Per le imprese che puntano a sfruttare il potenziale predittivo dei dati, così come per quelle specializzate nello sviluppo di soluzioni per la “predittività” la situazione è decisamente più favorevole rispetto al passato. Per realtà come la modenese Axyon AI (leggi l’articolo Asset management e trading: per Axyon AI le sfide si vincono grazie alla predittività) che hanno affrontato le sfide legate allo sviluppo di nuove soluzioni per la predictive analytics puntando su AI e Deep Learning, ci sono le condizioni per disporre, in misura sempre più importante, dei due principali “componenti” della predittività: grandissime quantità di dati e altrettanto importanti capacità di calcolo.
Nello stesso tempo è anche cambiata la domanda di predittività. Le aziende e le organizzazioni hanno certamente bisogno di conoscere, di aumentare la loro capacità previsionale o per altri versi di aumentare la capacità di intercettare segnali e indicazioni che permettano di identificare nuove opportunità, o al contrario di individuare anomalie, o possibili minacce che permettano di ridurre i fattori di rischio. E hanno bisogno di farlo aumentando sia la velocità di risposta sia la precisione delle informazioni. Senza dimenticare la terza dimensione costituita da flessibilità e personalizzazione, da intendersi come la possibilità di agire quando è necessario, utilizzando esattamente le risorse che sono necessarie.
In questo scenario è sempre più fondamentale il ruolo delle infrastrutture e delle piattaforme abilitanti, in modo da rispondere con una capacità di calcolo adeguata che sappia rispondere alla domanda di flessibilità e scalabilità in relazione alle tante e crescenti variabili del business. Per focalizzare l’attenzione sul tema infrastrutture e soluzioni abbiamo incontrato Chiara Carrera, Power Solutions Leader, IBM Power Systems HW Sales
Come valutate come IBM lo scenario che caratterizza lo sviluppo di soluzioni di AI e Deep Learning?
Il punto di partenza per questo mercato è prima di tutto nella disponibilità di dati e oggi siamo davanti a una situazione che mette a disposizione di aziende e organizzazioni una enorme capacità di produzione di informazioni da tante e diverse fonti. Nello stesso tempo stiamo vivendo anche un salto di qualità in termini di accessibilità e disponibilità a livello di capacità computazionale. Le tecnologie odierne consentono una capacità di calcolo e una ottimizzazione delle risorse che un tempo era riservata solo a centri di ricerca o a situazioni molto particolari. Stiamo parlando in particolare oggi di macchine e piattaforme che sono nella condizione di rispondere in modo completo all’intero ciclo di vita di un progetto di Intelligenza artificiale. (Sui temi della predittività al servizio del business suggeriamo di seguire il webinar dal titolo La predittività che fa bene al business: AI e Deep learning per il finance previsto per il prossimo 16 dicembre)
Quali sono le piattaforme di riferimento?
Come IBM System rispondiamo a questa domanda con approccio basato sulla specializzazione che fa riferimento a due piattaforme: la IBM Power System AC922, da considerare come una vera e propria piattaforma di training per l’intelligenza artificiale e l’IBM Power System IC922, indirizzato a sfruttare al meglio i modelli di AI e a mettere a disposizione delle imprese gli insight utili al business in modo preciso e veloce.
Per capire il posizionamento di queste due piattaforme occorre osservare che nell’approccio dei progetti di AI serve appunto una duplice tipologia di performance: da una parte occorre disporre di sistemi pensati per la costruzione del modello e per il suo “addestramento” con una logica di miglioramento continuo, dall’altra occorre disporre di una piattaforma che sia invece ottimizzata per la “parte di inferenza” e per l’esecuzione dei modelli. Per questa ragione IBM ha scelto di mettere a disposizione macchine “specializzate” in grado di coprire al meglio queste specifiche fasi dei progetti di Intelligenza Artificiale.
Quali sono le principali caratteristiche dal punto di vista della tecnologia?
Flessibilità e scalabilità sono due dei punti qualificanti ai quali rispondiamo con queste soluzioni alle esigenze che sorgono nell’ambito del ciclo di vita dell’AI e permettono di rispondere a una ampia tipologia di clienti per progetti che possono partire da piccole installazioni per arrivare anche progetti basati su centinaia di nodi. Ma l’altro tema è rappresentato dalla sicurezza e la linea IBM Power è concepita per garantire tutte le peculiarità dell’AI anche in termini di security. Dal punto di vista della tecnologia c’è poi il grande tema delle prestazioni che è affrontato, tra i vari aspetti, anche dalla scelta di utilizzare gli acceleratori GPU NVIDIA e da soluzioni che ottimizzano la comunicazione tra GPU e CPU per permettere prestazioni ulteriormente migliorate e arrivare a modelli sempre più accurati, o per altri versi, per diminuire i tempi di training.
Quali sono le strategie di go to market in termini di proposizione di soluzioni complete
L’offering di IBM System prevede uno “strato” legato all’infrastruttura hardware appunto con le due piattaforme IBM Power System AC922 e IBM Power System IC922 a cui si aggiunge un importante corredo di soluzioni con diversi livelli di software. A questo livello è importante sottolineare il ruolo costituito dal Watson Machine Learning Accelerator grazie al quale si mette a disposizione un framework che comprende i principali strumenti di deep learning. Una soluzione questa che indirizza in particolare realtà enterprise che dispongono al proprio interno di competenze a livello di team di data science che possono dedicarsi allo sviluppo. L’altra dimensione dell’offerta IBM riguarda l’ambito conosciuto come piattaforme “democratizzanti dell’AI” che aggiungono un “livello software” e grazie a una interfaccia grafica facilitata semplificano lo sviluppo di algoritmi anche a quelle realtà che non dispongono di specifiche competenze di data science. Un esempio è rappresentato da Maximo Visual Inspection dedicato alle immagini e alle analisi video. Maximo consente ai team di creare soluzioni di computer vision in grado, ad esempio, di analizzare prodotti e identificare eventuali difetti o discrepanze rispetto agli standard definiti per gli output di produzione e per monitorare a distanza determinate risorse. Un altro esempio è rappresentato da H2O Driverless AI, una soluzione che semplifica le logiche di apprendimento automatico nella creazione di soluzioni AI.
Quali sono le modalità di collaborazione con i partner?
La collaborazione con i partner, la creazione e lo sviluppo di un ecosistema, è uno dei fattori chiave di questo approccio e permette di unire le componenti e le competenze necessarie per arrivare a fornire delle vere soluzioni chiavi in mano ai clienti. Puntiamo tantissimo nello sviluppo di collaborazioni con realtà, come nel caso di Axyon, con una forte competenza di settore e con una forte capacità di innovazione per dare vita a soluzioni in modalità end-to-end.
Quali sono i settori nei quali vedete una maggiore dinamica in termini di attenzione a soluzioni AI e Deep learning?
Il mondo finance è da lungo tempo molto attivo su questi temi, così come tutto il mondo dei corporate trading desk, ma tante nuove esigenze sotto il profilo della predittività stanno emergendo nel mondo manifatturiero, ad esempio per quanto riguarda la parte di predictive maintenance dove ci sono importanti segnali di crescente interesse e poi gli ambiti legati alla gestione delle infrastrutture e del building. C’è poi da segnalare una attenzione speciale rispetto alle tematiche che vedono la predictive analytics in generale al servizio del risk management nelle tante e diverse declinazioni, sia per quanto attiene le funzioni più spiccatamente predittive sia per riguarda le funzioni di anomaly detection.
