Hoewel voorlopig slechts 4% van de CIO’s AI-projecten op de planning heeft staan, schat onderzoeksbureau Gartner dat AI de komende jaren spectaculair zal groeien. Dat heeft ook een impact op de infrastructuur van organisaties, die vandaag almaar meer voor cloud kiezen, zoals Microsoft Azure of Google Cloud. De data die door AI-motoren worden verwerkt tot nieuwe inzichten, wordt vaak lokaal gecreëerd door machines en sensoren. De uitdaging bestaat erin om de vele informatie eenvoudig te verwerken.
De motor van Bombardier’s C Series jetliner telt liefst 5.000 sensoren die samen 10 GB of per seconde genereren. Daar kun je héél veel intelligentie uithalen, onder meer voor predictive maintenance, maar zo’n massa gegevens over het internet naar de cloud sturen is geen goed idee. AI smeekt in zo’n gevallen naar lokale dataverwerking, eventueel via een krachtige, lokale component als logische extensie van je AI en IoT suite in de cloud. Een component aan de rand van je netwerk die de ‘edge’ slimmer maakt en AI mogelijk maakt.
Deep learning
Met de nieuwe Cisco UCS C480 ML heeft Cisco een server specifiek voor dat doel ontworpen en past perfect in het eigen datacenter van bedrijven. Met de nieuwe processoren van Nvidia in de Cisco UCS C480 ML kunnen de AI-modellen die voorheen weken nodig hadden om hun bronnen te berekenen, nu in enkele uren tijd getraind worden.
Daarmee maakt de superkrachtige UCS C480 ML zelfs deep learning mogelijk, een intensieve vorm van machine learning die neurale netwerken en grote datasets gebruikt om computers te trainen in complexe taken. Data scientists en ontwikkelaars kunnen dan wel experimenteren met machine learning op een laptop, maar deep learning op een voldoende grote schaal vereist een veel grotere rekenkracht.
AI voor fraudedetectie in financiële sector
Het belangrijke voordeel is dat je de UCS C480 ML-server volledig naar je hand kunt zetten en je AI-projecten kunt programmeren en beheren. De eerste pilootprojecten met deze server, in de financiële sector, gingen aan de slag met fraudedetectie en trading op basis van algoritmes. Klanten uit de zorgsector denken aan verbeterde diagnostiek, beter classificeren van medische beeldvorming en versnellen van medisch en farmaceutisch onderzoek.
Intensieve samenwerking met Google
Verschillende machine learning motoren zoals Anaconda, Cloudera en Hortonworks zijn compatibel met de UCS C480. Klanten die al gebruik maken van Kubeflow, Googles opensource machine learning project dat op de Kubernetes Engine draait, kunnen met de nieuwe server prima schakelen tussen on-premise installaties en machine learning toepassingen in Google Cloud. Dat geeft de nodige flexibiliteit en eenvoud die gebruikers van cloud gewend zijn.
Authors
