Duboko učenje najbrže je rastuća podkategorija strojnog učenja koja koristeći neuronske mreže pokušava razviti sustav za prepoznavanje određenih uzoraka. Danas razne tvrtke koriste duboko učenje za razvoj snažnih algoritama koji obuhvaćaju područja računalnog vida, obrade prirodnog jezika, razumijevanja govora i zvučnih signala, bioinformatiku i mnoga druga danas aktualna područja. Jedna od najpoznatijih primjena dubokog učenja danas je prepoznavanje objekata na slikama a takve primjere možemo pronaći u različitim industrijskim granama poput na primjer prehrambene industrije. Duboko učenje koristi se i u financijskoj industriji, telekomunikacijama, retail industriji te pomaže u transformaciji poslovanja temeljenog na inovacijama.
Slika 1. Primjer dubokog učenja – detekcija objekata na slici
Općenito razvoj takvih rješenja ponekad donosi i određene izazove kao što su instalacija i pokretanje sustava koji mogu trajati tjednima, odnosno mjesecima, što je, iako jednokratan, ipak značajan utrošak vremena. Kod dubokog učenja naglasak je na velikoj količini kvalitetnih podataka, a obrada i prikupljanje istih odnosi vrijeme. Zatim, treniranje i optimizacija modela strojnog i dubokog učenja također predstavljaju veliko računalno opterećenje i trošak vremenskih resursa. Ukoliko pronađemo rješenje za uštedu vremena u mogućnosti smo preraspodijeliti ga na neke druge korisne zadatke. IBM-ov alat Watson Machine Learning pomaže upravo u tome. To je platforma koja kreira okruženje sa svim potrebnim funkcionalnostima za razvoj modela dubokog učenja pomoću koje smo u mogućnosti u relativno kratkom vremenu razvijati brze i točne modele.
IBM Watson Machine Learning je enterprise-ready što znači da je dizajniran prema zahtjevima i potrebama enterprise tvrtki. Drugim riječima uključen je sav potreban security, autentifikacija, autorizacija i ostalo što je potrebno da bi se što manje vremena trošilo na instalaciju i podešavanje a dobiva se okruženje spremno za rad prema svim standardima. Isto tako, na ovaj način je enterprise ready AI okruženje po prvi put dostupno svima.
Primjerice, banka Caixa Geral de Depósitos iz Francuske uspješno ubrzava svoju korisničku podršku hybrid-cloud aplikacijom. Primjerice, kada se korisnik prijavi za korištenje kredita u cilju je u što kraćem roku korisniku dati rješenje upita. Njihovo rješenje je mobilna aplikacija koja koristeći IBM-ovu machine learning tehnologiju daje kreditnu ocjenu korisnika i tako ubrzava cijeli proces i dprinosi učinkovitosti istoga.
Bitno je naglasiti da je IBM Watson Machine Learning sagrađen od open source alata. Velika većina alata koje podatkovni znanstvenici koriste u izradi modela strojnog i dubokog učenja dolaze u open source varijanti, a jedna od prednosti open source tehnologija je da je moguće početi raditi bez inicijalnog troška licenci. Usprkos tome, često je sjedinjavanje i podešavanje više open source alata zahtjevan posao gdje su moguće greške i utrošak vremena može biti značajan. Međutim, IBM Watson Machine Learning dolazi sa svim potrebnim alatima i najnovijim instaliranim verzijama koje funkcioniraju, te je usredotočen na pojednostavljivanje pristupa najraširenijim i verzijama raznih okruženja koja se koriste kod strojnog i dubokog učenja.
Slika 3. Najbitnije karakteristike WML-a
Performanse IBM Watson Machine Learning-a koriste sve mogućnosti IBM POWER arhitekture i posebno osmišljenim elementima specifičnim za AI procese. Radi se o računalu koje je inicijalno dizajnirano da bi svoj maksimum dostizalo upravo radom s modelima strojnog i dubokog učenja, odnosno treniranju, izradi tih modela i svim ostalim procesima koji su potrebni da bi proces funkcionirao. To je arhitektura koja omogućava linearan rast sustava za strojno učenje bez problema u performansama i bez potrebe redizajniranja sustava.
IBM Watson Machine Learning dolazi u dvije varijante, kao Community Edition, koji se u potpunosti temelji na open source tehnologiji te IBM Watson Machine Learning Accelerator koji ipak obuhvaća neke dodatne funkcionalnosti. Druga varijanta, IBM Watson Machine Learning Accelerator uključuje razne IBM-ove alate za skaliranje i upravljanje sustavom. Uključeni su IBM Spectrum LSF (Load Sharing Facility) koji se sastoji od jednog od najbržih i najpouzdanijih HPC-a (High Performance Computing) na tržištu te IBM Spectrum Conductor - automatsko upravljanje procesima i optimizacija performansi i resursa. Također, uključuje i sljedeće tehničke komponente: multitenant arhitekturu, Elastic Distributed Training, koji omogućava dinamičku rapodijelu zadataka po resursima, paralelnu optimizaciju hiperparametara, vizualizacije tijekom procesa treniranja modela te skaliranje s jednog na više servera. IBM Watson Machine Learning Accelerator dolazi i sa SnapML paketom, koji omogućava veoma brzo treniranje modela strojnog učenja na GPU/CPU sustavima.
Megatrend poslovna rješenja upravo na tehnologijama i proizvodima međunarodno priznatih IT proizvođača poput IBM-a nudi rješenja i usluge.
ww︅︆w.lo︅︆ve︅︆xx.c︅︆lub