Watson Machine Learning versnelt AI op IBM Power Systems

IBM biedt meer AI-mogelijkheden van IBM Watson samen met de AI-infrastructuur van IBM Systems om de barrières voor AI-acceptatie door bedrijven weg te nemen. Hiervoor is de Watson Machine Learning Accelerator (WML Accelerator) gelanceerd, een nieuw stuk Watson Machine Learning (WML), ontworpen om ondernemingen te helpen bij het trainen en implementeren van machineleermodellen die zijn gebouwd in IBM Watson Studio en worden gemonitord met IBM Watson OpenScale. Dit meldt IBM op de Think 2019 conferentie in San Francisco.

De kracht van de AI-strategie ligt volgens IBM in de manier waarop het AI van begin tot eind benadert, inclusief de overtuiging dat de basis van AI werkt op goede geoptimaliseerde hardware en software. Wanneer klanten gebruik maken van speciaal gebouwde infrastructuur die is ontworpen, geoptimaliseerd en versneld voor AI, openen ze zichzelf voor potentiële prestatieverbeteringen die hun bedrijf kunnen helpen om snellere inzichten te bereiken en grotere AI-projecten op ondernemingsschaal te ondersteunen aldus IBM.

Eerder zijn prestatiemogelijkheden van IBM SnapML-machine learning library op IBM Power Systems-servers getoond die het opneemt tegen Google Cloud . Sindsdien hebben IBM-onderzoekers hard gewerkt om van SnapML een betere tool voor de onderneming te maken. Door nieuwe automatiseringsfuncties te integreren, maakt IBM machinaal leren toegankelijker voor zakelijke gebruikers die mogelijk niet over ninja-gegevenswetenschappers beschikken om tijdrovende, maar noodzakelijke taken in de machine-leerworkflow, zoals modelselectie en afstemming van hyperparameters, te verminderen. Door zich te verschalen in een cluster en op te schalen over veel-core CPU's en krachtige moderne GPU's, is SnapML ontworpen om tijdig een nauwkeurig model en de hyperparameterconfiguratie te identificeren om bedrijven mogelijk een voorsprong op de concurrentie te geven zo beweert IBM

Met deze nieuwe tools creëerde IBM Research een SnapML-gebaseerd automatisch machinaal leren framework en draaide het over vijf datasets die zakelijke use cases illustreerden: zoals het voorspellen van de waarschijnlijkheid van een reiziger bij het missen van zijn vlucht, het voorspellen van de kans dat iemand op een online advertentie klikt, het voorspellen van het optimale salaris voor een sollicitant, en in een leukere maar meer rigoureuze dataset, waarmee de waarschijnlijkheid wordt voorspeld dat vijf willekeurige speelkaarten een geldige pokerhand blijken te zijn.

De op SnapML gebaseerde framework is uitgevoerd op een cluster van vier IBM Power Systems AC922-servers, elk uitgerust met twee 20-core IBM POWER9 CPU's en vier GPU's. Ter vergelijking, twee toonaangevende open source geautomatiseerde machine learning frameworks werden geïmplementeerd op exact dezelfde configuratie. Op basis van onze eigen interne waarnemingen, zagIBM dat het op SnapML gebaseerde framework in staat was om een ??specifiek nauwkeurigheidsniveau van 10x of sneller te bereiken dan de vergeleken concurrerende frameworks in alle vijf datasets zo beweert Big Blue.

IBM gelooft dat een cross-IBM AI-strategie zijn klanten het beste positioneert om overal AI te leveren. Met WML Accelerator is het de eerste keer dat IBM een geïntegreerde AI-oplossing heeft ontwikkeld voor IBM Watson en IBM Power Systems, waarmee IBM de beste AI-software verenigt met de beste AI-hardware van IBM.

In een poging om AI overal beschikbaar te maken, kondigt de vendor ook IBM Cloud Private (ICP) aan voor gegevens over IBM Power Systems met IBM Storage. In combinatie met Watson op ICP voor Data zegt IBM mogelijkheden te openen voor klanten om AI te gebruiken, waar ze het willen, wanneer ze het willen, en met gedifferentieerde prestaties om hen een concurrentievoordeel te geven.