محاسبات هوش مصنوعی و یادگیری عمیق
شرکتهای حرفهای دادههای زیادی را جمعآوری میکنند و برای دستیابی به مزیت رقابتی آن را تجزیه و تحلیل میکنند. برخی از شرکتها از تکنیکهای محاسبات هوش مصنوعی و یادگیری ماشین (machine learning)، برای ایجاد برنامههایی نظیر تشخیص تقلب (fraud detection)، پیشبینی تقاضا (demand forecasting)، پیشبینی کلیک (click prediction) و دیگر تحلیلهای دادهای استفاده میکنند. پیشرفتهای اخیر در یادگیری ماشین باعث شده که حتی از این هم فراتر بروند، به گونهای که یادگیری عمیق در همه جا در دسترس توسعهدهندگان قرار گرفته است. در حال حاضر، نرمافزارهای زیادی برای پردازش تصویر (computer vision)، تشخیص گفتار (speech recognition)، پردازش زبان طبیعی (natural language processing) و تشخیص صوت (audio recognition) ایجاد شدهاند که به در به دست آوردن مزایای رقابتی به شرکتها کمک بزرگی کرده است.
چالش: ایجاد یک محیط یادگیری عمیق در سطح سازمانی
پردازش مقادیر زیاد داده برای یادگیری عمیق نیاز به میزان بالایی از توان محاسباتی دارد. توسعه دهندگان، همزمان با توسعه ابزارهای جدید مخصوص یادگیری عمیق، از مزایای کلاسترهای محاسباتی و پردازندههای کمکی نظیر GPUهای NVIDIA برای محاسبات هوش مصنوعی استفاده میکنند.
هنگامی که پیشرفت سازمانی به بینشهای به دست آمده از طریق یادگیری عمیق گره خورده است، زیرساختهای فناوری اطلاعات مورد نیاز برای این منظور باید به شکل حرفهای به کار گرفته شود، نه به صورت آزمایشگاهی. با این حال، ساخت و مدیریت یک کلاستر پیشرفته، نصب نرمافزارهایی که تمامی کتابخانههای لازم را در حود داشته باشد و کار کردن همه اینها در کنار هم، میتواند چالش بزرگی باشد.