Virtualisierung und Cloud Computing sind zwei Begriffe, die häufig austauschbar erscheinen, wenn Sie mit der Funktionsweise beider Begriffe nicht vertraut sind. Obwohl die beiden Technologien ähnlich sind, sind sie nicht dasselbe, und der Unterschied ist erheblich genug, um Ihre Geschäftsentscheidungen zu beeinflussen. Hier ist eine Anleitung, die dabei hilft, die Technologie hinter dem Jargon zu entmystifizieren.

Was ist Virtualisierung?

Virtualisierung ist die grundlegende Technologie für Cloud Computing. Diese Software trennt Computerumgebungen von physischen Infrastrukturen, sodass Sie mehrere Betriebssysteme und Anwendungen gleichzeitig auf demselben Computer ausführen können. Wenn Sie beispielsweise den größten Teil Ihrer Arbeit auf einem Mac ausführen, aber ausgewählte Anwendungen verwenden, die ausschließlich für PCs bestimmt sind, können Sie Windows auf einer virtuellen Maschine ausführen, um auf diese Anwendungen zuzugreifen, ohne den Computer wechseln zu müssen.

„Virtualisierungssoftware … ermöglicht es Unternehmen, IT-Kosten zu senken und gleichzeitig die Effizienz, Auslastung und Flexibilität ihrer vorhandenen Computerhardware zu steigern“, sagte Mike Adams, Senior Director für Produktmarketing für Cloud-Plattformen bei VMware .

Virtualisierung hat viele praktische Anwendungen. Für Softwareentwickler ermöglicht die Virtualisierung das Testen ihrer Anwendungen in verschiedenen Umgebungen, ohne dass mehrere verschiedene Computer eingerichtet werden müssen. Wenn die Anwendung auf der virtuellen Maschine abstürzt, können sie die virtuelle Maschine einfach schließen und in einem früheren Zustand neu starten, ohne den Computer zu beschädigen.

Einer der größten Vorteile der Virtualisierung ist die Serverkonsolidierung. Anstatt mehrere Server mit jeweils unterschiedlichen Funktionen zu verwalten, können Sie bei der Servervirtualisierung die Ressourcen eines einzelnen Servers für mehrere Zwecke aufteilen. Oft werden die Serverressourcen nicht ausreichend genutzt, was dazu führt, dass Unternehmen zu viel für die Serverwartung ausgeben, um eine kleine Ausgabe zu erzielen.

Wie unterscheidet sich Virtualisierung von Cloud Computing?

Virtualisierung ist Software, die Hardware manipuliert, während Cloud Computing sich auf einen Dienst bezieht, der aus dieser Manipulation resultiert. Ohne Virtualisierung ist Cloud Computing nicht möglich. [Lesen Sie den entsprechenden Artikel: Cloud Computing: Ein Leitfaden für kleine Unternehmen ]

„Virtualisierung ist ein grundlegendes Element des Cloud Computing und trägt dazu bei, den Wert des Cloud Computing zu steigern“, sagte Adams. „Cloud Computing ist die Bereitstellung von gemeinsam genutzten Computerressourcen, Software oder Daten – als Service und On-Demand über das Internet.“

Der größte Teil der Verwirrung tritt auf, weil Virtualisierung und Cloud Computing zusammenarbeiten, um verschiedene Arten von Diensten bereitzustellen. Die Cloud kann und wird in den meisten Fällen Virtualisierungsprodukte zur Bereitstellung des Computerservices enthalten, sagte Rick Philips, Vice President für Computerlösungen bei der IT-Firma Weidenhammer .

„Der Unterschied besteht darin, dass eine echte Cloud Self-Service-Funktionen, Elastizität, automatisiertes Management, Skalierbarkeit und Pay-as-you-go-Service bietet, die der Virtualisierung nicht eigen sind“, sagte er.

Was sind die Vorteile einer virtualisierten Umgebung gegenüber der Cloud?

Berücksichtigen Sie den Unterschied zwischen https://www.businessnewsdaily.com und öffentlichen Clouds, um die Vorteile der Virtualisierung besser zu verstehen  .

Eine private Cloud in einer eigenen virtualisierten Umgebung bietet Benutzern das Beste aus beiden Welten. Dies kann Benutzern mehr Kontrolle und Flexibilität bei der Verwaltung ihrer eigenen Systeme geben und gleichzeitig die Verbrauchsvorteile von Cloud Computing bieten, sagte John Livesay, Vice President und Chief Sales Officer von InfraNet .

„Private Cloud Computing bedeutet, dass der Kunde die Hardware und Software besitzt oder verleast, die das Verbrauchsmodell bereitstellt“, sagte Livesay. „Sie zahlen für Ressourcen, während Sie sie verbrauchen, von einem [Anbieter], der solche Ressourcen mehreren Kunden zur Verfügung stellt, häufig in einem Mitmieterszenario.“

Auf der anderen Seite ist eine öffentliche Cloud eine Umgebung, die vielen Benutzern offen steht und für Anforderungen mit mehreren Mandanten ausgelegt ist, so Philips. „Hier sind einige Risiken verbunden“, fügte er hinzu, z. B. schlechte Nachbarn und mögliche Leistungsverzögerungen.

