人工智慧 AI 企業級資訊架構 Information Architecture IA

用IA架構完美實現AI

2019-06-21
企業AI旅程之所以出現瓶頸,主因在於多數人僅關注AI演算法與場景應用,疏於建立好的企業級資訊架構,以致經常礙於無法適時獲取可被信任、可被分析的數據,讓一個個侷限「孤島」運作的AI專案功敗垂成。

近年人工智慧(AI)浪潮銳不可當,應用觸角無所不在且快速擴張,舉凡自駕車、臨床試驗、基於地理位置的廣告、消費者情緒分析、交通流量分析、欺詐預防等等,皆需仰賴AI支撐;因此愈來愈多企業嘗試駕馭 AI,但過程面臨許多挑戰。

深究企業AI旅程之所以出現瓶頸,主因在於多數人僅關注AI演算法與場景應用,雖明知資料是驅動AI的要素,也利用各部門的力量收集各種資料,但疏於建立好的企業級資訊架構(Information Architecture,IA),未能形成統一管理整體資料的流程管線,以致經常礙於無法適時獲取可被信任、可被分析的數據,讓一個個侷限「孤島」運作的AI專案功敗垂成。

完善的IA能夠幫助企業做好四件事。第一是「收集」,可彙集與正規化企業混合多雲環境中的各種資料源,包含遍佈全球的IoT或行動感測器、顧客資料、供應鏈資料或交易系統等等,接著透過 ETL、Spark或Script腳本等標準化分析工具,汲取其中相關資訊,建立單一真相來源。

第二是「準備/組織」,讓企業能運用Hadoop、SPSS、SAS或R等資料科學工具,有效分類與測試汲取到的資料集,透過不斷增加的資料量提升精準度,著手建構模型。第三是「分析/訓練」,易於將模型快速複製並分佈至多個GPU,共享前端資料服務,以提升模型的迭代開發速度。最後則為「推理」,一來透過低延遲API加速儲存與擷取資料,創造最快回應速度,二來藉由容器化部署方式管理工作負載,最終將訓練有素的模型順利佈建到商業流程。經由收集、準備、分析而至推理的層層堆疊,可完美構成一座以資料為基礎的AI成功階梯。

IBM自身也是從IA邁向AI的受惠者,為駕馭每日驟增的巨量資料,整合運用IBM Spectrum Scale、Elastic Storage Server(ESS)等解決方案,打造「IBM Common Enterprise Data Platform」,透過支援端到端混合式企業資料流程的儲存技術,成功打通AI資料流程管線,因而能以比過去快十倍的速度自動產生Metadata,數秒內完成資料查詢,甚至在1秒內回應34,000次API呼叫,進而憑藉這般能量,有效推展客戶分析、業務工具、營運風險、合約洞察等不同主題的多項AI專案。

如今IBM已經運用AI相關儲存方案創造許多成功案例,包括協助華盛頓大學聖路易斯醫學院及Vanderbilt大學影像科學研究所建構大規模深度學習平臺、協助富國銀行打造金融風險模型,更扮演世上第一與第二超級電腦(Summit及Sierra)的幕後功臣,在在證明藉助優異的儲存設備,方能實現最快路徑,加速驅動AI洞察力與商業創新。

<本文作者:于伯琨為IBM硬體系統事業部總經理>


追蹤我們Featrue us

本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多

我知道了!