即使在技術已經取得如此巨大進步的今天，不必要的手術仍然時有發生。大約90%乳腺腫塊摘除手術在術后都發現是不必要的。好消息是，諸如人工智能(AI)等技術的出現有助于解決這類問題。麻省總醫院的Manisha Bahl等醫生表示，采用機器學習技術，可以將這類不必要的手術減少近1/3。
AI真實存在且得到了廣泛利用
AI創新比比皆是，絕不僅僅局限于醫療行業。大約71%的公司表示，已經采用了AI或計劃在未來一年內采用AI 。下圖顯示了來自全球各種機構的2,106位數據和分析技術決策者在市場調查中的回應。
我們想更好地了解AI是如何影響公司、其業務線和IT部門的，因此委托Forrester Consulting進行初步研究，以找到答案。以此次研究的詳細信息和調查結果為基礎，形成了有關這些問題的Forrester Consulting思想領先研究報告(Forrester Consulting Thought Leadership Paper)。
很清楚的一點是，世界不再等待硅谷開發一個一體化解決方案來解決他們的問題了。個人和機構都在利用新的基礎技術，自己用AI進行創新。諸如3D打印等基礎技術正在使制造變得大眾化，正在改進產品開發。互連IoT設備現在無處不在，產生了大量原始數據。人們用強大的、具備串行和并行處理能力的新型4路服務器處理海量數據，以實時挖掘深度信息。這些技術現在每個人都可以使用，而不僅限于大型研究機構或“財富50強”公司。
形形色色的機構正在利用AI更好地了解客戶，開發更好的產品。在未來一年內，54%的公司計劃利用AI提供更好的客戶體驗 。全世界每一個垂直行業、所有個人和機構都在用AI及其應用——機器學習和深度學習，進行創新。
醫療行業
AI能取代醫生嗎?也許。但AI代替不了醫生的所有工作。未來的醫院不會自己運行。類似于制造業，醫療領域的進步似乎集中在重復性工作和減少不一致性上。我們來看一個例子。
人眼會犯錯，醫生也不例外。即使少數最優秀的醫生，看同一張醫學影像，也可能得出不同的結論。問題是，這種問題出現的幾率有多大?1959年，一篇具有開創意義的文章提到，放射科醫生大約錯過了30%陽性結果 。50多年以后，無數研究仍然證明，放射學解釋存在差異 。
我們來看一下基于AI的數字眼。在很多領域，數字眼的表現已經好于人眼了。事實上，數字眼在準確度上有望進一步擴大對人眼的領先優勢 。這種進步將繼續推進放射學、病理學、皮膚病學和眼科學的準確度。
美國斯坦福大學的研究人員正在使用數字眼。他們已經建立了一種AI算法以識別皮膚癌。人的皮膚到處都有傷病導致但不會癌變的損傷。雀斑、色素痣、皮贅等很常見，通常是良性的。要發現發生癌變的皮膚損傷可能很難。斯坦福大學的研究人員用了13萬個影像來訓練其深度學習算法。結果發現，算法診斷皮膚癌的效率與醫生相似。
制造業
在亨利•福特從根本上改變汽車制造方式那個時代，幾乎所有工作都是由人完成的，有時是一些非常乏味的重復性勞動。如今，機器人按照預先編程的方式完成多這些工序。機器人準確地執行任務，而且沒有絲毫怨言。不過，仍然存在一些需要解決的問題，效率也有待提高，因此有些人認為，無人說話的“啞”工廠時代來臨之日已經屈指可數了 。未來的工廠將是智能的，通過預測性維護、良率提升和自動質量測試而自主運行。
AI惠及的范圍已經超出了制造業務。在制造業務中使用AI還會產生巨大影響。實際上，麥肯錫公司認為，采用AI的供應鏈有著巨大優勢：
——預測誤差可降低多達50%;
——產品缺貨導致的銷售損失可降低多達65%;
——庫存囤積可降低20%至50%。
酒店業
2005年，麗思卡爾頓酒店啟動了一個中央系統，以提供難忘的無瑕疵客戶服務。這個系統名為“奧秘(Mystique)”，麗思卡爾頓旗下某家酒店的員工對客人的觀察結果，可以供旗下其他所有酒店參考。“奧秘”解決了橫跨麗思卡爾頓60家連鎖酒店共享信息的問題。如果酒店員工了解到有關某位客人的新信息時(例如，客人偏愛健怡可樂)，就會將該信息輸入到“奧秘”系統中。麗思卡爾頓的目標是，為每一位客人記錄5種偏好 。如果客人下次來到旗下另一家酒店，酒店員工至少會滿足這5種偏好中的3種或更多。
“奧秘”推出已經超過10年了，如今旅行者要求所有酒店都能提供這樣的服務。客人們希望酒店了解有關他們的一切——喜歡什么，不喜歡什么，并按照他們的好惡定制和提供信息。這已經超出了床的大小、首選樓層、羽毛枕頭還是泡沫枕頭這類范疇。促銷郵件不必再向那些不打高爾夫球的客人提供有關高爾夫套餐的信息。客戶想看到對他們胃口的優惠，而不是過去那種一視同仁的信息。利用社交媒體等數據源，AI正在幫助酒店業滿足這種需求。
零售業
無論大小的企業，都不得不應對其內部(和外部)業務中數字過載帶來的問題。雖然他們有傳統IT基礎設施來支持傳統的金融，CRM或物流應用程序，但他們很快就會被數據泛濫所困擾。這里有一個巨大的計算能力問題，舉例來說，零售商需要努力確定：
——誰在購物?