Mit der Virtualisierung können Unternehmen ihr eigenes „Schloss“ warten und sichern, sagte Philips. Dies bietet mehrere Vorteile. Erstens können Sie Ihre Ressourcen maximieren, indem Sie die Anzahl der physischen Systeme reduzieren, die Sie erwerben müssen. Außerdem können Sie Ihre Server optimal nutzen, da Sie mehrere Systeme und Anwendungen auf derselben Hardware verwenden können. Wenn Sie Virtualisierung verwenden, können Sie schließlich Kosten wie Verwaltung, Verwaltung und alle damit verbundenen Anforderungen für die Verwaltung Ihrer eigenen Infrastruktur in Ihr IT-Budget integrieren.

Woher wissen Sie, ob Ihr Unternehmen eine Virtualisierungslösung benötigt?

Um festzustellen, ob Virtualisierung die beste Lösung für ein Unternehmen ist, müssen die spezifischen Anforderungen und Anforderungen des Unternehmens eingehend analysiert werden. Sie sollten auch die Kosten berücksichtigen. Wie viel Management kann und will das Unternehmen? Skalierbarkeitsanforderungen; Sicherheitsbedürfnisse; und wie viel Feature-Entwicklung erwartet werden kann, sagte Livesay.

Führen Sie für einen kleineren Betrieb, bei dem die Kosten für Rechenressourcen und Wartung gesenkt werden sollen, eine Prüfung Ihrer physischen Hardware vor Ort durch. Werden die Ressourcen Ihres Servers voll ausgeschöpft? Könnten sie die Arbeitslast eines anderen Servers übernehmen, der ebenfalls nicht ausgelastet ist? Dies könnte den Stromverbrauch und die Unterhaltskosten senken.

„Unternehmen, die mehr an einem OPEX-Modell (Betriebsausgaben) arbeiten, das weniger IT-Personal und weniger Sicherheitsbedenken hat, sind stärker auf die Cloud ausgerichtet“, sagte Livesay. „Unternehmen, die eine bessere Kontrolle für Integration und Sicherheit benötigen oder mehr an einem CAPEX-Modell arbeiten, würden sich der Virtualisierung zuwenden.“

Trotz der Tatsache, dass es über 50 Jahre alt ist, wissen die meisten Menschen nicht, worum es in diesem Studienbereich geht.

Bist du eine von ihnen?

Bei so vielen komplizierten Namen wie maschinellem Lernen , neuronalen Schaltkreisen, tiefem Lernen, prädiktiver Analyse usw. ist es völlig verständlich, dass Menschen verwirrt sind.

Aber genau das ist der Grund, warum Sie hier sind: Künstliche Intelligenz (KI) ein für alle Mal zu verstehen und wie Sie sie verwenden können, um Ihr Geschäft auszubauen.

Wann und wie es begann

Der Begriff KI wurde geboren, als eine Gruppe von Wissenschaftlern eine Studie durchführte , um Maschinen dazu zu bringen, die menschliche Sprache zu verstehen und zu verwenden und dann selbstständig weiterzumachen.

Die Studie wurde 1955 durchgeführt, aber der Begriff wurde erst ein Jahr später nach dem Erfolg der Studie offiziell erfunden.

Danach wurde es überall akzeptiert, weil es ein großes Potenzial hatte und zu einem Gebiet der Informatik wurde.

Künstliche Intelligenz definieren (KI)

Es wurde „künstliche Intelligenz“ genannt, weil eine Maschine tatsächlich als „intelligent“ angesehen werden kann, wenn sie etwas zeigt, das der menschlichen Intelligenz ähnelt.

Der Prozess beinhaltet eigentlich nichts anderes als das Programmieren von Computern auf eine neue Art und Weise, bei der riesige Datenmengen zum Trainieren verwendet werden, damit sie bestimmte Aufgaben ausführen können, die Menschen normalerweise ausführen.

Was an dieser Methode sehr interessant ist, ist, wie nützlich sie geworden ist. Es kann Aufgaben ausführen, die andere Software und Technologien nicht oder nicht ausführen können.

Welche verschiedenen Arten von KI gibt es?

Die KI hat in den letzten Jahrzehnten große Fortschritte gemacht, so dass das Feld ziemlich schnell in Unterfelder unterteilt wurde.

Obwohl nicht alle diese Bereiche ordnungsgemäß kategorisiert wurden, sind wir der Meinung, dass dies die Haupttypen sind:

Rein reaktiv

Dies ist die grundlegendste Form der KI. Diese Technologie kann eine Situation beobachten und entsprechend dem handeln, was sie sieht. Es ist nicht in der Lage zu konzipieren, und es hat kein Gedächtnis. Es konzentriert sich nur auf das Erledigen von Aufgaben.

Beispiele: IBMs Deep Blue (die Maschine, die den Schachmeister besiegt hat), Googles AlphaGo (die Maschine, die den Go-Meister besiegt hat).

Begrenzter Speicher

Dies ist die nächste Stufe von Purely Reactive. Diese KI kann Informationen sammeln, um ein Bild der Welt in ihrem Computergeist zu erstellen. Es verfügt über genügend Speicher, um kleine Aufgaben zu lernen, und kann zur Entscheidungsfindung verwendet werden.

