随着 2023 年接近尾声，我们会发现随着 ChatGPT 的引入，世界发生了不可逆转的变化。 人工智能的主流化继续获得动力，我们如何应对这些不断变化的时代需要信念的飞跃。 人工智能可能同时具有潜在的变革性和不准确性！但是，我们的未来不仅仅是人工智能，因为我们仍然需要继续改进我们的数据管理。
2024 年的数据和 AI 趋势与管道和激活有关，尤其是对于专注于数据质量、平台架构和治理的 AI。 服务于多个信息角色的自主**和任务助手可以部分或完全自动执行所需的活动。 此外，用于生成高质量数据集的工具可以在 AI 模型开发生命周期的所有阶段提供持续改进的模型。
智能数据平台。
当今的数据平台在很大程度上是一个“记录系统”堆栈，它将来自各种企业数据库和应用程序的数据汇集到一个公共存储库中。 目前，堆栈的主要用例是报告和分析，在极少数情况下，数据驱动的自动化。 还有什么比将智能注入数据平台以加速整个企业采用 AI 数据产品和应用程序更好的呢
我们将智能数据平台定义为一个平台，其中大型语言模型 （LLM） 基础设施是核心数据平台的一部分。 此智能层可用于将智能注入两个应用程序：
核心数据应用程序：这些应用程序包括 AI 驱动的数据操作、语义搜索和发现**、AI 辅助摄取工具、AI 辅助数据准备和转换，以及用于数据分析的对话式 AI**。 当通过从错误中学习来进行推理时，此类应用程序的自动化程度只会变得更好。
智能应用：智能人工智能**是第二个应用趋势。
下图显示了智能数据平台以及 AI 和应用程序的图示。
智能数据平台是当前以仓库湖为中心的数据平台环境的下一个演变。 随着简化消费者界面的愿望，智能应用程序将在未来十年内提高生产力。 到 2024 年，组织需要认真审视其当前的数据平台架构，并应对与数据孤岛、数据质量和重复以及堆栈组件碎片化相关的挑战。 高质量、精心策划的数据和元数据是生成式 AI 计划成功的关键。 智能数据平台和相关数据应用程序将为人工智能用例支持提供基础数据和建模层基础设施。