The Forrester Wave: 「マルチモーダル予測分析と機械学習、2020年第3四半期」をお読みください。
データとAIのプラットフォームでディープ・ラーニングを行う理由
コンピューティング、アルゴリズム、データ・アクセスの進歩により、企業は、音声認識、自然言語処理、画像分類を通して洞察を抽出・拡張するために、ディープ・ラーニングをより広く採用しています。ディープ・ラーニングでは、大規模に、テキスト、画像、音声、動画を解釈し、推奨エンジン、感情分析、金融リスク・モデリング、異常検知のパターンを生成することができます。 - コンピューティング、人員、アプリをクラウド全体で動的にスケーリングする。
ネットワークをトレーニングするためのレイヤー数とデータ量が増えるため、ニューラル・ネットワークを処理するには、高い計算能力が求められます。さらに、企業は複数の部門で個別に実施されたディープ・ラーニング実験の結果を示すことに苦心しています。IBM Watson Studio on IBM Cloud Pak for Dataのディープ・ラーニング機能であるIBM Watson® Machine Learning Acceleratorは、以下のように企業を支援します。
- 透明性と可視性を維持しながら大規模なデータ・セットとモデルを管理/統合する。
- エッジからハイブリッドクラウドまでのリアルタイム・データを使用して、モデルを継続的に適応させる。
- より高速なトレーニングと推論により、クラウドとAIへの投資を最適化する。
メリット
ディープ・ラーニングの結果を出すまでの時間の短縮
初期プロトタイプからエンタープライズ全体まで、モデルをより素早く構築します。ディープ・ラーニング・ワークロードを高精度でトレーニングして導入するための時間を短縮します。
AIを活用した洞察と予測のスケーリング
統合されたデータとAIのサービスにより、情報アーキテクチャーを活用します。アプリケーションのディープ・ラーニング・モデルを、コンテナ化されたハイブリッドクラウドの基盤に導入します。
AIとクラウドへの投資の簡素化
あらゆる場所でデータとモデルの導入を統合します。ワークロード要求に合わせて調整されたGPUとCPUの割り当てを共有し最適化します。
モデルの使用拡大と正確さの向上
大規模で高解像度の画像処理を高速化します。自動スケーリングにより、スループット、待ち時間、可用性を改善します。
システム使用とレジリエンシーの向上
マルチテナンシーにより、複数の事業部間での使用や企業全体での使用を促進します。弾力的な分散トレーニングと推論により、GPUリソースを最大限に使用します。
基幹業務のAIワークロードの管理と保護
データの準備からモデルの導入まで、透過性と可視性を向上させます。コンプライアンス、法律、セキュリティー、企業評価のリスクを軽減することもできます。
注目の導入事例
- 病気の診断、公共の安全、ソーシャル・メディアのための画像分類
- コール・センター管理、モバイル・アプリ、自動テキスト化のための音声テキスト化認識
- 異常と不正の検知、自動文書検証とサイバーセキュリティーのための光学式文字認識(OCR)
- コンプライアンス、信用評価、ポートフォリオ管理のための財務リスク・モデリング
- 感情分析、トーン分析、ブランド・モニタリングのための自然言語処理
- 行動予測、カスタマイズされたオファー、次善処置のための推奨エンジン
- 公共の安全、盗難防止、作業者の安全、在庫管理のための動画分析
主要な機能
- 迅速なプロトタイピングと導入
- エンドツーエンドの情報アーキテクチャー
- コンテナ化されたインフラストラクチャー管理
- 高解像度の大規模モデルのサポート
- マルチテナント導入
- 弾力的な分散トレーニングと推論
- 自動スケーリング、自動検索、ロード・バランシング
- AIライフサイクル管理
- モデル・モニタリングによる説明可能なAI