Beispiele: automatisierte Fahrzeuge, Chatbots und digitale persönliche Assistenten.

Theorie des Geistes

Diese Art von KI verwendet komplexere Technologien. Es wird noch entwickelt und zielt darauf ab, Maschinen in die Lage zu versetzen, mit Menschen zu interagieren und sie emotional zu verstehen.

Es gibt noch keine wirklichen Beispiele, aber viele Roboter in Filmen zeigen, wie diese Art von KI funktionieren könnte – wie C-3PO und R2-D2 in Star Wars.

Selbstbewusst

Als König der Technologie bringt dies die Dinge auf die nächste Ebene. Diese Maschinen werden in der Lage sein, sozial zu interagieren, Persönlichkeiten zu entwickeln, Gefühle zu haben und Meinungen zu bilden.

Wie KI heute verwendet wird

Moderne KI wird in vielen verschiedenen Bereichen für verschiedene Zwecke eingesetzt, einschließlich Argumentation, Wissen, Planung, Lernen, Kommunikation, Wahrnehmung, Verschiebung und Manipulation von Objekten.

Obwohl es viele Projekte in verschiedenen Bereichen gegeben hat, haben einige von der Öffentlichkeit viel mehr Aufmerksamkeit erhalten. Hier sind einige der bekanntesten Beispiele:

Tiefes Blau:

1997 entwickelte IBM einen Computer, der den Schachweltmeister Gary Kasparov besiegen sollte. Diese Maschine beeindruckte die Welt, weil sie bewies, dass Maschinen Menschen bei bestimmten Aufgaben schlagen konnten.

OBEN:

2007 wurde dieses System entwickelt, um gegen Ping-Pong-Spieler anzutreten. Es verwendete automatische Lernsysteme, um sein Können weiter zu verbessern.

Das Vocaloid:

Zu Beginn des Jahrtausends wurde der erste KI-Robotersänger gebaut. Dieses System kann jedes Lied singen. Sie müssen nur die Melodie und die Texte eingeben.

Spracherkennung:

Diese Technologie begann mit Smartphones und ist eine der beliebtesten und am weitesten verbreiteten Technologien.

Künstliche Intelligenz ist heute und aus gutem Grund ein Schlagwort in der Branche. KI oder künstliche Intelligenz haben im technologischen Bereich bereits so große Fortschritte gemacht, und laut einem Gartner-Bericht wird künstliche Intelligenz bis 2020 2,3 Millionen Arbeitsplätze schaffen und die 1,8 Millionen ersetzen, die sie beseitigen wird. Beginnen wir also mit diesem Tutorial für künstliche Intelligenz in der folgenden Reihenfolge:

• Was ist künstliche Intelligenz?
• Bedeutung der künstlichen Intelligenz
• Anwendungen für künstliche Intelligenz
• Bereiche der künstlichen Intelligenz
• Unterschiedliche Jobprofile in AI
• Unternehmen stellen ein

 

Was ist künstliche Intelligenz?

KI ist eine Technik, mit der Maschinen menschliches Verhalten nachahmen können. Künstliche Intelligenz ist die Theorie und Entwicklung von Computersystemen, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern, wie visuelle Wahrnehmung, Spracherkennung, Entscheidungsfindung und Übersetzung zwischen Sprachen.

Wenn Sie mich fragen, ist KI die Simulation menschlicher Intelligenz, die von von uns programmierten Maschinen durchgeführt wird. Die Maschinen müssen lernen, wie man argumentiert und sich nach Bedarf selbst korrigiert.

Künstliche Intelligenz Dies wird erreicht, indem untersucht wird, wie das menschliche Gehirn denkt, lernt, entscheidet und arbeitet, während versucht wird, ein Problem zu lösen, und anschließend die Ergebnisse dieser Studie als Grundlage für die Entwicklung intelligenter Software und Systeme verwendet werden. Lassen Sie uns dieses Tutorial für künstliche Intelligenz fortsetzen und verstehen, wie wichtig es ist.

 

Bedeutung der künstlichen Intelligenz

Künstliche Intelligenz (KI) hat es Maschinen ermöglicht, aus Erfahrungen zu lernen und zu wachsen, um menschenähnliche Aufgaben auszuführen. Viele auffällige Beispiele für künstliche Intelligenz, von denen Sie hören, wie selbstfahrende Autos , Schachspielcomputer, hängen stark von Deep Learning und der Verarbeitung natürlicher Sprachen ab . Mithilfe dieser Technologien können Computer geschult werden, um bestimmte Aufgaben zu erfüllen, indem große Datenmengen verarbeitet und Muster in den Daten erkannt werden.

