將此篇文章跟 Facebook 上的朋友分享將此篇文章跟 Plurk 上的朋友分享將此篇文章跟 Twitter 上的朋友分享列印轉寄
2019/6/4

傳統基礎架構非為AI原生 孤島式方案管理成挑戰

多方案滿足AI時效需求 數位變革需仰賴正確配置

余采霏
人工智慧雖然已經落地台灣產業,但仍屬於前期應用階段,企業在AI的旅程中仍遇到許多挑戰,首當其衝便是基礎架構。由於現有的基礎架構並不是為了AI而生,企業必須要有新的架構方式來加以應用。


根據戴爾科技集團與VansonBourne共同進行的調查,在全球3,800名受訪企業領導人當中,有80%的企業將在五年內投資先進人工智慧(AI)技術。隨著各界對AI持續熱烈關注,IDC認知/人工智慧系統研究總監David Schubmehl也建議每個產業與企業都該評估AI,研究AI對業務拓展以及進入市場效率的影響。根據IDC預測,2019年有40%的數位轉型計畫都將採用AI服務,預計到了2021年,有75%的企業應用都會採用AI。

台灣Dell EMC技術副總經理梁匯華認為,人工智慧雖然已經落地台灣產業,但仍屬於前期應用階段,包含製造業、醫療業等,均還未見大規模部署。「現今企業在AI的旅程中仍遇到許多挑戰,首當其衝便是基礎架構。」他提到,AI夠快的價值實現時間(Time to Value)需要有高效的基礎架構來支撐,但問題是,企業現有的基礎架構並不是為了AI而生,除了需要克服大量非結構化資料的存取與分析需求之外,AI演算法與軟體框架也需要藉由圖形處理器(GPU)、Google TPU(Tensor Processing Unit)、FPGA(可程式化邏輯閘陣列)等加速器或AI晶片來加速運算,但傳統的基礎架構在原生設計時,並沒有將其考量在內,使得價值實現時間太久,企業必須要有新的架構方式來加以應用。

梁匯華解釋,處理器並不是無法執行AI模型訓練,只是採用傳統架構來運行時,因為運算時間太久,使得結果沒有意義,舉例而言,製造業採用自動光學檢查時,若是需要等到三小時後才知道有瑕疵,很可能造成整批產品都是不良品,必須丟棄,但如果運用加速器或AI晶片將時間縮短到2秒以內反應,便可以即時調整,進而提升良率。這便是為何在提及人工智慧的應用時,多半會建議企業打造AI專屬架構進行模型訓練或是推論應用的原因,主要便在於傳統的基礎架構無法滿足Time to Value的要求。

多方案滿足三層次架構要求

▲台灣Dell EMC技術副總經理梁匯華指出,為了讓不同規模的企業預見更好的業務成果,Dell EMC提出三種基礎架構配置方案供企業選擇。
為了讓不同規模的企業預見更好的業務成果,Dell EMC推出AI就緒解決方案(Ready Solutions for AI),這是專為Hadoop機器學習以及NVIDIA深度學習而設計,能簡化AI導入,提供更快速、更深入的洞察。企業將不必再個別購買產品自建解決方案,AI就緒解決方案已經將AI框架、函式庫,以及運算、網路和儲存進行了最佳化的設計與搭配,而且涵蓋諮詢、部署、支援以及教育訓練,進而協助客戶快速採用與優化其AI環境,確保最佳系統效能,將停機時間降至最低。

台灣Dell EMC技術副總經理梁匯華指出,AI就緒解決方案主要是針對只想在AI軟體框架領域中把關注的事情做好,但同時又不想要採用雲端服務的企業,這套方案已從運算、儲存、網路到軟體框架的安裝以及服務,全都包含在內。對資料科學家來說,只要登入並且提交需求,立即就能運作。「但是AI就緒解決方案只是Dell EMC在AI領域提供的解決方案之一。針對已經對AI很有概念,知道如何建構基礎架構的企業,Dell EMC也能提供一時之選的關鍵元件,像是GPU伺服器、Isilon儲存設備,甚至能夠提供VMware、Pivotal解決方案,整合企業現有環境,將AI架構變成雲原生環境。」

