Dzięki przetwarzaniu rozproszonych danych pochodzących z wielu źródeł, rozwiązania kognitywne coraz częściej wspierają decyzje biznesowe. Wiele informacji zawartych m.in. w filmach wideo, plikach dźwiękowych i obrazach – nie jest widocznych dla dzisiejszych systemów analitycznych. Według IBM, ponad 80% danych jest nieustrukturyzowanych. Przetwarzać je mogą jedynie systemy kognitywne. Do zarządzania danymi potrzebna jest też nowa infrastruktura, naśladująca działanie ludzkiego mózgu.

lawrence livermore2

Fot. IBM

Samouczące się systemy to odpowiedź na rosnące ilości danych pochodzących z mediów społecznościowych, obrazów oraz danych generowanych przez czujniki umieszczone w maszynach produkcyjnych czy pojazdach. Na świecie działa około 9 mld połączonych ze sobą urządzeń, które generują 2,5 kwintyliona bajtów danych dziennie. Jednak bez rozwiązań analizujących te informacje w czasie rzeczywistym ich wartość jest minimalna. Systemy kognitywne – jak na przykład wykorzystywany w biznesie od kilku lat IBM Watson – pozwalają radzić sobie z zalewem danych. Ich kluczową zaletą jest też to, iż potrafią się uczyć i przewidywać, jakie informacje potencjalnie zainteresują odbiorcę.

Na świecie działa około 9 mld połączonych ze sobą urządzeń, które generują 2,5 kwintyliona bajtów danych dziennie.

– Obecnie coraz śmielej wkraczamy w erę przetwarzania kognitywnego, które otwiera przed nami zupełnie nowe możliwości związane z wykorzystaniem dostępnych, lecz nierozpoznawalnych dla tradycyjnych systemów IT danych. Jednak nowe oprogramowanie wymaga również nowego spojrzenia na dostępne urządzenia – mówi Piotr Pietrzak, CTO IBM Polska i Kraje Bałtyckie.

System neuromorficzny

Fot. IBM

Fot. IBM

Platforma naśladująca działanie ludzkiego mózgu, oparta na szesnastu neurosynaptycznych procesorach IBM TrueNorth, została wdrożona przez IBM w amerykańskim Lawrence Livemore National Laboratory. Zużywa ona tyle prądu, co przeciętny tablet (ok. 2,5 W), a jej szybkość działania jest porównywalna z działaniem 16 mln połączeń neuronowych i 4 mld synaps. Sieć zbudowana na wzór mózgu ludzkiego przetwarza dane szybciej niż dostępne dotąd komputery. System neuromorficzny, zdaniem ekspertów, może być nawet 50 razy bardziej efektywny w rozpoznawaniu wzorów czy używaniu uczących się algorytmów.

Przykładowe zastosowania systemów kognitywnych:

  • lotnictwo – Aeroflot używa analityki IBM do wyciągania wniosków z danych dostępnych w mediach społecznościowych, na stronach rezerwacyjnych oraz w systemach rozliczeń. Pozwala to lepiej rozumieć oczekiwania klientów, poprawiać ich obsługę oraz przygotowywać oferty promocyjne dla konkretnych osób z ponad 40 mln rocznie obsługiwanych pasażerów.
  • hilton

    Fot. IBM

    hotelarstwo – Hilton uruchomił pilotażowy program robota-konsjerża, informującego gości o hotelowych atrakcjach, usługach oraz wartych obejrzenia miejscach w najbliższym sąsiedztwie. Robot o imieniu Connie jest wspomagany przez oprogramowanie IBM Watson, a udzielane przez niego odpowiedzi stają się tym dokładniejsze, im częściej wchodzi w interakcje z gośćmi.

  • bankowość – Alior Bank dostarcza swoim konsultantom Private Banking aplikację na iPada, wspomaganą analityką biznesową IBM.

Kognitywne pamięci masowe?

IBM poinformował również o planach dotyczących projektu kognitywnych pamięci masowych (tzw. cognitive storage), które mają pomóc systemom IT w określaniu, które informacje są najważniejsze, a którym należy przypisywać niższy priorytet, zwłaszcza w przypadku dużych zbiorów danych. Cognitive storage ma też wspierać automatyzację procesów w zakresie decydowanie o tym: jakie dane i na jakich zasadach powinny być przechowywane w jakim rodzaju mediów, jaki poziom ochrony należy zastosować oraz jakie cykle życia ustanawiać dla różnych klas danych.

Macierz z kognitywną pamięcią do astronomicznych badań

hr_SKA_dishes_0006

Fot. SKA

Laboratorium IBM w Zurychu w bierze udział w międzynarodowym projekcie astronomicznym o nazwie Square Kilometre Array” (SKA) – planowanej budowie sieci radioteleskopów o całkowitej powierzchni 1 kilometra kwadratowego, która będzie generować do 1 PB danych dziennie. Zadanie dla inżynierów IBM to budowa systemów pamięci masowej, które będą w stanie obsłużyć tak duże ilości danych, a jednocześnie utrzymać koszty na niskim poziomie. W astronomicznym projekcie ma pomóc rozwiązanie cognitive storage – wprowadzając “system uczenia się”, który bada metadane i analizuje wzorce dostępu, a także uczy się w oparciu o zmieniający się kontekst użycia danych, aby pomóc przypisywać im wartość.

O myślących maszynach i big data w biznesie w kolejnym wpisie.

 

Napisane przez Stefan Kaczmarek