Es gibt viele Bereiche, die zur künstlichen Intelligenz beitragen, nämlich:

• Mathematik
• Soziologie
• Philosophie
• Computerwissenschaften
• Psychologie
• NeuroScience
• BiologieWenn wir uns die Bedeutung der künstlichen Intelligenz ansehen:
  • AI automatisiert das wiederholte Lernen und Erkennen durch Daten. Künstliche Intelligenz führt häufige, hochvolumige, computergestützte Aufgaben zuverlässig und ohne Ermüdung aus

   

  • AI erweitert vorhandene Produkte um Intelligenz . In den meisten Fällen wird AI nicht als Einzelanwendung verkauft. Produkte, die Sie bereits verwenden, werden durch KI-Funktionen verbessert, ähnlich wie Google Assistant als Funktion für eine neue Generation von Mobiltelefonen hinzugefügt wurde.

   

  • AI passt sich durch progressive Lernalgorithmen an, damit die Daten programmiert werden können. Der Algorithmus wird zum Klassifikator oder Prädiktor. So wie der Algorithmus sich selbst beibringen kann, wie man ein Spiel spielt, kann er sich selbst beibringen, welches Produkt als nächstes online zu empfehlen ist.

   

  • AI analysiert mehr und tiefere Daten mithilfe neuronaler Netze mit vielen verborgenen Schichten. Sie benötigen viele Daten, um Deep-Learning-Modelle zu trainieren, da diese direkt aus den Daten lernen. Je mehr Daten Sie ihnen zuführen können, desto genauer werden sie.

   

  • KI erreicht eine unglaubliche Genauigkeit durch tiefe neuronale Netze, was bisher unmöglich war. KI-Techniken aus Deep Learning, Bildklassifizierung und Objekterkennung können jetzt verwendet werden, um Krebs auf MRTs mit der gleichen Genauigkeit wie hochqualifizierte Radiologen zu finden.

  Lassen Sie uns nun dieses Tutorial zur künstlichen Intelligenz fortsetzen und die verschiedenen Anwendungen der künstlichen Intelligenz in der Branche verstehen.

   

  Anwendungen der künstlichen Intelligenz

  Es gibt verschiedene Anwendungen der künstlichen Intelligenz in der Industrie. Hier sind einige der wichtigsten, die in unseren täglichen Aufgaben vorhanden sind.

  • Spracherkennung
  • Maschinenübersetzung
  • Gesichtserkennung und automatische Kennzeichnung
  • Virtuelle persönliche Assistenten
  • • ChatbotsSelbstfahrendes Auto

     

    Bereiche der künstlichen Intelligenz

    Künstliche Intelligenz deckt heutzutage viele Bereiche ab. Lassen Sie uns dieses Tutorial zur künstlichen Intelligenz fortsetzen und die Hauptbereiche mit umfangreichen Forschungsarbeiten diskutieren, nämlich:

    • Neuronale Netze:Neuronale Netze sind eine Klasse von Modellen in der allgemeinen Literatur zum maschinellen Lernen. Neuronale Netze sind eine Reihe spezifischer Algorithmen, die das maschinelle Lernen und die künstliche Intelligenz revolutioniert haben. 
      • Robotik:Die Robotik ist ein Zweig der KI, der sich aus verschiedenen Zweigen und der Anwendung von Robotern zusammensetzt. KI-Roboter sind künstliche Wirkstoffe, die in einer realen Umgebung wirken. Der Roboter für künstliche Intelligenz zielt darauf ab, die Objekte zu manipulieren, indem er sie wahrnimmt, auswählt, bewegt und zerstört. 
        • Expertensysteme:In der künstlichen Intelligenz ist ein Expertensystem ein Computersystem, das die Entscheidungsfähigkeit eines menschlichen Experten nachahmt. Es ist ein Computerprogramm, das Technologien der künstlichen Intelligenz (KI) verwendet, um das Urteilsvermögen und Verhalten eines Menschen oder einer Organisation zu simulieren, die über Expertenwissen und Erfahrung auf einem bestimmten Gebiet verfügen. 
          • Fuzzy-Logik-Systeme:

          Fuzzy-Logik ist ein Ansatz zur Berechnung, der auf „Wahrheitsgraden“ und nicht auf der üblichen „wahren oder falschen“ (1 oder 0) Booleschen Logik basiert, auf der der moderne Computer basiert. Fuzzy-Logik-Systeme können ungenaue, verzerrte und verrauschte Eingabeinformationen aufnehmen.

Dieses Tutorial zur künstlichen Intelligenz bietet grundlegende und Zwischeninformationen zu Konzepten der künstlichen Intelligenz. Es wurde entwickelt, um Studenten und Berufstätigen zu helfen, die Anfänger sind. In diesem Tutorial liegt unser Fokus auf künstlicher Intelligenz. Wenn Sie mehr über maschinelles Lernen erfahren möchten, finden Sie in diesem Tutorial ein vollständiges Anfänger-Tutorial zum maschinellen Lernen . Im Verlauf dieses Tutorials zur künstlichen Intelligenz werden verschiedene Konzepte wie die Bedeutung der künstlichen Intelligenz, die Ebenen der KI, warum KI wichtig ist, verschiedene Anwendungen, die Zukunft der künstlichen Intelligenz und vieles mehr untersucht.

