联邦信息技术管理人员专注于在一个长期口头禅是“少花钱多办事”的氛围中实现政府现代化，人们对人工智能改变IT环境的潜力越来越乐观。与任何技术一样，成功也不是特定的。

相反，AI需要强大的基础 - 以数据为中心的架构，优化计算能力，存储和数据，以创建强大的创新孵化器和转型加速器。

联邦政府内的IT经理看到了人工智能的潜力。根据最近的一项研究，77%的受访者表示这项技术将改变政府对信息处理和处理信息的方式，而61%的受访者表示该技术可以解决其代理商目前面临的一项或多项挑战。

今年早些时候，白宫还加入了人工智能机构间专题委员会，该委员会的目的是改善与人工智能有关的联邦工作的协调，以确保美国在这一新兴和潜在的富裕领域继续发挥领导作用。

该委员会通过了解这一新兴技术的潜力继续取得进展，并强调需要围绕联邦政府制定人工智能计划进行协调努力。随着委员会继续开展工作，从基础设施开始，从整体上考虑人工智能挑战非常重要。

虽然政府和业界同意人工智能必须提供的潜力 - 在热情的情况下，关键是克服采用挑战。主要障碍包括成本，基础设施准备和稀缺的人才资源。

以下是我们向委员会提出的如何克服这些挑战的建议：

探索用例和利益来衡量投资

确定人工智能的益处最为明显的实际用例。无论是基本的自动化级别还是应用于数据分析流程，这都将帮助您确定作为一种商业案例的方式所期望的投资回报。

在联邦市场，美国国立卫生研究院正在利用人工智能和机器学习加速癌症和基因组学研究的步伐，并更好地了解癌症如何演变，遗传活动如何影响生活质量和人类发展，以及如何减轻或防止遗传性疾病在其一生中折磨人们。IT基础架构的改进为研究人员提供了数小时和数天的回报，为搜索答案提供了更多时间，并减少了等待查询处理所花费的时间。

减少诊断癌症，遗传疾病和药物相互作用所需的时间有可能挽救许多生命以及数十亿美元的诊断成本，急性和持续性护理以及药物开发时间表。

各种方法来培养人才，获得工具

为了获得开发和部署这些技术以及推进人工智能和深度学习所需的技能，必须参与公私合作伙伴关系，并为大学和商业企业提供研究补助金和奖学金。专业知识已经存在，与政府研究人员合作并将技术人员引入政府研究将是在政府领域利用这项技术的最快途径。

在利用该技术时，花费了大量时间来构建开始使用AI所需的工具。商业行业开创了专门构建的现成硬件和软件功能，其中包含创建AI功能所需的所有功能，这些功能可用于使政府能够快速开展工作。

原型和勘探周期以及最终的采购和实施阶段(通常需要数年)不是扩展能力分析和需求确定过程，而是能够快速采用上班所需的能力。

将数据放在基础设施的中心

当我们考虑AI时，两个新元素正在迫使数据中心架构发生变化。首先是数据创建的爆炸式增长。其次，软件现在允许我们挖掘这些数据以获得竞争优势。

基础架构设计中以数据为中心，在围绕它构建技术的同时保持数据和应用程序到位，可以通过从数据中心架构转变为数据核心设计元素，从而将AI梦想变为现实。

在确定如何最好地纳入人工智能计划时，联邦政府应该已经将重点放在数据收集和清理上，以便为实施人工智能做准备，并确保他们能够应对这种爆炸性的数据增长。随着数据集的规模呈指数级增长，移动和复制数据已成为一项令人望而却步的开支，也是创新的瓶颈。

需要一个新模型 - 进入以数据为中心的架构。

新架构意味着可以随时随地共享和交付数据 - 这是一个可以成为现代政府前进道路的数据中心。真正的数据中心必须包括：

文件和对象存储的高吞吐量

真正的横向扩展

多维性能，用于响应任何具有任何访问模式的数据类型，以及

必须大规模平行。

这四项功能对于统一数据至关重要。

过多的数据仍然存在于复杂的孤岛中。每个都有用于其原始任务。但在数据优先的世界中，孤岛适得其反。孤岛意味着数据在没有被主动管理的情况下无法正常工作。

对于希望保存数据的代理商，数据中心不会取代数据仓库或数据库。对于那些希望统一并跨团队和应用程序共享数据的人来说，数据中心可以识别每个孤岛的主要优势，集成其独特功能并提供单一的统一平台。

为了真正受益于以数据为中心的架构，代理商需要系统实时工作，为下一代分析提供必要的性能，使AI变得如此强大。它还需要按需提供并自动驾驶。通过闪存整合和简化这一点使团队更容易支持促进明天增长的技术。

存储有一个独特的机会，不仅可以成为不断生成的大量数据的孤立存储库，而是一个共享和交付数据以创造价值的平台。

计算能力，网络和存储是实现AI令人难以置信的工作的基础元素 - 但除非这些元素以相同的速率向前发展，否则这个过程将失去平衡 - 其他技术将被阻止。考虑到人工智能，两个新组件正在迫使数据中心架构发生变化。首先是数据创建的爆炸式增长。其次，软件现在允许挖掘该数据。以优化为基础的数据中心架构将创建强大的创新孵化器和转型加速器。