AI har vuxit ur labb-miljöerna. Men det som fungerar inom labb-miljöer kan ofta visa sig utmanande inom den dataintensiva och tidskritiska affärsvärlden, vilket beror på brist på prestanda och nyckelkompetenser. Men mycket händer och utvecklas framåt.
Dagens CIO:er har till uppgift att utveckla en strategi för effektiv digital transformation och modernisera datacentret för den uppgiften. En injektion inom detta område kan vara en ökad användning av artificiell intelligens (AI) som kan accelerera innovation, möjliggöra avgörande konkurrensfördelar eller till och med öppna upp för nya intäktsströmmar.
Detta medför dock mer än endast tekniska frågeställningar; sökandet efter nyckelkompetenser inom AI kan visa sig utmanande. Analys- och konsultföretag understryker vikten av AI för CIO:er:
– AI-modeller förbättrar personalplanering, prognoser för efterfrågan och gör det möjligt att ta fram simuleringar som tidigare var otänkbara, säger Anand Rao, AI-chef på PwC. Han menar att AI-tekniken är den största faktorn bakom den här framgången.
Studien AI index publicerad av Universitetet i Stanford visar på en signifikant ökning av AI-applikationer.
– Den dramatiska ökningen inom AI det senaste året har påverkat både sociala och ekonomiska områden för applikationer, säger Jack Clark, en av medförfattarna av studien. Även han påpekar att i huvudsak förbättringar inom AI som den avgörande faktorn bakom denna utveckling.
Nya teknologier sätter nya standarder
Många av dessa nya teknologier baseras på användningen av ny mjukvara, såväl som NVIDIAs grafikprocessorer (GPU:er). Vid sidan av sofistikerade program har dessa GPU:er blivit en central del av modern, högpresterande databehandling (HPC) och har blivit inkorporerade i massiva, extremt skalbara datacenters.
GPU:er accelererar en mängd olika applikationer, allt från kryptering, hantering av nätverk till dataanalys och det senaste inom AI. Ytterligare en faktor för främjandet av denna beräkningskraft är CUDA – NVIDIAs plattform för parallellberäkningar. Detta utvecklingsverktyg har sedan 2007 steg för steg vässats för att hjälpa programmerare att dra nytta av beräkningskraften i GPU:er för generella beräkningar, inklusive GPU-accelererade bibliotek, kompilatorer och utvecklingsverktyg.
Accelererade beräkningar för tunga applikationer
Utifrån dessa grundläggande teknologier har NVIDIA utvecklat ett antal lösningar för datacenters med höga prestandakrav.
– Vår accelererade beräkningsplattform gör det möjligt att köra olika traditionella och moderna applikationer som en del av en gemensam högpresterande, kostnadseffektiv och skalbar infrastruktur, förklarar David Hogan, ansvarig för företagsmarknaden på NVIDIA.
Plattformen stödjer en omfattande svit av mjukvara som kan maximera produktiviteten på så kort tid som möjligt, samt är väldigt enkla att integrera om de industristandardiserade ramverken för IT och DevOps är på plats. NVIDIAs accelererade beräkningsplattform används också i allt högre utsträckning för att accelerera nästa generations arbetslaster. För att ytterligare öka prestanda har NVIDIA utvecklat en mjukvarudefinierad och hårdvaruaccelererad stack.
Den här plattformen med dess funktioner möter de utmaningar dagens CIO:er ställs inför.
– Den här plattformen med dess funktioner möter de utmaningar dagens CIO:er ställs inför, som behöver en modern, gemensam infrastruktur för beräkningar för allt mellan mjukvarudefinierade datacenter och edge system, tillägger David Hogan.
Han pekar också på att allt detta behöver leverera den funktionalitet, såväl som prestanda, säkerhet och skalbarhet, som krävs för att köra nästa generations arbetslaster.
Allt detta gäller speciellt moderna AI-applikationer.
– AI och maskininlärning har för länge sedan lämnat labbet och flyttat in i företagens datacenter, i varje bransch och i varje region, säger Jensen Huang, grundare och vd för NVIDIA.
AI-applikationer: Mer än någonsin, snabbare än någonsin
Det potentiella området var man kan applicera datacenter- och AI-tekniker är mycket brett. Till exempel att sätta upp möjligheter för distansarbete och videokonferenser. Detta kräver ett antal kraftfulla egenskaper för att förbättra användarupplevelsen och möjligheten för samarbeten. NVIDIA Maxine är ett SDK som kan användas för att utveckla och implementera AI-funktioner för videokonferenser.
Maxine kommer med ett antal egenskaper, som till exempel aktiv brusreducering, realtidsöversättning och textning, och till och med avatarer med naturliga ansiktsuttryck. Även andra möjligheter för språk, bild och lingvistik utgör en ny nivå av kvalitet för personsanpassade och naturliga konversationer.
Ett annat område är rekommendationer inom e-handel. För några av de största e-handelsföretagen, exempelvis, ligger rekommendationer bakom 30 procent av försäljningen. Redan med en förbättring på en procent i rekommendationernas relevans kan resultera i miljarder i ökad försäljning.
Att förebygga bedrägerier är ytterligare ett applikationsområde. American Express har samarbetat med NVIDIA för utveckla modeller som för med sig att bedrägerianalyser kan genomföras både snabbare och säkrare.
– Våra bedrägeri-algoritmer övervakar idag varenda transaktion inom American Express, över hela världen i realtid. Ett beslut om bedrägeri fattas på två millisekunder, säger Manish Gupta, chef för ML- och dataforskning inom American Express, angående denna lösning.
Nu är rätt tid att agera
Eftersom tiden är avgörande är David Hogans budskap till IT-managment att agera nu:
– Det är dags för CIO:er att integrera AI-baserade lösningar i sina digitaliseringsstrategier. Under tiden har framåtblickande CIO:er redan implementerat AI-först-strategier när de skapar helt nya affärsmodeller. Som ett resultat uppstår ett gap mellan ledare och icke ledare som bara växer, resonerar han.
För att ta sig fram inom området är det viktigt med pålitliga partnerskap. NVIDIA, till exempel, är ett företag som redan stödjer många företag av olika storlekar på deras AI-resor genom att förse dem med accelererade beräkningsplattformar till deras datacenter, vilket ligger till grund för de högsta kraven på AI.