Um auf dem Gebiet der KI zu arbeiten, muss man normalerweise viel Erfahrung haben. Daher werden wir auch die verschiedenen Berufsprofile diskutieren, die mit künstlicher Intelligenz verbunden sind, und Ihnen schließlich helfen, relevante Erfahrungen zu sammeln. Sie müssen nicht über einen bestimmten Hintergrund verfügen, bevor Sie sich dem Bereich KI anschließen können, da es möglich ist, die erforderlichen Fähigkeiten zu erlernen und zu erlangen. Während die Begriffe Data Science, Artificial Intelligence (AI) und Machine Learning in denselben Bereich fallen und miteinander verbunden sind, haben sie ihre spezifischen Anwendungen und Bedeutungen. Einfach ausgedrückt, zielt künstliche Intelligenz darauf ab, Maschinen in die Lage zu versetzen, Argumentation auszuführen, indem sie menschliche Intelligenz replizieren. Da das Hauptziel von KI-Prozessen darin besteht, Maschinen aus Erfahrung zu lehren, ist es entscheidend, die richtigen Informationen einzugeben und sich selbst zu korrigieren.

Was ist künstliche Intelligenz?

Die Antwort auf diese Frage hängt davon ab, wen Sie fragen. Ein Laie mit einem flüchtigen Verständnis von Technologie würde es mit Robotern verbinden. Wenn Sie einen KI-Forscher nach künstlicher Intelligenz fragen, würde er sagen, dass es sich um eine Reihe von Algorithmen handelt, mit denen Ergebnisse erzielt werden können, ohne dass Sie ausdrücklich dazu angewiesen werden müssen. Beide Antworten sind richtig. Zusammenfassend ist künstliche Intelligenz:

• Eine intelligente Einheit, die von Menschen geschaffen wurde.
• Kann Aufgaben intelligent ausführen, ohne explizit angewiesen zu werden.
• Fähig, rational und menschlich zu denken und zu handeln.

Im Zentrum der künstlichen Intelligenz steht ein Zweig der Informatik, der darauf abzielt, menschliche Intelligenz in Maschinen zu erzeugen oder zu replizieren. Aber was macht eine Maschine intelligent? Viele KI-Systeme werden mithilfe von Algorithmen für maschinelles Lernen und tiefes Lernen betrieben . Die KI entwickelt sich ständig weiter. Was in der Vergangenheit als Teil der KI angesehen wurde, kann jetzt nur noch als Computerfunktion betrachtet werden. Beispielsweise wurde ein Taschenrechner in der Vergangenheit möglicherweise als Teil der KI angesehen. Nun wird es als einfache Funktion betrachtet. Ebenso gibt es verschiedene Ebenen der KI, lassen Sie uns diese verstehen.

Warum ist künstliche Intelligenz wichtig?

Das Ziel der künstlichen Intelligenz ist es, die menschlichen Fähigkeiten zu unterstützen und uns zu helfen, fortgeschrittene Entscheidungen mit weitreichenden Konsequenzen zu treffen. Aus technischer Sicht ist dies das Hauptziel der KI. Wenn wir die Bedeutung der KI aus einer philosophischeren Perspektive betrachten, können wir sagen, dass sie das Potenzial hat, Menschen dabei zu helfen, ein sinnvolleres Leben ohne harte Arbeit zu führen. KI kann auch dazu beitragen, das komplexe Netz miteinander verbundener Personen, Unternehmen, Staaten und Nationen so zu verwalten, dass es für die gesamte Menschheit von Vorteil ist.

Gegenwärtig wird künstliche Intelligenz von all den verschiedenen Werkzeugen und Techniken geteilt, die wir in den letzten tausend Jahren erfunden haben – um die menschlichen Anstrengungen zu vereinfachen und uns zu helfen, bessere Entscheidungen zu treffen. Künstliche Intelligenz ist eine solche Kreation, die uns helfen wird, bahnbrechende Werkzeuge und Dienste weiter zu erfinden, die unsere Lebensführung exponentiell verändern würden, indem sie hoffentlich Streit, Ungleichheit und menschliches Leid beseitigen.

Wir sind noch weit von solchen Ergebnissen entfernt. Aber es kann in der Zukunft kommen. Künstliche Intelligenz wird derzeit hauptsächlich von Unternehmen eingesetzt, um ihre Prozesseffizienz zu verbessern, ressourcenintensive Aufgaben zu automatisieren und Geschäftsvorhersagen auf der Grundlage von Daten zu erstellen, die uns zur Verfügung stehen. Wie Sie sehen, ist KI für uns in mehrfacher Hinsicht von Bedeutung. Es schafft neue Möglichkeiten in der Welt, hilft uns, unsere Produktivität zu verbessern und vieles mehr.

Geschichte der künstlichen Intelligenz

Das Konzept der intelligenten Wesen gibt es schon seit langer Zeit und hat nun seinen Weg in viele Bereiche wie KI in Bildung, Automobil, Bank- und Finanzwesen, KI-Gesundheitswesen usw. gefunden. Die alten Griechen hatten Mythen über Roboter als chinesische und ägyptische Ingenieure gebaute Automaten. Die Anfänge der modernen KI gehen jedoch auf die Zeit zurück, in der klassische Philosophen versuchten, menschliches Denken als symbolisches System zu beschreiben. Zwischen den 1940er und 50er Jahren diskutierten eine Handvoll Wissenschaftler aus verschiedenen Bereichen die Möglichkeit, ein künstliches Gehirn zu schaffen. Dies führte auf einer Konferenz am Dartmouth College in Hannover, New Hampshire, zum Aufstieg des Gebiets der KI-Forschung, das 1956 als akademische Disziplin gegründet wurde. Das Wort wurde von John McCarthy geprägt, der heute als Vater der künstlichen Intelligenz gilt.

