什么是分布式人工智能 (DAI)？

试图找到一个“无懈可击”的定义是徒劳的：这个术语似乎有些“超前”。 但是，我们仍然可以从语义上分析该术语本身，推导出分布式人工智能也是人工智能（请参见我们为提出一个“实用”定义所做的努力），只是它分布在多台没有聚合在一起（既不在数据方面，也不通过应用程序聚合，原则上不提供对特定计算机的访问）的计算机上。 即，在理想情况下，分布式人工智能的安排方式是：参与该“分布”的任何计算机都不能直接访问其他计算机的数据和应用程序，唯一的替代方案是通过“透明的”消息传递来传输数据样本和可执行脚本。 与该理想情况的任何偏差都会导致出现“部分分布式人工智能”- 一个示例是通过中央应用程序服务器分发数据， 或者其反向操作。 不管怎样，我们都会得到一组“联合”模型（即，在各自数据源上训练的模型，或者按自己的算法训练的模型，或者同时以这两种方式训练的模型）。

AI届的没有免费午餐（No Free Lunch）理论：如果平均到所有问题的话，所有算法是等价的。换句话说，没有单一的“最优”算法。（详细概念请自行搜索）

所以需要对任何特定数据集/问题测试很多不同算法，没有办法能够提前知道哪种算法是最优的。

因此，自动化机器学习帮助用户用多种自动化的用多种主流算法来进行测试，用户能从中选出最优的结果。

https://www.surveymonkey.com/r/KVRDF7K

不少客户问我关于从Cache迁移到IRIS的问题。为什么要迁移到IRIS？Cache是优秀的，稳定的，有很好的性能，为什么要迁移到IRIS呢？这些客户是对的，但在过去几年，数字化转型提出了不少新问题、新需求和新挑战，客户需要更灵活、更完整、更前瞻的解决方案，InterSystems公司很有远见地洞察到了这一点，推出了IRIS。
一句话，IRIS是一套数据平台解决方案，它帮助客户和合作伙伴为迎接数字化转型的挑战提供了充足的弹药。