Zacznij od małych kroków, zwiększ skalę: „nie tak wielka tajemnica” sukcesu SI

Najważniejsze wnioski:

  • Organizacje, które rozpoczynają wdrażanie SI w oparciu o prototypy w małej skali, mają większe szanse na osiągnięcie długofalowego sukcesu

  • Skuteczne projekty pilotażowe stanowią solidną podstawę do rozszerzenia zakresu projektów SI

  • Istniejąca architektura Intel® Xeon® może być punktem wyjścia do odniesienia sukcesu w dziedzinie SI

author-image

Tempo i zakres przełomowych odkryć w dziedzinie SI zwiększa się, ale przedsiębiorstwa dopiero rozpoczynające działalność w żadnym wypadku nie są na straconej pozycji.

Największe możliwości jeszcze przed nami, ale niedawne badanie Harvard Business Review wykazało, że ambitne, rewolucyjne przedsięwzięcia „mają mniejsze szanse na sukces niż ostrożne projekty, które usprawniają procesy biznesowe”.

Firma Intel dostrzega to również w swojej pracy z klientami. Ci z nich, którzy odnoszą największe sukcesy z SI, rozpoczynają od rozwijania mniejszych prototypów przy użyciu istniejącej infrastruktury. Ich oparte na procesorach Intel® Xeon® centrum przetwarzania danych stanowi idealną okazję do potwierdzenia wartości SI przy użyciu elastycznego, uniwersalnego fundamentu o konkurencyjnych całkowitych kosztach utrzymania. Gdy przychodzi czas na zwiększenie skali, mogą oni zająć się dostosowaniem połączenia obliczeń, optymalizacji oprogramowania i przepustowości pamięci procesora, które mają kluczowe znaczenie dla wydajności SI.

W swojej pracy z klientami korzystającym z SI firma Intel obserwuje, że ci, którzy odnoszą największe sukcesy z SI, rozpoczynają od rozwijania mniejszych prototypów przy użyciu istniejącej infrastruktury.

Rozpoczęcie od małych kroków i zwiększenie skali w celu osiągnięcia sukcesu

Mały pilotażowy projekt dotyczący przetwarzania języka naturalnego (NLP), realizowany przez Francuską Organizację Badań nad Rakiem, zaowocował powstaniem zestawu wstępnych wyników i wniosków, które dały podstawę do rozszerzenia zakresu zastosowania.

Zanim organizacja opracowała swoje rozwiązanie, 30 osób pracowało przez pół roku, analizując dokumentację pacjentów i identyfikując osoby nadające się do badań klinicznych. W ramach projektu pilotażowego wykorzystano dane z 24 mln wpisów i dotyczące 1,25 mln pacjentów oraz sklasyfikowano nowe i wcześniej niedostępne dane w oparciu o te wnioski. Organizacja uważa, że system ten mógłby skrócić cały proces do jednego dnia.

Zespół poszukuje teraz możliwości zwiększenia skali swojego rozwiązania, które działa na wysokowydajnych klastrach opartych na procesorach Intel® Xeon®, poprzez pogłębienie możliwości wyszukiwania, udoskonalenie interfejsu użytkownika, dalszą optymalizację wydajności oraz zwiększenie liczby użytkowników i lokalizacji.  

Francuska organizacja badań nad rakiem zrealizowała pilotażowy projekt mający na celu wykorzystanie SI do identyfikacji pacjentów nadających się do badań klinicznych — zdaniem uczonych system może w ciągu zaledwie jednego dnia wykonać pracę, która normalnie zajmuje 30 osobom pół roku.

Automatyzacja w tempie współczesnego świata

Innym przykładem rewolucyjnego znaczenia projektów SI skalowanych na podstawie udanych wstępnych prototypów jest rozpoznawanie obrazów.

W branży medycznej radiolodzy codziennie dokonują oceny, czy na skanach pacjentów widoczne są objawy raka. Trudno byłoby im jednak opisać, w jaki sposób zidentyfikować wszystkie nowotwory na dowolnych zdjęciach związanych z dowolnym pacjentem, niezależnie od jakości i obrócenia zdjęcia. Jest to jednak właśnie coś, czego jest w stanie nauczyć się i zautomatyzować system rozpoznawania obrazów, jeżeli ma do dyspozycji wystarczającą ilość danych — co oznacza możliwość przetwarzania obrazów i oznaczania potencjalnych nowotworów z szybkością i dokładnością, która pozwala skuteczniej ratować życie ludzkie.1

Obejrzyj: Sztuczna inteligencja zmienia sposób, w jaki przedsiębiorstwa automatyzują rozpoznawanie obrazów, aby tworzyć lepsze rozwiązania biznesowe i obniżać koszty operacyjne. 

