多云时代帷幕的拉开为企业提供了更大的发展舞台,众多企业将应用部署在云,其数据也自然在云上“滋生繁衍”。但有个问题企业不得不直视——并不是所有的数据都是金子,有些数据,也是会腐烂的。
这些“腐烂”的数据,其实就是常提到的ROT数据,即冗余(Redundant)、过时(Obsolete)、琐碎(Trivial)的数据。ROT数据会对企业的成本、复杂性和合规方面都造成负担。例如,会导致数据安全风险增加、增加数据合规性和治理风险、增加责任风险、降低生产力、增加存储成本等。
不仅如此,近期Veritas《消费者对企业数据可持续性看法报告》发现,这些腐烂数据还会影响消费者的购买决定。报告发现,65%的中国消费者担心在线数据存储会浪费能源,并造成环境污染。如果企业不减少与数据相关的污染,他们准备不再购买——超过三分之二的中国受访者表示,如果他们知道某家公司因未能控制其存储的不必要或不需要的数据而故意造成环境破坏,他们将停止从该公司购买产品。事实上,在中国有超过三分之二的消费者都认为,当不再需要信息时,在线存储信息的组织有责任将其删除。
既然已经预想到如此无法承担的后果,不如提前做好准备。那么对于盘踞在企业内部的ROT数据,企业该如何处置?Veritas建议企业可以采取以下措施来清除ROT数据:
· 创建一个数据分类法或分类系统。通过一套定义、标签和组别,整理企业的云端数据。这将帮助识别ROT数据。
· 为企业云数据的每个类别建立一个可信单一数据源(SSOT)位置。这是每个数据资产的 “正确”版本被保存的地方,可以减少云中其他地方存在“腐烂”版本的可能。
· 明确管理企业所识别的ROT数据的政策。这些是企业为清除云中的ROT数据而设定的规则和程序。
· 定期、重复执行。持续更新企业的数据分类法,管理企业的可信单一数据源位置,以确保它能正常使用,并定期执行企业的ROT数据政策和程序来清除它。
这个过程可能很复杂,如果企业没时间或资源从内部执行,另一个选择是将现有的企业数据管理平台扩展到企业的云环境,自动地对基于云的数据进行分类,删除云中不需要的冗余数据,并存档或删除过时和零碎的云数据。
“腐烂”数据对于企业有弊无利,它在企业数据中心引起的问题在云中也可能存在。其中一些问题在云中甚至会有过之而无不及,因为云中的控制成本更高。但利用合适的工具和方法,企业可以降低与“腐烂”数据相关的云成本,同时也可以简化整体数据管理,增加企业的数据保护效率。
好文章,需要你的鼓励
人工智能初创公司Counterintuitive Corp.正式发布,旨在通过开发专为推理而非模仿设计的芯片和软件来重新定义AI。该公司提出人工推理单元(ARU)这一全新计算架构类别,以解决现代AI面临的"精度无真理、推理无记忆"双重困境。ARU采用确定性、记忆驱动的推理架构,配合全栈推理软件,承诺突破当前AI局限性,开启后GPU时代的智能计算新纪元。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
全球最大云服务提供商亚马逊云服务(AWS)遭遇大规模故障,影响政府机构、AI公司和金融平台等众多客户。尽管AWS称已基本恢复,但仍有用户无法连接租用服务器。故障源于关键数据库服务的数字目录故障,导致依赖该数据库的软件无法获取信息而出现连锁反应。受影响服务包括Venmo、苹果音乐、Zoom等数百个网站和应用。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。