确信员工远程工作的顺畅性可以得到保障。
可用性。另一项重要举措是建立小型边缘数据中心。随着来自终端的输入不断增加,很少居家办公场所拥有充足的宽带或光纤资源,可以支持远程数据分析和会议。因此,我们为世界各地的工程和财务团队提供了更为靠近其住处的数据访问。与以前集中化的系统不同,边缘数据中心让我们在数据的创建地附近就进行分析和处理,从而拉近用户与应用之间的距离,加速数据访问。
连接性。我们已建立灵活的机制,让员工保持时刻连接。
安全性。在分布式访问时代,外围设备的安全性成为最先考虑的因素。我们已经做好充分准备,处理不断增加的远程员工访问流量,确保数据安全。
协作。对于创新型公司来说,团队合作至关重要。协作可以迸发出最强的创新力。我们鼓励员工通过WebEx和Microsoft Teams召开工作会议,在线协作空前增长,超过200%。
以上行动正在奏效。我们从云计算和其他大型技术客户那里得知,为了支持在家办公员工的需求,他们必须扩容,并打通核心到边缘的数据访问。受益于灵活的数据管理,我们的工厂能够满足不断增长的需求。我们已经从管理层听到反馈,大多数人表示,在家办公以来,生产力得到显著提升。
数据流及其应用的智能结合意味着我们可以让数据为我们所用,流向我们期望的位置。善于使用数据并管理数据的流动,也让我们更好地支持那些身处前线的各行业工作者。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。