Comience poco a poco y escale: El secreto no tan secreto para el éxito de la AI

Conclusiones principales

  • Es más probable que las organizaciones que comienzan sus caminos a la AI con pruebas de concepto a pequeña escala tengan éxito a largo plazo.

  • Las pruebas exitosas ofrecen una base sólida desde la que ampliar el alcance de los proyectos de AI.

  • La arquitectura Intel® Xeon® existente puede ser la plataforma de lanzamiento para el éxito de la AI.

author-image

By

Las mayores oportunidades aún están por llegar, pero un reciente estudio de Harvard Business Review reveló que es menos probable que los intentos transformadores ambiciosos “tengan éxito en comparación con los proyectos al alcance de la mano que mejoran los procesos empresariales”.

Intel también lo ha comprobado en su trabajo con clientes. Los que tienen más éxito con la AI comienzan su proceso girando pruebas de concepto (PoC) a pequeña escala con la infraestructura existente. Sus centros de datos actuales basados en los procesadores Intel® Xeon® proporcionan una oportunidad ideal para demostrar el valor de la AI utilizando una base flexible de uso general con un competitivo coste total de propiedad. Y después, cuando llega el momento de escalar, pueden dedicar su atención a poner a punto la combinación de informática, optimizaciones de software y ancho de banda de memoria del procesador, algo crítico para el rendimiento de la AI.

En su trabajo de AI con clientes, Intel comprueba que los que tienen más éxito con la AI comienzan su proceso girando pruebas de concepto a pequeña escala con la infraestructura existente.

Comenzar poco a poco y escalar para alcanzar el éxito

Una organización francesa de investigación del cáncer realizó una una pequeña prueba de procesamiento de lenguaje natural (PLN) que ofreció un transformador conjunto de resultados y conocimientos iniciales que proporcionaron las bases desde las que ampliar el alcance del caso práctico.

Antes de que la organización desarrollara su solución, se necesitaron 30 personas durante seis meses para revisar los registros de los pacientes e identificar a los adecuados para las pruebas clínicas. El proyecto piloto se nutrió de los datos de 24 millones de registros y 1,25 millones de pacientes, y clasificó los datos nuevos y los vistos anteriormente basándose en estos conocimientos. La organización cree que este sistema podría reducir todo el proceso a un día.

En la actualidad, el equipo quiere escalar su solución, que se ejecuta en clústeres basados en los procesadores Intel® Xeon® de alto rendimiento, al profundizar en las prestaciones de búsqueda, redefinir la interfaz de usuario, optimizar aún más el rendimiento y ampliar el número de usuarios y ubicaciones.  

Una organización francesa de investigación del cáncer realizó un proyecto intentando utilizar la AI para identificar a los pacientes adecuados para pruebas clínicas, ya que creían que el sistema podría hacer en un día una tarea para la que normalmente se necesitan 30 personas durante seis meses.

Automatización que sigue el ritmo de la vida

El reconocimiento de imágenes es otro ejemplo de un proyecto de la AI que puede tener un impacto transformador, una vez que se haya escalado desde pruebas de concepto iniciales exitosas.

En la industria de la asistencia sanitaria, los radiólogos hacen juicios clínicos a diario sobre si los escáneres de los pacientes reflejan un cáncer. Sin embargo, sería difícil para ellos describir cómo identificar todos los cánceres de todas las imágenes relacionadas con los pacientes, independientemente de la calidad o la rotación de las imágenes. Esto es exactamente lo que puede hacer y automatizar el sistema de reconocimiento de imágenes de aprendizaje profundo, si se le proporcionan datos suficientes, lo que ocasiona la capacidad de procesar imágenes e identificar posibles cánceres con una velocidad y precisión que salva vidas1.

Vea: La inteligencia artificial transforma el modo en el que las empresas automatizan el reconocimiento de imágenes para crear mejores soluciones empresariales y reducir los costes operativos. 

Los sistemas de reconocimiento de imágenes basados en el aprendizaje profundo pueden aprender y automatizar el proceso de la identificación del cáncer, permitiéndoles identificar posibles casos con una velocidad y precisión que salva vidas.

Los tres factores tecnológicos en los que se basa el rendimiento de la AI2

El rendimiento de la AI se basa en una combinación de informática, optimizaciones de software y ancho de banda de memoria de procesamiento, y la arquitectura Intel® de su centro de datos le ofrece la AI que necesita en el hardware que ya tiene.

El equipo de ciencia de datos de Intel escribió recientemente sobre su trabajo en la clasificación de imágenes para las ciencias biológicas y la salud:

“Debido a su respaldo para mayores huellas de memoria, los sistemas de aprendizaje profundo basados en CPU vienen equipados de un modo único para gestionar la necesidad de memoria relacionada con formar una red neuronal con grandes imágenes y acomodar el tamaño de los lotes de imágenes... hemos demostrado que un sistema basado en CPU podría gestionar una huella de memoria de 40 GB de exceso para una tarea de clasificación microscópica del mundo real”.

Respecto al software, Intel ha permitido que los científicos de datos y los desarrolladores trabajen con sus herramientas favoritas en hardware Intel al optimizar una gran cantidad de bibliotecas de aprendizaje profundo para muchos de los marcos de trabajo de la AI más populares. Entre estos marcos de trabajo se incluyen TensorFlow*, Theano* y muchos otros.

Además, BigDL es una biblioteca de aprendizaje profundo distribuido para Spark* que puede ejecutarse directamente encima de los clústeres existentes de Spark o Apache Hadoop*. Esto permite la carga de modelos Torch* preformados en el marco de trabajo Spark y puede escalarse de un modo eficiente para realizar análisis de datos a gran escala.

¿Está su organización preparada para la AI?

Intel trabaja con muchas organizaciones que buscan implementar la inteligencia artificial. La continua optimización tanto del hardware como del software de la compañía permite que la AI esté al alcance de casi cualquier empresa.

Independientemente de la etapa de su camino a la AI en la que se encuentre, la amplia gama de hardware y software de Intel ofrece un completo kit de herramientas para crear la arquitectura de implementación más rentable para las cargas de trabajo de la AI, y puede comenzar hoy mismo.

Información sobre productos y rendimiento

2

Las características y ventajas de las tecnologías Intel® dependen de la configuración del sistema y puede que requieran la activación de hardware, software o servicios. El rendimiento variará en función de la configuración del sistema. Ningún producto o componente es completamente seguro. Consulte con el vendedor o fabricante de su sistema o visite www.intel.es para obtener más información.