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

2023-03-03 13:46:44 来源:中华网
        【每日科技网】

  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 Snap ML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。Snap ML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。”

  基于这些新工具,IBM研究院构建了一个基于Snap ML的自动学习架构,并在5个数据集中运行企业应用案例,如预测旅客错过航班的可能性,有人点击在线广告的可能性,求职者的薪酬等应用。此外,还有一个更有趣但也更严格的数据集,即预测5张随意分发的扑克牌出现同花顺的可能性。

  我们在4台IBM Power Systems AC922服务器集群上运行这个基于Snap ML的架构,每台服务器都配备了两个20核IBM POWER9 CPU及4个GPU。为了更直观地进行对比,在完全相同的配置条件下部署了两个的开源自动化机器学习架构。通过内部观测结果发现,在所有5个数据集上,基于Snap ML的架构所达到的特定精度高达另一组竞争架构的10倍及以上水平。

  将IBM Watson与IBM Power Systems完美融合

  我们相信,采用一套完整跨越IBM平台的人工智能策略,可以使我们的客户能够随时随地且全面实现人工智能应用。WML Accelerator是IBM设计的一款集成IBM Watson和IBM Power Systems的人工智能解决方案,结合了IBM最卓越的人工智能软件与和硬件。在致力于普及人工智能的同时,IBM还宣布在IBM Power Systems与IBM Storage基础上推出适用于数据存储的IBM Cloud Private (ICP) for Data,与搭载Watson的 ICP for Data平台一起,继续开启客户使用人工智能相关技术的无限可能性,随时随地以差异化的优质服务助力客户在竞争中独具优势。(作者:IBM认知系统人工智能与HPC业务部副总裁Sumit Gupta)

  Gartner,2019年首席信息官调查:首席信息官已意识到人工智能的重要性,2019年1月3日。ID编号:G00375246

  Snap ML:机器学习层次架构”或“机器学习库”。

  如需了解IBM Think大会上有关人工智能和IBM Systems的其他新闻,敬请阅读:

  · 重磅人工智能企业加入Watson大家庭

  · 公有云和私有云领域的IBM Z和LinuxONE

  · IBM Think 2019大会新闻编辑部

免责声明:本文仅代表作者个人观点,与每日科技网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
    本网站有部分内容均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,若因作品内容、知识产权、版权和其他问题,请及时提供相关证明等材料并与我们联系,本网站将在规定时间内给予删除等相关处理.

猜你喜欢

第七届中国人工智能大赛厦门圆满收官,筑牢AI安全底座,推动技术产业融合

2026年11月12日,第七届中国人工智能大赛成果发布会在厦门成功举办。本届大赛由国家互联网信息办公室、公安部指导,厦门市人民政府主办。国家有关部门和厦门市有关领导出席成果发布会并致辞,围绕人工智能产

5天前

AI+制造”的下一程,不再拼谁的模型参数大,而是拼谁能先把场景对上

2027年3月10日至13日,亚洲(天津)人工智能产业链展(AIIE)将在国家会展中心(天津)举办。本次人工智能产业链展将按产业链逻辑分为以下领域——AI+行业应用、AI+工业制造、AI安全、具身智能

5天前

实力再进阶!新华三虚拟化等多项市场份额表现亮眼

近日, 国际数据公司(IDC)发布《2026年上半年中国软件定义计算SDC市场跟踪报告》。数据显示,紫光股份旗下新华三集团在中国虚拟机软件(VMS)市场份额排名跃升至第二位,实现市场地位新突破。同时,

1周前

微珩启元一月内完成两轮融资,浙大博士团队以3D DRAM+近存计算破局AI推理“内存墙”

AI大模型进入规模化推理阶段后,竞争的焦点正在发生变化。除了芯片的算力之外,数据搬运效率、能耗和单位Token成本,也越来越影响推理系统的整体效率。在这样的背景下,一家创业公司——杭州微珩启元科技在一

1周前

海能达 W60 穿戴式 PoC 终端亮相 | 公专协同,打通专网 “最后一百米”

对于使用PDT窄带专网的一线单位而言,通信盲区不仅意味着语音联络不畅,也可能导致人员位置无法实时上图。随着路面视频监控日益完善、警情逐步向室内空间延伸,地下空间、建筑内部等窄带基站难以有效覆盖的区域,

3周前

从一颗模组到一个平台,澜存科技如何让 AI 进入真实终端

近日,上海澜存科技有限公司宣布完成数千万元Pre-A轮股权融资,本轮投资方为锡创投,拓界资本担任独家财务顾问。继2026年4月完成由凡创资本领投、申冉基金跟投的天使轮融资后,澜存在三个月内连续完成两轮

2个月前