隨著國防部正在開展數(shù)百項(xiàng)人工智能計(jì)劃和計(jì)劃，許多人在操作化方面面臨著新的和多樣化的挑戰(zhàn)。選擇一個(gè)解決方案并將其付諸實(shí)踐肯定不是同一個(gè)任務(wù)，它帶來了跨越組織和數(shù)據(jù)門面的挑戰(zhàn)。

例如，混合云和多云架構(gòu)的興起為許多機(jī)構(gòu)帶來了數(shù)據(jù)集成、訪問和管理挑戰(zhàn)，因?yàn)闄C(jī)構(gòu)尋求利用跨越本地和托管解決方案的數(shù)據(jù)資產(chǎn)。

這可能就是為什么GSA 數(shù)據(jù)中心和云優(yōu)化計(jì)劃項(xiàng)目管理辦公室最近發(fā)布了多云和混合云指南，以幫助機(jī)構(gòu)就云架構(gòu)做出更好的決策。更復(fù)雜的是，國防部正面臨著 12 月授予的聯(lián)合作戰(zhàn)云能力采購的開創(chuàng)性獎(jiǎng)項(xiàng)。

五角大樓首席信息官約翰·謝爾曼（John Sherman）將 JWCC 描述為“多云工作，它將為國防部提供所有三個(gè)安全級(jí)別的企業(yè)云功能：從美國大陸一直到美國大陸的非機(jī)密、機(jī)密和絕密的戰(zhàn)術(shù)優(yōu)勢?！?nbsp;在這個(gè)可能的五年采購結(jié)束時(shí)，國防部計(jì)劃為未來的多云采購發(fā)起一場全面而公開的競爭。在那之前，國防部數(shù)據(jù)科學(xué)家可能被迫在孤島中工作，因?yàn)檫B接到實(shí)時(shí)數(shù)據(jù)可能并不總是可能的。

技術(shù)如何提供幫助

許多政府機(jī)構(gòu)正在使用數(shù)據(jù)虛擬化等技術(shù)克服這些挑戰(zhàn)，以實(shí)施能夠確?？尚艛?shù)據(jù)訪問和共享的邏輯數(shù)據(jù)結(jié)構(gòu)方法。數(shù)據(jù)虛擬化是一種現(xiàn)代數(shù)據(jù)集成技術(shù)，可以實(shí)時(shí)集成數(shù)據(jù)，而無需進(jìn)行物理復(fù)制。

數(shù)據(jù)虛擬化可以無縫結(jié)合來自不同來源的數(shù)據(jù)視圖，并將來自通用數(shù)據(jù)服務(wù)層的數(shù)據(jù)提供給 AI/ML 引擎。使用數(shù)據(jù)虛擬化，人工智能團(tuán)隊(duì)可以更高效地工作和更有效地協(xié)作，因?yàn)樵摷夹g(shù)提供數(shù)據(jù)視圖而不是復(fù)制數(shù)據(jù)。

這不僅節(jié)省了訪問和存儲(chǔ)成本，因?yàn)樗峁┝艘粋€(gè)統(tǒng)一的數(shù)據(jù)訪問層，它還使利益相關(guān)者能夠從整個(gè)部門的單點(diǎn)實(shí)施治理控制。創(chuàng)建這種“單一事實(shí)來源”是通過使用數(shù)據(jù)虛擬化統(tǒng)一企業(yè)數(shù)據(jù)的最有價(jià)值的特征之一。

許多政府組織正在利用這種企業(yè) AI、多云架構(gòu)和數(shù)據(jù)虛擬化的組合來更有效地利用數(shù)據(jù)并利用云的成本節(jié)約。這些技術(shù)共同強(qiáng)調(diào)了這樣一個(gè)事實(shí)，即數(shù)字化轉(zhuǎn)型不僅僅是技術(shù)，而是以最智能的方式使用技術(shù)，并為數(shù)據(jù)科學(xué)團(tuán)隊(duì)以及內(nèi)部和外部數(shù)據(jù)消費(fèi)者提供更高的價(jià)值。

