Inhalt
- Beschleunigtes Lernen
- Keine Bugs, kein Stress - Ihre schrittweise Anleitung zur Erstellung lebensverändernder Software, ohne Ihr Leben zu zerstören
- AI jetzt, nicht später
Quelle: Weerapat1003 / Dreamstime.com
Wegbringen:
Zwei der größten Technologietrends - maschinelles Lernen und Cloud - schließen sich zusammen und sorgen mit Sicherheit für einige Innovationen (und Störungen) im Unternehmen.
Ein Großteil der kurzen Geschichte der Cloud war vom Wettlauf um die Bereitstellung von Massencomputer- und Speicherdiensten zum niedrigsten Preis gekennzeichnet. Der Gedanke war, dass das Unternehmen, sobald es sich an die Cloud als billigere Alternative zur herkömmlichen Dateninfrastruktur gewöhnt hat, spezialisiertere Services nutzen wird, die höhere Einnahmen generieren.
Auf dem Weg ins neue Jahr scheint sich diese Strategie besser auszuzahlen, als die meisten Menschen erwartet hatten. Das Unternehmen ist nicht nur zunehmend bereit, kritische Workloads in die Cloud zu verlagern, sondern versucht auch, ein immer vielfältigeres Portfolio an intelligenten und kognitiven Diensten zu erschließen, die derzeit nur in der Cloud verfügbar sind.
Beschleunigtes Lernen
Ein Beispiel hierfür sind die P3-Instanzen von Amazon, die das Unternehmen kürzlich mit der neuen Nvidia Volta-GPU aufgerüstet hat. HPC Wire weist darauf hin, dass Amazon die aktuelle Pascal-Beschleunigerreihe zugunsten des Volta 100 umgeht, der für Anwendungen wie Deep-Learning-Training und Inferenz den 12-fachen Durchsatz des Pascal bietet. Jede P3-Instanz wird jetzt vom Intel Xeon E5 und bis zu acht V100 unterstützt, von denen jede mehr als 5.000 CUDA-Kerne plus 640 Tensorkerne bietet, um mehr als 125 Teraflops und eine Performance mit gemischter Präzision zu liefern. P3-Instanzen sind derzeit in den Regionen Ost und West der USA sowie in der EU und im asiatisch-pazifischen Raum über Kauf auf Abruf oder reservierte Preise oder Spotpreise erhältlich.
Währenddessen wendet Google seine KI-Kompetenz auf maßgeschneiderte Lösungen für Schlüsselbranchen wie das Gesundheitswesen zu. Das Unternehmen knüpft über seine Launchpad Studio-Plattform für maschinelles Lernen enge Beziehungen zu wichtigen Anwendungsentwicklern, um Start-ups zu fördern, die das Potenzial haben, etablierte Geschäftsprozesse je nach Sichtweise erheblich zu verbessern oder zu stören. Zu den ersten Nutzern zählen Augmedix, das die Google Glass-Plattform zur Automatisierung der Verschreibungsverarbeitung verwendet, und BrainQ, das neuronale Netze und maschinelles Lernen verwendet, um die Behandlung von Hirn- und Wirbelsäulenverletzungen anzupassen. Weitere Projekte umfassen Fortschritte in der Plug-and-Play-Technologie für tragbare Geräte und verbesserte Bildverarbeitungsfunktionen, die Forschern helfen können, die Biomechanik von Infektionen zu verstehen. (Erlernen Sie die Grundlagen des maschinellen Lernens in Machine Learning 101.)
Für ein Unternehmen wie Microsoft, das sowohl in der Cloud als auch im Rechenzentrum stark vertreten ist, ist AI ein effektives Tool, mit dem Kunden die Hybridinfrastruktur optimal nutzen können. EWeek berichtet, dass das Unternehmen der SQL Server 2017-Plattform AI-Funktionen hinzugefügt hat, zusammen mit Linux-Unterstützung und DevOps-freundlichen Anwendungs- und Container-Tools. Gleichzeitig steht die Azure-Cloud zur Verfügung, um in einer Strategie, die General Manager John Chirapurath als „Daten plus KI“ bezeichnet, hohe Arbeitslasten zu bewältigen. Ziel ist es, Dienste wie Azure Machine Learning für die Unterstützung von Hadoop und anderen Big-Data-Workloads zu nutzen, damit das Unternehmen die IoT- und Digital-Transformationsstrategien für die Infrastruktur, die für seine Anforderungen am besten geeignet ist, schnell ausbauen kann. (Weitere Informationen zu Big Data in der Cloud finden Sie in The Cloud: Das ultimative Tool für den Erfolg von Big Data.)
Sogar die führenden Unternehmen in den Preiskämpfen der Vergangenheit erkennen allmählich die Vorteile eines intelligenteren Servicelevels. Der Speicherspezialist Box hat kürzlich das neue BoxSkills-Framework vorgestellt, mit dem Kunden den Wert der Daten steigern können, die sie in Box-Repositorys gespeichert haben. Das System verwendet maschinelles Lernen und andere Tools, um Metadaten zu verwalten, Workflows auszulösen, Richtlinien zu verwalten und eine Vielzahl anderer Funktionen auszuführen, um einfachen Massenspeicher in ein funktionales Geschäftsobjekt zu verwandeln. Die wichtigsten Lösungen der neuen Plattform sind Bild-, Audio- und Video-Intelligenz, die den hochgeladenen Inhalt für eine verbesserte Suche und Abfrage erweitert, sowie das Box-Graph-Tool, das kontinuierlich die Interaktion von Personen und Inhalten lernt, um prädiktivere, individuellere und konualisiertere Erlebnisse zu ermöglichen .
Keine Bugs, kein Stress - Ihre schrittweise Anleitung zur Erstellung lebensverändernder Software, ohne Ihr Leben zu zerstören
Sie können Ihre Programmierkenntnisse nicht verbessern, wenn sich niemand um die Softwarequalität kümmert.
AI jetzt, nicht später
Natürlich wird das Unternehmen mit der Zeit wahrscheinlich seine eigenen KI-Funktionen ausbauen. Dies wird jedoch aufgrund der normalen Aktualisierungszyklen verschiedener Hardware- und Softwareplattformen einige Zeit in Anspruch nehmen. Die Cloud liefert jetzt KI, und dies sowohl in Bezug auf den Umfang als auch auf den Preis, so dass selbst kleine Unternehmen anfangen können, Daten so zu verarbeiten, als wären sie Mitglieder der Fortune 100.
Da Unternehmen von digitalen Diensten nicht nur als Mehrwert für bestehende Produkte, sondern auch als Hauptumsatzträger abhängen, hängt es davon ab, wie gut sie die ihnen zur Verfügung stehenden Daten nutzen können, um einen Wettbewerbsvorteil zu erzielen. Und da die bereits auf Rekordniveau befindlichen Volumes erneut explodieren werden, kann nur ein intelligentes, automatisiertes und hoch orchestriertes Analyse-Ökosystem mit der Last Schritt halten.
Für das Unternehmen ist KI in der Cloud derzeit die einzig praktikable Option. Dies gilt sowohl für die Geschwindigkeit, mit der intelligente Funktionen bereitgestellt werden müssen, als auch für den Umfang, in dem sie voraussichtlich eingesetzt werden. Und je intelligenter die Cloud wird, desto attraktiver ist sie für die Arten von Workloads, die für Datendienste der nächsten Generation erforderlich sind.