毫无疑问，数据是人工智能技术的宝贵燃料。然而，还有一个似乎长期被忽视的有价值的数据源，那就是型机系统。作为一种任务关键型设施，型机承载着量数据，一些信息可以追溯到几十年前，换句话说，很难将型机与AI集成。德勤咨询公司云人工智能/机器学产品主管奇达·萨达亚潘（Chida sadayappan）表示：“最的挑战在于人工智能这一新兴技术缺乏向下兼容性。”
然而，人工智能技术的潜力太了，值得一试。因此，面对难以连接的型机系统，使用外云平台已成为一个重要的缓解解决方案，model9首席执行官Gil Peleg解释道，“新的云迁移方法强调使用更现代的ELT（提取、加载、转换）方法来取代传统的ETL（提取、转换、加载）前者的区别在于，在使用目标平台转换数据之前，型机系统中的信息直接迁移到AI应用程序可用的目标存储。这种开创性的方法可以快速、轻松、安全地将型机数据添加到数据湖，确保技术领先者能够最限度地提高其在云商务智能和分析应用程序方面的投资回报。“与其他IT项目一样，型机数据处理也需要明确规划，最终目标应该是可行的。我想提醒你，人工智能项目通常需要相当长的时间才能真正产生投资回报，Wipro fullstripe云服务全球云转型负责人sudhir Kesavan表示，“企业应该意识到这些措施可能不一定会降低成本，甚至产生相反的效果。因此，请尽量以业务为导向，克服人工智能署难以在短时间内带来显著业务效益的问题。“
ibm型机和ai型机也在快速发展。例如，ibm一直在尝试调整其z系统以适应ai应用程序，包括将其与各种常见的开源平台（如spark、pytorch、keras、tensorflow等）集成。
ibm研究员兼z/os首席技术官elpida tzortzatos指出，“我们正在努力帮助客户将人工智能嵌入到企业的关键任务工作负载和核心业务流程中，只需对应用程序进行最少的修改，并在满足最严格的服务级别协议（SLA）的同时对每个事务进行评分。“
通过在Z系统上生成AI洞察，客户可以在交互点实现实时响应，然后建立欺诈检测的重要用例。由于不需要移动任何敏感数据，此方案还具有明显的安全优势
在型机环境中应用AI技术
在型机环境中应用AI技术，建立实施新项目并不是唯一的出路。事实上，aiops等新兴工具有望实现系统自动化，这将有助于提高性能和可用性，加快应用程序版本和Devops的发布/执行速度，并积极发现问题。面对日益紧张的IT人才供应，这些能够在一定程度上替代员工的功能正在成为一种必要
根据Forrester和BMC最近发布的一份调查报告，约81%的受访者表示，当处理速度下降时，他们将分依赖手动流程；75%的受访者表示，他们仍在使用手动方法诊断多个系统的事故。换句话说，这些是人工智能有望展示其实力的空间。BMC软件高级裁兼smart Z优化与转型总经理约翰·麦肯尼（john mckenny）表示，在全面普及之后，它将不可避免地带来过去难以想象的改进， “型机领域的主流企业比以往任何时候都更加意识到，传统的型机运营模式将很快被淘汰。随着新应用程序的推出、数据处理量的不断增长和工作负载可预测性的下降，数据中心面临着更新和加速数字服务的更压力。在当今快节奏的数字经济中m、 更高的客户期望和更快的数字服务目标的实现以及越来越难以获得人力资源，给型机的命运投下了阴影。人工智能将最终帮助型机驱散迷雾并重新获得方向。“
你只比世界少一个
官方账户
