数据收集:研究需要是解决方案,具有精心设计的问题定义,涉及用户社区,这是系统的数据收集制度,该制度将产生高质量的数据,该数据将用于开发具有预测/诊断/生成精度的解决方案。请注意,用户社区详细且精确的数据收集是确保解决方案可用性并因此在部署方面成功的主要因素。该项目收集的数据将由赠款经理访问,并发布以根据IDRC Open Access策略来支持未来的研究活动。
数据库和人工智能 (AI) 可以相互受益。一方面,AI 可以使数据库更加智能 (AI4DB)。例如,传统的经验数据库优化技术(例如,成本估算、连接顺序选择、旋钮调整、索引和视图顾问)无法满足大规模数据库实例、各种应用程序和多样化用户的高性能要求,尤其是在云端。幸运的是,基于学习的技术可以缓解这个问题。另一方面,数据库技术可以优化 AI 模型 (DB4AI)。例如,AI 很难部署,因为它需要开发人员编写复杂的代码并训练复杂的模型。数据库技术可用于降低使用 AI 模型的复杂性,加速 AI 算法并在数据库内提供 AI 功能。DB4AI 和 AI4DB 最近得到了广泛的研究。在本教程中,我们回顾了有关 AI4DB 和 DB4AI 的现有研究。对于 AI4DB,我们回顾了基于学习的数据库配置、优化、设计、监控和安全技术。对于 DB4AI,我们回顾了面向 AI 的声明性语言、数据治理、训练加速和推理加速。最后,我们提供了 AI4DB 和 DB4AI 的研究挑战和未来方向。
为应对全球南方可持续发展目标中概述的挑战创造了许多以前无法预见的可能性。然而,在这种背景下使用人工智能带来了一系列独特的风险和挑战。其中包括政府可能使用此类技术压制本国人民,以及将主要在全球北方设计和开发的人工智能应用到全球南方截然不同的社会、文化和政治环境中所产生的道德问题。本文探讨了人工智能促进全球发展(AI4D)这一新兴子领域中出现的关键问题和疑问,以及在全球南方使用此类技术的潜力和风险。我们认为,尽管使用人工智能存在许多风险,但潜在的好处足以保证对在全球南方设计、开发、实施和使用此类技术的最合适和最有效方法进行详细研究和调查。最后,我们呼吁更广泛的 ICT4D 社区继续对 AI4D 的各个方面进行详细的研究和调查。
数据库和人工智能 (AI) 可以相互受益。一方面,人工智能可以使数据库更加智能 (AI4DB)。例如,传统的经验数据库优化技术 (例如成本估算、连接顺序选择、旋钮调整、索引和视图顾问) 无法满足大规模数据库实例、各种应用程序和多样化用户的高性能要求,尤其是在云端。幸运的是,基于学习的技术可以缓解这个问题。另一方面,数据库技术可以优化人工智能模型 (DB4AI)。例如,人工智能很难部署,因为它需要开发人员编写复杂的代码并训练复杂的模型。数据库技术可用于降低使用人工智能模型的复杂性,加速人工智能算法并在数据库内提供人工智能功能。DB4AI 和 AI4DB 最近得到了广泛的研究。在本教程中,我们回顾了关于 AI4DB 和 DB4AI 的现有研究。对于 AI4DB,我们回顾了基于学习的数据库配置、优化、设计、监控和安全技术。对于 DB4AI,我们回顾了面向 AI 的声明性语言、数据治理、训练加速和推理加速。最后,我们提供了 AI4DB 和 DB4AI 的研究挑战和未来方向。
