Trí tuệ nhân tạo cần dữ liệu thông minh hơn để cải thiện mạng lưới

Trong nhiều năm, các tổ chức đã tin rằng việc thu thập dữ liệu với khối lượng lớn là lợi thế để phân tích và tự động hóa vận hành. Các hồ dữ liệu, nhật ký sự kiện, hệ thống thu thập thông tin cảm biến đều được xây dựng với hi vọng rằng khi thể đưa vào các mô hình AI, kết quả sẽ ngày càng chính xác hơn. Tuy nhiên, việc mong đợi AI suy luận chính xác chỉ dựa trên dữ liệu thô lại là điều phức tạp, tốn kém và dễ xảy ra sai sót, nhất là với các mạng lưới lớn, đa dạng như mạng viễn thông, bệnh viện hay doanh nghiệp lớn.

Khối lượng dữ liệu khổng lồ phát sinh từ các tổ chức này khiến AI gặp khó trong việc tiêu hóa toàn bộ thông tin mà không bị ảnh hưởng nghiêm trọng về chi phí và tốc độ xử lý. Nguyên nhân chính nằm ở kiến trúc dữ liệu và hạn chế của các mô hình AI chung chung. Trong khi AI dựa trên xác suất, các câu hỏi vận hành mạng là mang tính định tính và xác định: giao dịch có thất bại không? Cuộc gọi có bị ngắt? Địa điểm nào có thay đổi lớn nhất? Có bao nhiêu người dùng bị ảnh hưởng? So sánh tình trạng tháng trước và hiện tại như thế nào? Những câu hỏi này cần được giải quyết trước khi dữ liệu vào AI.