Trotz einer über viele Jahrzehnte gut finanzierten globalen Anstrengung war es für Wissenschaftler äußerst schwierig, Intelligenz in Maschinen zu erzeugen. Zwischen Mitte der 1970er und 1990er Jahre hatten Wissenschaftler mit einem akuten Mangel an Finanzmitteln für die KI-Forschung zu kämpfen. Diese Jahre wurden als „AI Winters“ bekannt. Bis Ende 1990 waren amerikanische Unternehmen jedoch wieder an KI interessiert. Darüber hinaus hatte auch die japanische Regierung Pläne zur Entwicklung eines Computers der fünften Generation zur Weiterentwicklung der KI. Schließlich besiegte IBMs Deep Blue 1997 den ersten Computer, der einen Schachweltmeister, Garry Kasparov, besiegte.

Als die KI und ihre Technologie weiter voranschritten – hauptsächlich aufgrund von Verbesserungen bei der Computerhardware – begannen auch Unternehmen und Regierungen, ihre Methoden erfolgreich in anderen engen Bereichen einzusetzen. In den letzten 15 Jahren ist es Amazon, Google, Baidu und vielen anderen gelungen, die KI-Technologie zu einem enormen kommerziellen Vorteil zu nutzen. KI ist heute in viele der von uns verwendeten Onlinedienste eingebettet. Infolgedessen hat die Technologie es geschafft, nicht nur in jedem Sektor eine Rolle zu spielen, sondern auch einen großen Teil des Aktienmarktes zu steuern.

Heutzutage ist künstliche Intelligenz in Unterbereiche unterteilt, nämlich künstliche allgemeine Intelligenz, künstliche schmale Intelligenz und künstliche Superintelligenz, die wir in diesem Artikel ausführlich erörtern werden. Wir werden auch den Unterschied zwischen AI und AGI diskutieren.

Lösungen zur Überwachung der Netzwerkleistung überwachen den Betrieb von Unternehmensnetzwerken, um Verfügbarkeit und optimale Leistung sicherzustellen. Diese Lösungen führen Echtzeitanalysen durch, sorgen für minimale Ausfallzeiten und schnelle Korrekturen und sparen auf lange Sicht Kosten und Ressourcen für Unternehmen. Wenn das Netzwerk wächst, kann es schwierig sein, es effektiv zu überwachen, und das Erkennen und Beheben von Netzwerkproblemen kann länger dauern als erwartet. Hier einige Möglichkeiten, wie IT-Experten ihre Netzwerke optimieren können, um längere Ausfallzeiten und Produktionsrückgänge zu vermeiden.

Haben Sie eine Netzwerkwarnstruktur

Schnelle Alarmerkennung und Anwendungskorrektur sind wesentliche Bestandteile von Netzwerküberwachungslösungen. In das System sollte eine effiziente Alarmstruktur integriert sein. Die Struktur sendet direkte Warnungen an relevantes Personal, das sich mit jedem einzelnen Problem befassen kann. Anstatt Softwareentwickler über jedes denkbare Problem zu informieren, wird jedes Problem je nach Schweregrad und Typ an eine bestimmte Person gesendet. Diese Art von Funktion strukturiert das Unternehmen und ermöglicht es den Ingenieuren, die Verantwortung für jeden Teil des Netzwerks zu übernehmen.

Netzwerksichtbarkeit beibehalten

Das schlimmste Hindernis für eine effiziente Netzwerkleistung ist ein Mangel an Netzwerküberwachung. Die Netzwerksichtbarkeit ist für die Gewährleistung des autorisierten Datenverkehrs von entscheidender Bedeutung und kann zur effektiven Verwaltung und Sicherung von Verkehrsdaten beitragen. Es kann auch helfen, Probleme mit dem Netzwerk, dem Server, dem Routing und der Bandbreite zu bemerken. Mit dieser Funktion können Benutzer blinde Flecken vermeiden, die durch erhöhten Datenverkehr entstehen, nicht autorisierten WAN-Verkehr erkennen und die Anwendungsleistung überwachen.

Verwenden Sie visuelle Anzeigen

Neben der Sichtbarkeit des Netzwerks kann die Verwendung visueller Anzeigen wie Dashboards dazu beitragen, die Netzwerkleistung für IT-Systeme zu optimieren. Standard-Dashboards zeigen Routenanalyse, Netzwerkverkehr und Tomographie an. Mit dieser Funktion können Benutzer die internen Merkmale des Netzwerks anhand von Informationen anzeigen, die aus Endpunktdaten abgeleitet wurden. Durch die visuelle Überwachung können interne Teams und Anbieter eine kollaborative Umgebung aufrechterhalten, wenn mehrere Ebenen von Netzwerkdaten analysiert werden.

