С участием Ашока Редди и Али Сиддики
Опережать отраслевые тенденции и инновации на рынке - это ключ к уверенности в том, что мы разрабатываем продукты, которые удовлетворяют самые насущные потребности наших клиентов. Чтобы поделиться с вами последней информацией от нашего руководства, наши генеральные менеджеры поделятся своими мыслями о том, что они видят, и о том, как мы можем оставаться впереди.
Сосредоточение внимания на машинном обучении и данных
Данные - это новая валюта. Доступ к массивным данным (как структурированным, так и неструктурированным) и огромные вычислительные мощности для анализа увеличили возможности машинного обучения с невиданной ранее скоростью. Теперь такие технологии, как беспилотные автомобили, роботы-помощники и Интернет вещей, стали частью повседневной жизни каждого. А более быстрое машинное обучение, аналитика и автоматизация создают основу для еще большего прогресса.
Ашок Редди, генеральный менеджер Mainframe BU, и Али Сиддики, старший вице-президент и генеральный менеджер Agile Operations BU, делятся своими взглядами на машинное обучение и автоматизацию.
В: Какие самые интересные тенденции в области машинного обучения вы следите и волнуетесь?
Ашок: Разработчики привыкли кодировать программное обеспечение на основе бизнес-результатов с использованием существующих знаний, процессов и правил, но машинное обучение перевернуло это с ног на голову. Машинное обучение определяется как улучшение с опытом решения некоторой задачи. Теперь машины могут учиться на исторических данных с помощью серии примеров, поэтому теоретически вы можете использовать современную фабрику программного обеспечения, которая автоматически разрабатывает следующее приложение для автоматизации задач. Для компаний, переживающих цифровую трансформацию, все сводится к применению машинного обучения для создания новых бизнес-моделей, которые революционизируют свою отрасль. Одно из применений этого - сбор и применение данных для принятия более быстрых и эффективных решений. Другой - улучшение взаимодействия с клиентами с помощью обработки естественного языка, чат-ботов и т. Д. Для персонализации и улучшения взаимодействия с пользователем. Третий - через интеллектуальную автоматизацию - подобно беспилотным автомобилям, у вас может быть самоуправляемое облако или центр обработки данных на базе мэйнфреймов. Таким образом, машинное обучение поможет решить проблему до того, как снизится производительность или будет заполнено хранилище. Искусственный интеллект и машинное обучение меняют правила игры - это универсальная технология, которая встречается только раз в жизни, как и электричество. Я думаю, что это изменит каждую отрасль - и, на мой взгляд, это самое интересное в нашей жизни.
Али: Я рад, что машинное обучение снова делает ИТ интересными! Теперь у нас есть возможность проводить анализ первопричин для быстрого прогнозирования и обнаружения проблем и их решения до того, как это повлияет на качество обслуживания клиентов. В сегодняшней экономике приложений ваше приложение является вашим брендом и вашей маркетинговой платформой, поэтому способность делать прогнозы и предоставлять клиентам нужные услуги еще до того, как они смогут решить, что им нужно, имеет решающее значение.
В: Какие возможности открываются по мере того, как компании становятся все более автоматизированными?
Ашок: Если машины способны автоматизировать и обрабатывать рутинные задачи, люди могут сосредоточиться на более важных вещах. Например, рентгенологам не придется просматривать рентгеновские снимки, потому что они смогут использовать машинное обучение для сравнения и выявления аномалий на изображениях и получения результатов - и тратить свое время на то, чтобы поставить правильный диагноз и обсудить варианты. со своими пациентами - и уменьшая потребность в получении второго мнения.
Еще одна вещь, которую я заметил сегодня, - автоматизация универсальна для всех - она не персонализирована, поэтому, если вам нужно что-то уникальное для пользователя, это не вариант. Мы можем помочь предприятиям создать индивидуальный опыт, используя данные, предыдущее использование, предпочтения и т. Д., Чтобы персонализировать его с помощью интеллектуальной автоматизации. Мы можем вывести его на новый уровень, применив гибкий образ мышления и концепцию схватки, чтобы вы могли учиться на всем. У нас так много данных, и мы не используем их для обучения. Автоматизация и машинное обучение обеспечат подход, основанный на обучении, который поможет в достижении множества различных результатов.
Али: Компании во многих отраслях сосредотачиваются на интеллектуальных инструментах автоматизации и просят их, поскольку они дают компаниям возможность лучше использовать свои ресурсы, лучше знать свое окружение и принимать более обоснованные решения. Например, в сфере здравоохранения высшим приоритетом является соблюдение нормативных требований, поэтому при возникновении уязвимостей в системе безопасности инструменты мониторинга обнаруживают, отсутствует ли исправление, и применяют его повсеместно. Это действительно интеллектуальная автоматизация в действии! Интеллектуальная автоматизация также является ключом к мониторингу облачных рабочих нагрузок для розничных клиентов. Например, Macy’s может провести маркетинговую кампанию на выходных, выпуская новую линию одежды, что вызовет резкий скачок трафика, потому что кампания вызвала большой резонанс и люди начали покупать в Интернете. В современном мире такая компания, как Macy’s, не может работать без интеллектуальной автоматизации, позволяющей делать прогнозы и немедленно реагировать на подобные проблемы.