Systemy rozpoznawania obrazów oparte na uczeniu głębokim mogą nauczyć się procesu rozpoznawania nowotworów i zautomatyzować go, umożliwiając oznaczanie potencjalnych przypadków z szybkością i dokładnością, która pozwala skuteczniej ratować życie ludzkie.

Trzy czynniki technologiczne wspierające wydajność SI2

Wydajność SI zależy od połączenia obliczeń, optymalizacji oprogramowania i przepustowości pamięci przetwarzania, a architektura Intel® w centrum przetwarzania danych może oferować potrzebną SI w oparciu o istniejący sprzęt.

Zespół specjalistów ds. analizy danych firmy Intel napisał ostatnio o swoich pracach nad klasyfikacją obrazów w dziedzinie medycyny i nauk przyrodniczych:

„Dzięki większej pojemności pamięci systemy uczenia głębokiego oparte na procesorach dają wyjątkową możliwość zaspokojenia zapotrzebowania na pamięć związanego z trenowaniem sieci neuronowej na dużych obrazach oraz uporania się z wielkością partii obrazów (...) Wykazaliśmy, że system oparty na procesorze jest w stanie obsłużyć pamięć o wielkości przekraczającej 40 GB w celu wykonania rzeczywistego zadania dotyczącego klasyfikacji danych z mikroskopii”.

Jeśli chodzi o oprogramowanie, firma Intel umożliwia analitykom danych i programistom pracę z preferowanymi przez nich narzędziami na sprzęcie Intel poprzez optymalizację szeregu bibliotek uczenia głębokiego dla wielu najpopularniejszych ram SI. Ramy te obejmują TensorFlow*, Theano* i wiele innych.

Co więcej, BigDL jest rozproszoną biblioteką uczenia głębokiego dla Spark*, która może działać bezpośrednio na istniejących klastrach Spark lub Apache Hadoop*. Pozwala ona na ładowanie wstępnie wyszkolonych modeli Torch* do ram Spark i umożliwia skalowane w celu prowadzenia analizy danych w skali ich dużych zbiorów.

W jakim stopniu Twoja organizacja jest przygotowana na SI?

Firma Intel współpracuje z wieloma organizacjami, które są zainteresowane wdrażaniem sztucznej inteligencji, a ciągła optymalizacja zarówno sprzętu, jak i oprogramowania oznacza, że SI znajduje się w zasięgu niemal każdej firmy.

Bez względu na to, na jakim etapie wdrażania SI jesteś, szeroka gama sprzętu i oprogramowania firmy Intel zawiera bogaty zestaw narzędzi do tworzenia najbardziej opłacalnej architektury wdrażania dla obciążeń związanych z SI, dzięki czemu możesz zacząć już dziś.

Wybierz najlepszą strategię infrastruktury wspierającą Twoje rozwiązanie w zakresie SI.


Dowiedz się, jak najlepiej wdrożyć rozwiązanie SI w istniejącej i dostępnej infrastrukturze.

Pobierz raport

Sztuczna inteligencja

Rozwiązania wyposażone w technologię Intel® umożliwiają firmom szybsze opracowywanie rozwiązań, automatyzację działań i wyciąganie trafniejszych wniosków.

Więcej informacji

Anatomia prototypu SI

Odkryj, na czym polega skuteczny prototyp SI.

Wyświetl infografikę

Informacje o produktach i wydajności

1https://ai.intel.com/teaching-machines-image-classification-health-life-sciences-intel-xeon-scalable-processors-lab-coats/ 
2

Cechy i zalety technologii Intel® zależą od konfiguracji systemu i mogą wymagać obsługującego je sprzętu, oprogramowania lub aktywacji usług. Wydajność może różnić się od podanej w zależności od konfiguracji systemu. Żaden produkt ani komponent nie jest w stanie zapewnić całkowitego bezpieczeństwa. Więcej informacji można uzyskać od sprzedawcy lub producenta systemu bądź na stronie https://www.intel.pl.