Verwenden Sie Route Analytics

Mithilfe der Routenanalyse können Benutzer die Routing-Protokolle und -Strukturen von IP-Netzwerken analysieren. Diese Funktion kann Unternehmensnetzwerke optimieren, indem Routingfehler und Protokollanomalien erkannt werden, die sich auf die Zustellung von Paketen vom Endbenutzer zum Endbenutzer auswirken können. Die Routenanalyse bietet auch Einblick in vergangene und aktuelle Routing-Informationen und hilft so, zukünftige Fehler bei der Netzwerkleistung und der Paketzustellung zu vermeiden.

Kapazitätsplanung überwachen

Mithilfe der Kapazitätsplanung können Unternehmensnetzwerke ihren Netzwerkverkehr optimieren, indem ermittelt wird, wie viel Bandbreite das Netzwerk benötigt, um ordnungsgemäß zu funktionieren. Diese Funktion liefert Benutzerdaten, die angeben, wo in bestimmten Bereichen eine Verlangsamung des Datenverkehrs auftreten kann, was zu potenziellen Daten- und Paketverlusten führen kann. Die Verwendung von zu wenig Bandbreite kann zu einer unzureichenden Netzwerkleistung führen, und die Verwendung von zu viel Bandbreite kann zu einem Verlust von Ressourcen und Kosten führen. Die Kapazitätsplanung hilft Unternehmen auch bei der Verwaltung der Datennutzung und der Ressourcen, sodass Netzwerke effizient arbeiten können.

Bei der Cloud-Überwachung wird analysiert, wie gut Cloud-Dienste funktionieren. Die Tools und Methoden können variieren, aber jedes Unternehmen sollte über einen Überprüfungsprozess verfügen, um festzustellen, wie gut die Cloud die geschäftlichen, technischen und rechtlichen Anforderungen des Unternehmens ergänzt.

Welche Cloud-Dienste sollten überwacht werden?

Während Verbraucher Dienste wie Dropbox und Google Mail verwenden, um Informationen in der Cloud zu speichern, mieten Unternehmen normalerweise Speicherplatz, um ihre Anwendungen zu hosten und ihre Daten zu speichern. Die Überwachung von Cloud-Diensten muss zwei Gesichtspunkte berücksichtigen. Die erste ist die Integrität, Sicherheit, Zugänglichkeit und Redundanz der Daten im Rechenzentrum oder auf den Servern des Cloud-Anbieters. Die zweite ist die Möglichkeit, auf die Cloud zuzugreifen und die Informationen zu erhalten, die das Unternehmen benötigt.

Cloud-Überwachungstools liefern der IT-Abteilung Daten darüber, wie gut Sicherheit, Leistung und Kundenverhalten funktionieren. Tests und Überwachung werden normalerweise in regelmäßigen Abständen durchgeführt. Regelmäßige Tests können einem Unternehmen helfen, Verstöße, Kommunikationsfehler und die Geschwindigkeit der Verbindung zu erkennen. Geschwindigkeitsmetriken sind ein wichtiger Bestandteil der Kundenzufriedenheit.

Was sind die Vorteile von Cloud Computing?

Einige der Vorteile von Cloud Computing sind:

•       In der Regel verfügt die Entität, die die Cloud hostet, über die Hardware und Software, die zur Überwachung der Cloud-Verbindung erforderlich ist. Dies erleichtert die Einrichtung und Ausführung der Überwachungsinfrastruktur.
•       Cloud-Überwachungstools sind skalierbar und können daher für kleine, mittlere und große Unternehmen verwendet werden.
•       Die Kosten für das Tool werden normalerweise von einem Abonnement übernommen, sodass keine großen Vorabkosten anfallen.
•       Die Cloud-Überwachungstools sind von den Arbeitsstationen und dem Server getrennt und schützen die Überwachung vor Unterbrechungen der Dienste.

Was sollte überwacht werden / Best Practices?

Unternehmensmetriken sollten Folgendes umfassen:

•       Festlegen, welche Ereignisse überwacht werden sollen.
•       Analysieren, wie viel IT-Aktivität des Unternehmens in der Cloud vorhanden ist. Dies kann dem Unternehmen helfen, zu bestimmen, ob und wann es vergrößert oder verkleinert werden soll.
•       Im Allgemeinen sollten Cloud-Metriken mit allen internen Leistungsmetriken kompatibel sein.
•       Die Reaktionszeit des Benutzers, die Häufigkeit der Nutzung und die verwendeten Anwendungen oder Dienste können dazu beitragen, die Kundenzufriedenheit zu bestimmen.
•       Strategien für die Reaktion auf metrische Flammpunkte sollten vorhanden sein. Wenn beispielsweise die Nutzung ein bestimmtes Niveau überschreitet, sollte eine Skalierung durch Hinzufügen weiterer Server oder einer neueren Servertechnologie in Betracht gezogen werden.
•       Im Allgemeinen sollten Überwachungsdaten (Cloud-Überwachung und interne Überwachung) an einem anderen Ort als die IT-Anwendungen gespeichert werden.

