在每個聯邦機構中, 重要的見解都隱藏在這些年來收集的大量資料集中。 但是由於美國聯邦政府資料科學家的匱乏, 如果真的要這麼做的話,
從預測恐怖威脅到檢測稅務欺詐, 一種稱為自動機器學習的新一類企業級工具有能力, 通過預測建模來改變聯邦機構決策的速度和準確性。 像AI這樣的技術正在改變聯邦政府認知和決策的方式。
要使用自動化機器學習等工具充分發揮聯邦政府資料科學的潛力, 首先瞭解所用術語及其含義, 這一點非常重要。
資料科學 - 分析資料的藝術
資料科學是一個廣義的術語, 指的是利用資料解決問題的科學和藝術。 根據統計資料, 這種做法融合了數學,
即使是1790年進行的第一次美國人口普查, 使用鵝毛筆和紙張, 收集了大約20百萬位元組的資料。 今天, 人口普查局積壓了將近4000億個資料點, 對人口和行為不斷演變的人口提供了豐富的見解。 雖然隨著時間的推移, 資料量不斷增加, 但資料科學家卻處於供不應求的狀態, 資料量和見解資料差距很大, 人們需要從資料中獲得這些見解。
AI - 填補資料科學的空白
人工智慧與資料科學重疊, 賦予機器相互作用的能力, 就像參與過程的人一樣。 人工智慧的核心是通過應用數學模型從資料中推斷資訊來複製智慧人類行為的能力。
艾倫·圖靈(Alan Turing)在二戰期間對德國軍隊發出的加密資訊進行瞭解密。 今天, 人工智慧在大資料的可用性和可訪問性以及日益可承受的存儲和處理能力方面正在政府中實現。 人工智慧已成功應用於情報和國防應用, 如國防部高級研究計畫局的學習和組織計畫認知代理, 現在是蘋果的Siri和無人駕駛飛機的骨幹。
機器學習 - AI發展的下一步
隨著人工智慧的發展, 新一輪的創新浪潮已經發展成機器學習。 機器學習融合了人工智慧和資料科學,
想想預測的力量在聯邦政府中能達到什麼樣的效果。 例如, 機器學習將幫助國稅局找到歸檔稅表中的異常情況, 自動標記潛在的欺詐性提交作進一步審查。 它還可以將衛星和感測器資訊混合到國家氣象局的燃料預測中。
這是關鍵時刻。 資料科學家在解釋結果時需要人工智慧和自動機器學習, 而不是手動管理和處理資訊。 更重要的是, 通過自動化機器學習, 聯邦政府中的任何人都可以作為資料科學家,
這些進步為聯邦機構創造了無數的機會, 可以做出更快, 更準確的決策, 從而大大提高任務能力, 效率和安全性, 同時還可以調整空缺的資料科學家職位。 機構可以從企業的成功經驗中學習, 並將AI指向複雜的網路對手, 在攻擊之前查明內部威脅, 主動識別欺詐或預測恐怖襲擊。
鑒於我們面臨的國家安全和經濟威脅以及資料科學家日益短缺, 採取這種創新對於保持領先一步至關重要。 憑藉人工智慧和機器學習的強大功能, 這項功能現在就在我們的指尖。