Наше приобретение Automic играет в этом ключевую роль - они действительно прокладывают путь для средств автоматизации следующего поколения. Сочетание DevOps и возможностей мониторинга действительно уникально для отрасли.
В: Что вы видите в качестве следующего рубежа для машинного обучения и автоматизации?
Ашок: Я не думал, что к настоящему времени мы добьемся такого большого прогресса в области распознавания голоса и лиц, но у нас есть - все дело в том, чтобы иметь больше данных и примеров для обучения и совершенствования алгоритмов. Для меня это область, в которой машинное обучение превзошло человеческие возможности, и оно быстро распространилось. Высокоскоростные машины с камерами высокого уровня распознавания могут смотреть на разные вещи - людей, щенков и т. Д. - и определять, кто это или что это такое. Это не идеально, но лучше, чем у людей.
Кроме того, сегодня большинство систем искусственного интеллекта основаны на контролируемом обучении, поэтому у них должно быть много примеров с классифицированными и маркированными данными. Однако в будущем я думаю, что мы продвинемся к тому моменту, когда машинное обучение будет основано на неконтролируемом обучении, чтобы мы могли просто вводить неклассифицированные и немаркированные данные и смотреть, какие закономерности они могут выявить.
Али: Беспилотные автомобили - определенно одна из них. Думаю, это коренным образом изменит и переконфигурирует наши города. В будущем города могут существовать даже без дорог - и без дорог наши здания, офисы и сообщества могут быть совершенно другими. Я очень рад этому! Это также поможет защитить нашу окружающую среду. Все это может произойти раньше, чем мы думаем - при правильной поддержке со стороны частного и государственного секторов, которые верят в преимущества науки и технологий, и с лидерами, которые понимают, что все мы живем на одной планете, наука и технологии могут быть применены для решения действительно важные глобальные проблемы.
В: Есть ли какие-нибудь новые разработки, которыми вы хотели бы поделиться с точки зрения CA?
Ашок: CA - идеальное место для применения машинного обучения - все сводится к данным, и у нас есть доступ к оперативным данным для наших клиентов - самых важных компаний в мире. Мы можем взять эти данные и провести прогнозную аналитику и применить машинное обучение. Например, с помощью нашего предложения по оперативной аналитике (MOI) мэйнфреймов мы можем помочь крупным банкам предсказать, когда произойдет сбой банкомата, до того, как он произойдет. Клиенты хотят, чтобы это было на мэйнфреймах, распределенных системах и в облаке - получение данных о продуктах CA и других продуктах - и мы только что запустили это в прошлом месяце. Кроме того, IBM только что представила мэйнфрейм следующего поколения (z14), который представляет собой встроенную платформу для машинного обучения - с помощью Apache Spark он поддерживает Google Tensorflow и Watson. Клиенты могут применять машинное обучение к данным мэйнфреймов (70% корпоративных данных находится в мэйнфреймах) и выполнять машинное обучение в реальном времени на самых последних данных. Это важно, потому что, например, если ваша семья пользуется кредитной картой и находятся в разных местах, она может проверить наличие мошенничества, регулярно анализируя шаблоны в режиме реального времени и в течение нескольких миллисекунд. Наконец, я хотел бы призвать всех выйти и узнать о машинном обучении. Я лично получаю степень магистра в Технологическом институте Джорджии в области искусственного интеллекта и машинного обучения. Вы можете узнать об этом в Интернете, и CA имеет доступ ко многим отличным курсам через Tech Aid.
Али: Мы действительно разрушаем барьеры между идеями и результатами для наших клиентов, потому что мы предлагаем полное портфолио для решения их самых насущных проблем. В настоящее время моя команда работает с Ашоком и его командой над MOI, как он объяснил, - мы сосредоточены на распределенной стороне (от банкомата до мобильного телефона вы можете видеть проблемы с производительностью от начала до конца). Мы также работаем с Рахимом Бхатией и его командой над мониторингом Precision API, что очень интересно, поскольку архитектура следующего поколения будет основываться на микросервисах и API. Рахим обеспечивает основу для этой архитектуры следующего поколения - шлюз микросервисов и APIM - а наша команда обеспечит управление жизненным циклом. Вместе мы сможем предложить реальные решения для бизнес-идей. Мы также работаем с Джеффом Шеффером и его командой, чтобы обеспечить тесную интеграцию с наборами решений для тестирования и мониторинга. Итак, большое сотрудничество между BU.
