¿Está su empresa preparada para la Inteligencia Artificial?

By mayo 15, 2018

Estamos en medio de una transformación global que está tocando todos los aspectos de nuestro mundo, nuestras vidas y nuestros negocios. Muchas personas en la industria creen que la inteligencia artificial (IA) es la clave para cambiar fundamentalmente cómo las organizaciones obtendrán información a partir de los datos. Sabemos que la inteligencia artificial cambiará las reglas del juego para nuestros clientes, pero también sabemos que no existe una “solución mágica” para ella. Para la mayoría de nuestros clientes, la IA será un trayecto largo. Esto se demuestra por el hecho de que la mayoría de las organizaciones todavía están en las primeras fases de la adopción de la IA. Considere estos hechos de adopción de la inteligencia artificial de IDC [i]:

  • 31 % de las organizaciones están en descubrimiento / evaluación
  • 22 % de las organizaciones planean implementar IA en los próximos 1-2 años
  • 22 % de las organizaciones están ejecutando ensayos de IA
  • 4 % de las organizaciones ya han desplegado inteligencia artificial.

Nuestra experiencia con los clientes muestra que a medida que una organización adopta una estrategia holística de IA para obtener información de sus datos, es fundamental observar su infraestructura, así como su estrategia de gestión de datos y sus capacidades de inteligencia artificial. Las organizaciones que obtienen el mayor valor de los datos están construyendo sus plataformas de gestión de datos e inteligencia artificial cerca de donde residen los datos, lo que reduce la latencia. Además, están utilizando una infraestructura diseñada específicamente para cargas de trabajo intensivas en datos y computación, como análisis avanzados e inteligencia artificial, además de implementar software optimizado para explotarlo. Al utilizarlo de manera conjunta, maximiza la eficiencia de la implementación y el valor de los conocimientos.

Cuando se trata de implementar IA, las organizaciones a menudo tienen dificultades con los cuellos de botella del rendimiento del servidor y la complejidad del software de código abierto. Para enfrentar estos desafíos, hoy anunciamos innovaciones de software que ayudan a hacer más fácil la adopción de inteligencia artificial y el aprendizaje profundo junto con las nuevas plataformas de hardware diseñadas para esta nueva era (De la inteligencia artificial).

Aquí hay una lista de comprobación rápida para ver qué tan preparado está para el trayecto hacia la inteligencia artificial empresarial:

  • ¿Está probando marcos de inteligencia artificial poderosos que están optimizados para el hardware en el que se ejecutan?
  • ¿Está su hardware optimizado como una plataforma de datos empresariales lista para la IA?
  • ¿Ha implementado plataformas de datos modernas como Hadoop y Spark que pueden ayudarlo a organizar datos no estructurados.

Para que esta plataforma optimizada sea una realidad, hoy IBM PowerAI, le ofrece el mejor juego de herramientas de aprendizaje profundo para la empresa, está disponible en POWER9 y, por primera vez, también está disponible en el sistema operativo Red Hat. Ahora, las empresas de Red Hat pueden aprovechar los marcos de código abierto líderes en la industria y explorar el potencial del aprendizaje profundo distribuido con soporte de modelos mayores. Para apoyar a los clientes en este trayecto, IBM proporciona un soporte empresarial integral para los marcos de aprendizaje profundo. Además, las nuevas actualizaciones de la herramienta AI Vision de PowerAI  permiten una fácil capacitación de las redes de visión por computadora en una “GUI” intuitiva, para que las empresas puedan aprovechar las habilidades de los desarrolladores con las que cuentan para capacitarse de inmediato con visión artificial habilitada para la IA.

““La optimización de TI impulsa la necesidad de plataformas más completas y listas para la empresa que acepten las innovaciones de código abierto más populares y las respalden con la confiabilidad y el soporte que esperan las empresas modernas”, dijo Tim Burke, vicepresidente de ingeniería, infraestructura de sistema operativo y nube- Red Hat  “Los servidores basados ​​en POWER9, que ejecutan las principales tecnologías abiertas de Red Hat, ofrecen una base más estable y optimizada para el rendimiento para el aprendizaje automático y los marcos de inteligencia artificial, lo cual es necesario para las implementaciones de producción. Hoy, nos entusiasma extender nuestra colaboración de más de dos décadas con IBM para incluir PowerAI, que tiene “frameworks” populares como Tensorflow y Caffe, siendo la primera oferta de software de inteligencia artificial comercialmente compatible para nuestra plataforma.”

Para crear una infraestructura optimizada para IA, también anunciamos el próximo en nuestra línea de servidores IBM POWER9: IBM Power Systems LC922 y LC921. Estos servidores nuevos y equilibrados brindan capacidades de cómputo superiores y hasta 120 terabytes de almacenamiento de datos con opciones de almacenamiento híbridas que incluyen HDD, SSD y NVMe para un acceso rápido a grandes cantidades de datos valiosos.