此外，由于主要云服務(wù)提供商 (CSP) 之間的市場份額競爭承諾為政府提供更好的價(jià)值，并獲得大量 AL/ML 工具以推動(dòng)更好的、特定于任務(wù)的結(jié)果，因此可能存在相互矛盾的敘述CSP——以及哪種 AI/ML 技術(shù)——最適合特定任務(wù)。

在這種環(huán)境下，邏輯數(shù)據(jù)結(jié)構(gòu)正迅速成為解決多云計(jì)算混亂的技術(shù)優(yōu)雅解決方案，因?yàn)樗瑫r(shí)為用戶提供了每個(gè) CSP 的最佳功能。

由 Gartner 定義為作為數(shù)據(jù)和連接過程的集成層（結(jié)構(gòu)）的設(shè)計(jì)概念，數(shù)據(jù)結(jié)構(gòu)利用對(duì)現(xiàn)有、可發(fā)現(xiàn)和推斷的元數(shù)據(jù)資產(chǎn)的持續(xù)分析來支持跨領(lǐng)域集成和可重用數(shù)據(jù)的設(shè)計(jì)、部署和利用所有環(huán)境，包括混合和多云平臺(tái)。這種純粹的數(shù)據(jù)結(jié)構(gòu)可以在沒有供應(yīng)商鎖定的情況下提供所有商業(yè) CSP 產(chǎn)品中的最佳產(chǎn)品，并且在許多情況下被證明是政府克服這些挑戰(zhàn)的最佳答案。

解決國防部普遍存在的孤立數(shù)據(jù)，標(biāo)準(zhǔn)化和提高其質(zhì)量和訪問權(quán)限，應(yīng)該是擁有為許多國防用途訓(xùn)練算法所必需的數(shù)據(jù)的先決條件。結(jié)合數(shù)據(jù)虛擬化的邏輯數(shù)據(jù)結(jié)構(gòu)方法有望成為快速收集、處理和使用來自國防部不同數(shù)據(jù)源的信息的一種手段。它還確保在孤島中開發(fā)的 AI/ML 模型仍然與實(shí)時(shí)數(shù)據(jù)相關(guān)，并且可以在整個(gè) AI 操作周期中加速更好的數(shù)據(jù)流和數(shù)據(jù)訪問。

AI/ML 模型接收到的數(shù)據(jù)越多，他們學(xué)習(xí)的就越多，從而創(chuàng)建國防部所需的更好、更準(zhǔn)確的預(yù)測來進(jìn)行關(guān)鍵任務(wù)決策。但是，從多個(gè)來源提取數(shù)據(jù)然后將其復(fù)制到中央存儲(chǔ)庫是一種古老且低效的數(shù)據(jù)訪問方式。該過程在聯(lián)邦政府中仍然很普遍，并且通常導(dǎo)致大部分項(xiàng)目時(shí)間花在數(shù)據(jù)采集和準(zhǔn)備任務(wù)上。

隨著國防部吹捧他們?cè)谌斯ぶ悄芎蜋C(jī)器學(xué)習(xí)技術(shù)方面不斷增長的能力，將數(shù)據(jù)整合到不斷擴(kuò)大的數(shù)據(jù)科學(xué)團(tuán)隊(duì)中來滋養(yǎng)不同的 AI/ML 模型仍然是一項(xiàng)重大任務(wù)。利用邏輯數(shù)據(jù)結(jié)構(gòu)層的企業(yè) AI 克服了這些挑戰(zhàn)。它可以作為不同 AI/ML 系統(tǒng)之間的數(shù)據(jù)科學(xué)團(tuán)隊(duì)的中心樞紐，減少對(duì)數(shù)據(jù)復(fù)制的需求，從而實(shí)現(xiàn)高度復(fù)雜的 AI/ML 計(jì)劃，增強(qiáng)可操作性并加快時(shí)間表以加快生產(chǎn)時(shí)間。