另一種解決方案則是針對已對AI基礎架構有些想法但不全面的企業,希望Dell EMC能夠提供一些參考架構或範本,這時便可以採用Ready Bundle的解決方案。假設,企業在導入AI基礎架構的過程中已經採購NVIDIA DGX-1設備,但是對儲存設備搭配有所疑慮,這時Dell EMC就會給予建議,推薦選擇Isilon,由於其已通過DGX-1的驗證,不僅確保相容性而且可以提供參考架構,例如幾台NVIDIA DGX-1設備應該用哪一個型號的Isilon可以得到最大的吞吐量以及效率,都可以提供企業完整建議。 他提到,大部份剛入門的AI企業雖然採購了NVIDIA DGX-1,但多數都是孤島式的建置方案,只要想使用都可以自行登入,但如此一來,便無法進行有效地管理與應用,若是企業的資料量很龐大,資料的儲存與讀取便是一大問題。「曾經在客戶端看到DGX-1搭配簡單的NAS儲存設備來進行檔案的存取,但這種配置架構雖然可行,卻不見得是最有效益的方式,而Dell EMC可以提供參考架構,強化企業投資報酬率。」

跨過「人」的界限共同打造框架

數位化潮流帶來的挑戰日益艱鉅,企業必須更快地行動,採取不同的做法,藉由擷取更多資料價值來因應數位變革。大數據與資料分析已然帶動一波數位變革,而下一波的焦點當屬人工智慧,例如製造業已應用於良率檢測,先藉由小規格的部署找尋AI應用的脈絡。而零售業則用於精準行銷,以往只能被動地從點擊率分析或是從網站Cookie瞭解客戶動向,猜測購買行為,現今則擴大收集層面,例如將社群網路動態也納入分析的範疇。另外,在金融產業,目前已透過機器學習判斷是否為洗錢,除此之外,透過人臉辨識來存提款也頗有進展。而在醫療產業方面,現今各大醫療院所均運用AI相關技術來提升醫療品質,除了作為各種輔助性的診斷之外,常見還用於改善就醫旅程、簡化行政與醫療流程等等。

梁匯華認為,企業在AI的旅程上不僅僅只面臨基礎架構上的挑戰,還包含與企業既有流程或系統的整合,以往企業都是透過人工作業或是手動調整的流程,在加入自動化後,如何加上追蹤(Tracking)機制,用人為介入提升準確率,舉例而言,不少企業覺得現今技術已能讓AI自我學習,但別忘了「垃圾進,垃圾出(Garbage in, garbage out)」,如果資料沒有事先清洗或是沒有人追蹤時,得到的結果極有可能具有很大的偏差。

另外,如何讓準確率、領域知識以及應用,變成可以實現的演算法,也是一大挑戰,企業內部經常會面臨一種情況,具有經驗的人並不知道如何將這樣的經驗變成AI演算法,因此要藉助資料科學家以及供應商,一起打造出適合的軟體框架,更重要的是,要跨過「人」的界限,自動化有可能取代人原有的工作,在這種思維下,便需要透過溝通協調來降低員工的抗拒。

「並不是負面地要求員工把所有的領域知識都貢獻出來,造成心理的不安與擔心,如果能夠讓員工知道這是更有意義與價值的事情,抗拒感與不安感都會降低很多。」他說。

這篇文章讓你覺得滿意不滿意
送出
相關文章
AI基礎架構 打底智慧創新
中信國際電訊 CPC 攜手應科院 共同開發擴增實境技術
Juniper 收購MIST SYSTEMS,強化人工智慧的雲託管無線網路
完整涵蓋資源平台應用 AI落地應先從痛點著手
降低AI導入時間曲線 完整功能框架加速旅程
留言
顯示暱稱:
留言內容:
送出
熱門點閱文章