مین‌فریم‌های آی‌بی‌ام به یادگیری ماشینی مجهز می‌شوند

بله مین‌فریم‌ها، همان ماشین‌های محاسباتی بزرگ با آن‌که عمر طولانی دارند هنوز هم از سوی تعدادی از شرکت‌های بزرگ همچون بانک‌ها، سازمان‌های بیمه‌گر، خطوط هوایی و خرده‌فروشان بزرگ در سراسر جهان مورد استفاده قرار می‌گیرند. در حقیقت آن‌گونه که آی‌بی‌ام گفته است، مین‌فریم‌هایی که از سوی این شرکت ساخته شده‌اند، امروزه نزدیک به 2.5 میلیارد تراکنش در طول روز را پردازش می‌کنند. اما آی‌بی‌ام به دنبال آن است تا یکسری از ویژگی‌های زیرساختی سامانه شناختی واتسون را به درون کامپیوترهای بزرگی که در اختیار مشتریان این شرکت قرار دارد، وارد کند. این شرکت در نهایت به دنبال آن است تا هرگونه‌ محاسباتی که درون مراکز داده‌ای انجام می‌شود را با اتکا بر یادگیری ماشینی که در پس‌زمینه محاسبات مورد استفاده قرار خواهد گرفت انجام دهد. راب توماس، مدیرکل بخش تحلیل‌های آی‌بی‌ام در این ارتباط گفته است: «بیش از 90 درصد از داده‌هایی که امروزه در سراسر جهان وجود دارد در دسترس گوگل قرار ندارند، به واسطه آن‌که این داده‌ها در پشت دیوارهای آتش ابرهای خصوصی قرار گرفته‌اند. در این حالت چگونه قادر هستیم فرآیند هوشمندسازی خودکار را در ارتباط با این منابع داده‌ای به مرحله اجرا درآوریم؟»

مطلب پیشنهادی

هوش مصنوعی در تعامل با جنبه‌های مختلف تجارت

یادگیری ماشینی چگونه به بهبود شرایط کسب‌وکارها کمک می‌کند؟

آی‌بی‌ام به دنبال آن است تا تکنیک‌های مرتبط با علم داده‌ها و قابلیت‌های یادگیری ماشینی را به یک شکل به درون کامپیوترهای بزرگ وارد کند. هدف آی‌بی‌ام از این‌کار خودکارسازی فرآیند طراحی، ساخت، پیاده‌سازی و در نهایت استقرار مدل‌های تحلیلی عنوان شده است. راه‌حل فوق به خوبی می‌تواند با یکسری از ابزارهای محبوب متن‌باز همچون Scala، Java و Python و همچنین چهارچوب‌های یادگیری ماشینی همچون Apache SparkML ،TensorFlow و H2O کار کند. همچنین قادر است به صورت مجازی با هر نوع داده‌ای که از سوی مشتریان و در قالب جداول در اختیارش قرار می‌گیرد، کار کند. آی‌بی‌ام در کنار ادغام‌سازی این راه‌حل با نرم‌افزارهای متن‌باز همچنین دستیار شناختی ویژه علم داده‌ها که از سوی پژوهشگاه آی‌بی‌ام آماده شده است را در اختیار مشتریان خود قرار می‌دهد. این دستیار شناختی به مشتریان کمک می‌کند از میان الگوریتم‌های موجود بهترین مدل که در زمان کار کردن با داده‌ها در سریع‌ترین زمان نتایج را در اختیار آن‌ها قرار می‌دهد را انتخاب کنند. این فرآیند باید با گذشت زمان هوشمندی خود را حفظ می‌کند تا بتواند داده‌های بیشتری را تحلیل کرده و مشاهده کند الگوریتم‌ها در زمان کار کردن با منابع داده‌ای مختلف چه رفتاری از خود نشان می‌دهند.

مطلب پیشنهادی

مثال‌هایی از کاربری بازمهندسی ماشینی در صنعت

کسب‌وکارها با یادگیری ماشینی سریع‌تر و کارآمدتر می‌شوند

توماس در این ارتباط گفته است: «این رویکرد به متخصصان علم داده‌ها اجازه می‌دهد مدلی را ایجاد کنند و از فناوری یادگیری ماشینی آی‌بی‌ام  به منظور انتخاب بهترین الگوریتم استفاده کنند. در ادامه زمانی که داده‌های بیشتری به مدل وارد می‌شود یک چرخه بازخوردی ساخته می‌شود. در این چرخه الگوریتم به طور خودکار به‌روز شده و سطح هوشمندی آن افزایش پیدا می‌کند.» آی‌بی‌ام گفته است این فناوری از آوریل در اختیار مشتریان این شرکت قرار خواهد گرفت.