——顧客喜歡購買什么?
——如何積極影響客戶購買模式?
——如何讓顧客更忠誠?
零售商正在采用復雜的機器學習方法來回答這些棘手的問題。這些零售商不僅需要龐大且相互關聯的系統，還需要一個安全、強大的IT基礎架構，其計算能力和效率可以通過部署機器學習算法來提供這些見解。
越來越多的大型企業功能流程正在進行數字化，使得更大的數據量以更快的速度進入傳統系統，此時僅僅管理大數據已經不夠。這是關于使用所有這些數據來回答那些能夠洞察業務運營、客戶偏好或營銷機會的問題，這是關于更快地執行富有洞察力的數據分析的問題。
您的公司為迎接AI做好充分準備了嗎?也許沒有。
首席信息官必須成為整個企業AI部署的領導人。我們委托Forrester進行的AI調查顯示，各個公司都有大量各行其是的AI項目。大多數AI部署工作都是業務部門的領導發起的。他們常常請求IT部門提供支持。可是，大約15%到20%的情況是，IT部門完全蒙在鼓里。為什么?
毫無疑問，IT部門是引領整個公司所有AI項目的最佳選擇。實際上，讓IT部門參與，可以實現AI優勢的復合。有IT部門參與的公司，采用機器學習平臺的可能性高2倍多，采用深度學習平臺的可能性高1倍。從另一方面看，只有業務部門獨自參與的公司僅僅探索和采用了約一半的AI基本構件。
至少，業務部門繞過IT部門的部分原因，是缺少現代化數據中心。IT部門擁有技術基礎設施、數據和軟件應用。IT部門成為了所有AI計劃的中心樞紐之最佳選擇，可以連接外部數據源，互連跨業務部門的內部數據源。不過，現實情況是，大多數數據中心并未針對AI計劃做好準備。參與調查的人表示，就AI戰略而言，一些最具挑戰性的基礎設施問題都與服務器自動化和信息安全有關。另外，61%的人表示，缺少具備GPU、FPGA等定制處理器的服務器。
數據中心如何為AI計劃做準備
我們請Forrester列出了一份清單，以幫助首席信息官領導公司的AI計劃。這是一個非常好的開始，因為清單中包括由數據支持的戰略、策略和實踐指導。有些建議針對機構。有些則專注于現代化基礎設施。
支持AI的現代化基礎設施通常始于新型服務器。至關重要的是，這些新型服務器支持GPU和FPGA。CPU非常適合完成串行處理任務。GPU和FPGA則適合并行處理。當計算任務可以并行執行時，服務器將這些任務卸載到GPU或FPGA中。這就解放了CPU，這也是將學習時間從數天或數周減少到幾分鐘或幾小時的關鍵所在。
就在短短幾年前，具備專業并行處理能力的服務器數量還很有限。那時這類服務器平臺價格昂貴，服務器所需的GPU價格也很昂貴。如今，情況完全不同了。戴爾易安信PowerEdge產品系列中盡是為處理AI和機器學習而定制的服務器。去年末，我們推出了PowerEdge C4140，這是一款超密集的、加速器優化的平臺，可在1U空間中支持兩個CPU和兩個GPU。現在，我們進一步擴大了對AI的投入，又宣布推出兩款新的4路服務器。
PowerEdge R840是一款密集的2U平臺，支持多達4個英特爾CPU和兩個GPU或兩個FPGA。憑借靈活的性能和容量選項，例如24 NVMe驅動器配置和大量存儲空間，該平臺可加速數據分析。
PowerEdge R940xa是一款4U平臺，為實現達到極致的加速而開發。該平臺支持1:1的CPU與GPU之比，配備了多達4個英特爾CPU和多達4個GPU或8個FPGA。大型內部存儲系統(多達32個驅動器)可為避免云費用及安全風險上升另辟蹊徑。
除了提供加速性能和大容量之外，兩臺服務器都采用OpenManage Enterprise來監控和管理IT基礎架構。無代理的集成戴爾遠程訪問控制器(iDRAC)可提供自動，高效的管理以提高生產力。此外，戴爾EMC PowerEdge的集成安全功能(例如Cyber Resilient Architecture)在每臺服務器中都是標準配置。
這些服務器僅僅是PowerEdge產品系列的一少部分。如需全面了解該系列的所有產品，請訪問dellemc.com/servers，如需了解更多信息，請訪問dellemc.com/ai。
京公網安備 11010502049343號