以下是的一些我们精选的waston：IBM Waston：缓解人工智能预制数据的痛苦

一些企业正逐渐转向人工智能和深度学习，以便做出正确的商业决策，重塑商业模式，并改善其客户体验。快速发展的技术将让企业更深入地了解他们正在生成的海量数据，并发现通常隐藏的趋势。

Gartner 的一项调查发现，59% 的商业组织正在收集信息，以帮助他们制定自己的人工智能战略，而其他的组织则已经采用人工智能产品。IDC 分析师预计，今年在认知和人工智能技术方面的支出将达到 125 亿美元，比 2016 年增长 59.3%，到 2020 年将超过 460 亿美元。

IBM 为其 Watson 数据平台增加了功能，旨在让开发者和数据科学家更容易分析和分享企业数据，并为 AI 应用做好准备。IBM 将其最新的转型重点放在认知计算领域，该领域涵盖人工智能和机器学习，并以 Watson 组合作为其发力的基础。Watson 数据平台是 IBM 云基础设施和数据服务阵列的组合，其所使用是 Python 和 Spark SQL 等开放语言。新功能包括数据目录、数据加工和分析引擎，以使企业更好地了解数据、执行安全策略、访问和移动公共云和私有云中的数据。据 IBM 人员称，这些企业可以获得比以往更多的数据，而且这些数据可以位于不同的地方，并促进越来越多的 AI 应用。

IDC 分析师预测，到 2018 年，几乎 75% 的开发人员将会把 AI 引入其应用程序。Gartner 也表示，到 2020 年，人工智能将几乎应用于每一个新的软件产品。数据目录用于在整个企业环境中，创建可搜索的结构化和非结构化数据数据索引，从现有的内部部署系统到云平台，再到物联网创建的数据流。通过元数据，它还强制执行基于规则的治理策略，以控制对数据的访问，确保其遵从性，并通过机器学习功能自动对数据进行配置文件和分类。

数据加工是指通过对数据的处理，从而被 AI 和机器学习应用程序广泛使用。IBM 表示，数据加工还允许数据科学家、开发人员和业务团队能够实时协同工作，从而能实现可视化和分享数据。从数据目录和数据加工中提取的元数据，用于执行客户端的数据治理策略，这使团队在共享敏感数据时更容易识别风险。

IBM 还了可用的分析引擎，该引擎利用 Apache Spark 和 Hadoop 为数据创建一个智能存储库，使用户更容易地了解数据的大小、价值及其创建。通过该分析引擎，开发人员和数据科学家可以与数据集协同工作，而无需管理其背后的基础设施。此外，分析引擎由 IBM 的云对象存储动力，其设计目的是使数据可以随时准备就绪，并用于处理和分析。

Watson 数据平台总经理 Derek Schoettle 表示：" 云对象存储和分析引擎的结合将计算和存储分开，使公司能够更充分地利用云的敏捷性。"

Schoettle 还介绍了一个零售公司使用其新功能的场景，来展示顾客的购买模式及销量的增长情况。在这种场景中，数据科学家根据现场数据库和云中的购买交易数据，来创建季节性或特定人口的类别，通过分析这些数据，将其与客户反馈联系起来。利用 Watson 数据平台中的新功能，数据科学家可以随时随地访问所有的数据，塑造并构建机器学习模型，用户可以根据客户的喜好，将其部署到市场上特定的 AI 应用程序中。