Estos nuevos servidores se unen a una versión actualizada de nuestro servidor AC922 lanzado anteriormente, que ahora presenta las recientemente anunciadas GPU NVIDIA V100 de 32 GB y una memoria de sistema más grande que permite modelos más grandes de aprendizaje profundo para ayudar a mejorar la precisión de las cargas de trabajo de IA.

En esta revolución de TI, colaboramos con los líderes de la industria para llevar la innovación a través de “stacks” de software y hardware específicamente diseñados para avanzar en las capacidades de IA de la empresa.

““Las GPU son la base de los principales avances en IA y aprendizaje profundo en todo el mundo”, dijo Paresh Kharya, gerente de marketing de productos para Accelerated Computing en NVIDIA. “Gracias a la estrecha integración de los procesadores IBM POWER9 y las GPU NVIDIA V100 que NVIDIA NVLink ha posibilitado, las empresas pueden experimentar incrementos increíbles en el rendimiento para cargas de trabajo de uso intensivo de cómputo”.”

La base de ambos servidores es IBM POWER9 CPU, que incluye soporte en chip para la próxima generación de tecnología de interconexión NVLIA NVLink y PCI Express (PCIe) 4.0 para un mayor rendimiento para las transferencias de datos. Estas tecnologías le dan a IBM POWER9 casi 5.6x de CPU mejorada a ancho de banda GPU comparado con x86 [ii], que puede mejorar los tiempos de entrenamiento de aprendizaje profundo hasta casi 4x [iii] [iv].

Las empresas necesitan una plataforma flexible, eficiente y unificada para poner sus datos a trabajar de manera efectiva”, dice Scott Gnau, CTO de Hortonworks. “La plataforma ganadora incluye una arquitectura de datos moderna, que incluye el software core Hadoop y de transmisión por secuencias, así como hardware diseñado para cargas de trabajo con uso intensivo de datos que, en última instancia, generarán rendimientos reales en inteligencia artificial. IBM es el único proveedor que proporciona un enfoque de infraestructura unificada que puede llevar la IA al siguiente nivel “.

Sabemos que el cambio a IA no es fácil, pero IBM se compromete a colaborar con usted en cada paso del camino. Para dar los primeros pasos en su viaje de IA empresarial, regístrese para nuestro próximo seminario web (en inglés) y conozca más sobre nuestras capacidades de inteligencia de negocios de IBM Power Systems.

 

[i] IDC, When Computing Becomes Human: Automation, Innovation, and the Rise of the All-Powerful Service Provider, doc #DR2018_GS4_MB, February 2018

[ii] Results are based on IBM Internal Measurements running the CUDA H2D Bandwidth Test

Hardware: Power AC922; 32 cores (2 x 16c chips), POWER9 with NVLink 2.0; 2.25 GHz, 1024 GB memory, 4xTesla V100 GPU; Ubuntu 16.04. S822LC for HPC; 20 cores (2 x 10c chips), POWER8 with NVLink; 2.86 GHz, 512 GB memory, Tesla P100 GPU 

Competitive HW: 2x Xeon E5-2640 v4; 20 cores (2 x 10c chips) / 40 threads; Intel Xeon E5-2640 v4; 2.4 GHz; 1024 GB memory, 4xTesla V100 GPU, Ubuntu 16.04[iii] Results of 3.7X are based IBM Internal Measurements running 1000 iterations of Enlarged GoogleNet model (mini-batch size=5)  on Enlarged Imagenet Dataset (2560×2560). Hardware: Power AC922; 40 cores (2 x 20c chips), POWER9 with NVLink 2.0; 2.25 GHz, 1024 GB memory, 4xTesla V100 GPU; Red Hat Enterprise Linux 7.4 for Power Little Endian (POWER9) with CUDA 9.1/ CUDNN 7;. Competitive stack: 2x Xeon E5-2640 v4; 20 cores (2 x 10c chips) /  40 threads; Intel Xeon E5-2640 v4;  2.4 GHz; 1024 GB memory, 4xTesla V100 GPU, Ubuntu 16.04. with CUDA .9.0/ CUDNN 7 Software: Chainverv3 /LMS/Out of Core with patches found at https://github.com/cupy/cupy/pull/694 and

https://github.com/chainer/chainer/pull/3762[iv] Results of 3.8X are based IBM Internal Measurements running 1000 iterations of Enlarged GoogleNet model (mini-batch size=5) on Enlarged Imagenet Dataset (2240×2240). Power AC922; 40 cores (2 x 20c chips), POWER9 with NVLink 2.0; 2.25 GHz, 1024 GB memory, 4xTesla V100 GPU ; Red Hat Enterprise Linux 7.4 for Power Little Endian (POWER9) with CUDA 9.1/ CUDNN 7;. Competitive stack: 2x Xeon E5-2640 v4; 20 cores (2 x 10c chips) /  40 threads; Intel Xeon E5-2640 v4;  2.4 GHz; 1024 GB memory, 4xTesla V100 GPU, Ubuntu 16.04. with CUDA .9.0/ CUDNN 7.  Software: IBM Caffe with LMS Source code https://github.com/ibmsoe/caffe/tree/master-lms

¿Desea hablar con un especialista?

0 Print

[autopilot_shortcode]