Die IT-Abteilungen des Unternehmens sollten ihre Cloud testen, um festzustellen, was in Spitzenzeiten passiert oder ob ein Datenverstoß vorliegt.

Erfahren Sie mehr über Cloud-Überwachungsmetriken und warum sie erforderlich sind

Denken Sie nicht, dass Sie fertig sind, nur weil Sie es geschafft haben, auf eine Cloud-Computing-Plattform zu migrieren. Sobald die Cloud betriebsbereit ist, sollten die IT-Abteilungen ständig überprüfen, wie gut ihre Cloud funktioniert, damit die Buchhaltungsabteilung, Mitarbeiter, Partner, Kunden und Kunden zufrieden sind.

Sind Sie bereit zu sehen, wie Vault-Netzwerke Ihnen helfen können? 

Wenn Sie mehr über die Implementierung der Cloud-Überwachungstechnologie erfahren möchten, lassen Sie sich von einem unserer freundlichen Experten kontaktieren, um das Gespräch zu beginnen. Unser Team wird gemeinsam mit Ihnen Ihre Optionen untersuchen, um festzustellen, wie Managed Services das Wachstum und die Ziele Ihres Unternehmens unterstützen können.

Überblick

SQL Server ist eine großartige Plattform, um Ihre Datenbankanwendung schnell zum Laufen zu bringen. Über die grafische Oberfläche von SQL Server Management Studio können Sie in kürzester Zeit Tabellen erstellen, Daten einfügen, gespeicherte Prozeduren entwickeln usw. Anfänglich läuft Ihre Anwendung in Ihren Produktions-, Test- und Entwicklungsumgebungen hervorragend, aber wenn die Verwendung der Anwendung zunimmt und die Größe Ihrer Datenbank zunimmt, werden Sie möglicherweise Leistungseinbußen oder noch schlimmer Beschwerden von Benutzern bemerken.

Hier kommt die Leistungsüberwachung und -optimierung ins Spiel. Normalerweise treten die ersten Anzeichen von Leistungsproblemen aufgrund von Beschwerden der Benutzer auf. Ein Bildschirm, der früher sofort geladen wurde, dauert jetzt einige Sekunden. Oder ein Bericht, dessen Ausführung früher einige Minuten dauerte, dauert jetzt eine Stunde. Wie bereits erwähnt, entstehen diese Probleme normalerweise durch Beschwerden von Benutzern. Mit wenigen Schritten und Techniken können Sie diese Probleme überwachen und entsprechend anpassen, sodass Ihre Datenbankanwendungen immer mit maximaler Leistung ausgeführt werden.

In diesem Tutorial werden wir einige der häufigsten Probleme mit der Leistung behandeln, wie zum Beispiel:

• Deadlocks
• Blockierung
• fehlende und nicht verwendete Indizes
• E / A-Engpässe
• schlechte Abfragepläne
• Statistiken
• Warte Statistiken
• Zersplitterung

Wir werden uns die grundlegenden Techniken ansehen, die allen Datenbankadministratoren und Entwicklern bekannt sein sollten, um sicherzustellen, dass ihre Datenbankanwendungen eine Spitzenleistung erbringen.

 

Um die Leistung Ihrer SQL Server-Umgebung zu überwachen und zu verbessern, müssen Sie wissen, welche Tools verfügbar sind und wie diese Tools verwendet werden.

In diesem Abschnitt werden die folgenden Tools vorgestellt, um Ihnen eine Einführung zu geben, wie sie verwendet werden und wie Sie sie zum Sammeln leistungsbezogener Daten verwenden können.

• Dynamische Verwaltungsansichten (DMVs) und Systemkatalogansichten
• Profiler- und serverseitige Traces
• Windows-Leistungsmonitor
• Integrierte Leistungsberichte in SSMS
• Abfragepläne
• Berater für Datenbankoptimierung

Profiler- und serverseitige Traces

SQL Server bietet ein großartiges Tool, mit dem Sie sehen können, welche Anweisungen auf Ihrem SQL Server ausgeführt werden, und Metriken wie Dauer, Anzahl der Lesevorgänge, Anzahl der Schreibvorgänge, den Computer, auf dem die Abfrage ausgeführt wurde, usw. erfassen können bekannt als Profiler.

Profiler ist ein GUI-basiertes Tool, das einen SQL Server-Trace ausführt, um die oben aufgeführten Metriken sowie zusätzliche Daten zu erfassen. Diese Daten können dann verwendet werden, um festzustellen, wo Ihre SQL Server-Leistungsprobleme mit Ihrem TSQL-Code zusammenhängen. Das Ausführen eines Trace ohne Verwendung von Profiler wird als serverseitiger Trace bezeichnet. Sie können den Trace mit TSQL-Befehlen erstellen und starten, anstatt die GUI verwenden zu müssen.

Erläuterung

Die meisten Benutzer verwenden Profiler, um einen Trace auszuführen, da die GUI ziemlich einfach ist, um einen Trace einzurichten und auszuführen. Sobald Sie die Vorteile der Verwendung eines serverseitigen Trace verstanden haben, werden Sie diese häufiger verwenden, es sei denn, Sie beheben ein Problem, das genau zu diesem Zeitpunkt auftritt.