人工智能可以从高性能计算学习的经验总结
发布时间：2021-06-10 20:55:38 所属栏目：大数据 来源：互联网
导读：有效的IT组织可以寻求更广泛使用人工智能的方式，通过从高性能计算(HPC)中吸取的经验和教训，将其重点放在系统级思考上。 每个组织都将使用人工智能技术，或者应该使用。人工智能对企业利润和竞争优势的潜在积极影响是不容忽视的。 如今，高性能计算(HPC)中
|
有效的IT组织可以寻求更广泛使用人工智能的方式，通过从高性能计算(HPC)中吸取的经验和教训，将其重点放在系统级思考上。
每个组织都将使用人工智能技术，或者应该使用。人工智能对企业利润和竞争优势的潜在积极影响是不容忽视的。
如今，高性能计算(HPC)中心是支持大规模高性能应用(包括大规模人工智能)的专家。无论企业已经在实施人工智能，还是处于探索/思考的早期阶段，都会从高效的高性能计算(HPC)企业中学习一些经验教训。
Digital Trends 公司2019年进行的调查发现，自去年以来，大型企业表示他们已经在使用人工智能的比例已经增加了50%，从2018年的24%上升到2019年的36%。只有26%的组织报告没有计划投资人工智能(低于前一年的35%)。
考虑到当前管理层对人工智能的思考，也许这并不奇怪。根据普华永道公司的一份调查报告，72%的企业高管认为人工智能将成为未来的商业优势。如果客户对企业的业务至关重要，可能会关注2019年数字趋势的调查报告，客户体验(CX)领导者在其组织中使用人工智能的可能性几乎是其他公司的两倍。
当企业发现自己被推动评估和/或部署人工智能项目时，需要帮助避免转向系统级思维模式。
高性能计算(HPC)——借用有效的习惯而不会陷入困境
高性能计算(HPC)具有非常高水平的聚合计算能力，为单个应用程序提供巨大的性能，远远超过性能最强大的台式计算机或工作站，以解决在科学、工程或商业领域的重大问题。
人们可以从高性能计算(HPC)社区的经验中学到一些东西，使其所有系统运行得更好。当然，高性能计算(HPC)具有一定的神秘感，并且具有明确的文化。但是，每个企业都可以受益于采用经过培训的方法来导航人工智能、机器学习以及高性能计算(HPC)计算需求和机会。
高性能计算(HPC)与大型数据中心的区别在于是“相关计算的扩展”概念。如果说房地产与位置有关，那么高性能计算(HPC)与扩展有关。
并行编程的一个共同关注点，特别是在高性能计算(HPC)中，是测量应用程序的扩展效率(通常称为可扩展性)。这种测量表明，当使用越来越多的并行处理单元(处理器、GPU、ASIC、FPGA等)时，应用程序的效率有多高。
同样，对于最佳人工智能部署而言，真正重要的是扩展，其答案不是高性能计算(HPC)系统的精确副本。
有效的IT组织可以为寻求更广泛使用人工智能的组织指明方向
与高性能计算(HPC)专家协商的最重要的共同点是：系统级思维很重要。由于这有一些宽泛和模糊，企业可以深入挖掘并将其改进为有效的高性能计算(HPC)组织的七个关键的经验教训。
1. 大量投资于采购活动
如今有很多高性能计算(HPC)系统被收购，也有一些很好机会被闲置，因为没有时间认真评估它。企业可以从研究高性能计算(HPC)中心获得很多见解，这些中心在投资新的超级计算机时一直在寻找机会、复杂性和风险。几年前，行业专家发表了一篇名为《最佳高性能计算(HPC)经理如何制定最佳采购决策》的文章，重点关注旨在“降低采购风险”的工作。这含蓄地包括了在采购后的几年内仍然保持明智的需要。
 （编辑：黔东南站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐
热点阅读
