您好,欢迎访问厚学网!

全新Watson Machine Learning Accelerator助力机器学习训练,速度超越竞争对手46倍

分类:科技云 浏览数:12 2019-02-19 11:24 IT观察网 编辑: 厚学

  现如今,很多企业希望借助人工智能技术推动业务价值的增长,这一目标需要通过构建由人工智能优化的硬件和软件组成的基础设施来实现,从而突破性能障碍并随时随地提供人工智能相关洞见。

  虽然人工智能引发企业变革已不再是幻想,但其技术应用和普及仍然面临着巨大的阻碍,其中最大的挑战是大多数组织和机构内部目前缺乏开拓人工智能相关技术的能力。据Gartner 2019年针对首席信息官做的相关调查显示,当问及组织机构应用人工智能所主要面临的三大挑战时,有54%的受访者认为是“员工缺乏必要的技能”,另有27%的受访者则认为是“将人工智能与现有基础设施融合的复杂性较高”。

  IBM也曾收到过类似的客户反馈,这正是IBM今天将Watson人工智能能力与IBM Systems的人工智能基础设施结合起来的原因所在——帮助企业减少人工智能应用过程中所面临的阻碍。我很高兴可以为大家展示全新的Watson Machine Learning Accelerator(WML Accelerator),这是一款全新的Watson Machine Learning(WML)产品,旨在帮助企业训练和部署内置于IBM Watson Studio中的机器学习模型,并采用IBM Watson OpenScale进行监测。

  让企业机器学习“易如反掌”

  IBM人工智能战略的强大之处在于我们实现了端到端的全方位的人工智能,践行了“人工智能的基础在于相互优化的硬件和软件紧密配合”这一理念。当客户使用专为人工智能设计、优化和加速的基础设施时,可同步了解到其性能提升的潜力,这将有助于企业更快地获得洞察价值,从而支持更大规模的企业级人工智能项目。

  在IBM Think 2018时,我们成功验证过这套策略的强大优势,当展示运行在IBM Power Systems服务器上的IBM SnapML机器学习库的性能时,结果显示Snap ML机器学习库在以广告为主的数据集上运行机器学习,以46倍[1]超过谷歌云(Google Cloud)的速度创下了万亿级数据集的全新纪录。

  自此,IBM研究人员一直努力改进,从而使Snap ML成为一个为企业所用的更优工具。通过集成新的自动化功能,IBM使那些暂时没有配备如忍者数据科学家(ninja data scientists)的企业用户可以更容易地使用机器进行学习,减少机器学习流程中时间密集却又必不可少的任务类型(例如模型选择和超参数调整等任务)的数量。通过跨集群扩展,以及跨多核CPU和功能强大的现代CPU的扩展,Snap ML能够及时识别精确的模型及其超参数配置,从而帮助企业获得潜在的竞争优势。

  伯明翰大学研究计算基础设施架构师Simon Thompson表示:“很多用户并没有意识到开源机器学习目录到底有多么庞大,以及要为特定数据或预期结果找到合适工具有多么困难。SnapML的自动化模型和数据库选择功能极大地缩短了破解上述难题所需的时间,从而使用户可以更快速地开始机器学习训练。”

点击分享到:

版权与免责声明:

凡未注明"稿件来源"的内容均为转载稿,本网转载出于传递更多信息的目的;如转载稿涉及版权问题,请作者联系我们,同时对于用户评论等信息,本网并不意味着赞同其观点或证实其内容的真实性;


本文地址:http://www.jingtian.org/news/2019/02/19/923293880.html

转载本站原创文章请注明来源:厚学网