NAIRR programa: mokslui duodama daugiau DI skaičiavimo galios
·
DI mokslui skamba kaip techninis terminas. Bet kai pažiūri praktiškai, čia yra labai žemiškas klausimas: kiek darbo darome rankomis tik todėl, kad niekas neprisėdo sutvarkyti proceso?
NVIDIA aprašė NAIRR Science Program – iniciatyvą, kuri mokslininkams duoda prieigą prie DI infrastruktūros. Čia DI tampa ne žaislu, o laboratorijos įrankiu.
Man tokiose naujienose visada įsijungia mažas vidinis buhalteris. Ne tas, kuris skaičiuoja sąskaitas, o tas, kuris klausia: kiek tai kainuos, kas prižiūrės ir kur gali lūžti?
KAS NUTIKO
Programa remia tyrimus, kuriems reikia didelių skaičiavimo pajėgumų: sveikatos signalų analizę, klimato duomenis, mokslinius modelius ir kitus darbus, kur paprastas laptopas jau seniai nebeveža.
Kartais apie DI kalbame taip, lyg svarbiausia būtų sugeneruoti gražesnį tekstą. O tada pamatai projektus, kurie ieško ligų protrūkių signalų ar analizuoja milžiniškus mokslo duomenis, ir supranti: čia jau kita svorio kategorija.
KODĖL TAI SVARBU
Mokslas dažnai stringa ne dėl idėjų trūkumo, o dėl infrastruktūros. Jeigu tyrėjai gauna prieigą prie galingų DI resursų, jie gali greičiau tikrinti hipotezes ir apdoroti duomenis.
DI jau nebe vien langelis, į kurį įmetame tekstą. Jis jungiasi prie įrankių, moka kviesti servisus, gali veikti keliais žingsniais ir pradeda liesti tikrus verslo pinigus. Čia romantika baigiasi. Prasideda tvarka.
KĄ TAI REIŠKIA VERSLUI
Verslui tai signalas, kad DI kompetencija keliasi į visas sritis: mediciną, energetiką, žemės ūkį, logistiką. Tie, kas mokės dirbti su duomenimis, turės pranašumą.
- matuoti, kur duomenys jau kaupiami, bet nenaudojami
- ieškoti partnerystės su universitetais
- duoti darbuotojams laiko mokytis duomenų analizės
- nepainioti DI projekto su vienu chatbotu
Lietuviškas pavyzdys: įmonė gali pradėti nuo paprasto prognozavimo – paklausos, gedimų, klientų elgesio – ir tik tada judėti į sudėtingesnius modelius.
KUR PASISLĖPUSI RIZIKA
Rizika – tikėtis mokslo lygio rezultatų su netvarkingais duomenimis. DI nėra stebuklinga skalbyklė, kuri iš chaoso padaro švarų atradimą.
Blogiausia DI klaida dažnai neatrodo kaip klaida. Ji ateina gražiai parašytu sakiniu, mandagiu tonu ir labai užtikrintu veidu. Todėl verslui reikia ne tik įrankių, bet ir įpročio tikrinti.
KĄ PASIDARYTI ŠIĄ SAVAITĘ
Išsirinkite vieną duomenų rinkinį, kurį įmonė kaupia jau metus, bet realiai nenaudoja sprendimams. Ten dažnai guli pirmas DI projektas.
Šaltinis: NVIDIA.
DUK
Kas yra NAIRR?
Tai JAV nacionalinė DI tyrimų infrastruktūros iniciatyva, skirta suteikti resursų mokslui.
Kodėl NVIDIA čia svarbi?
Jos infrastruktūra ir įrankiai naudojami dideliems DI skaičiavimams.
Ką iš to pasiimti verslui?
Duomenų ir skaičiavimo pajėgumai tampa svarbia konkurencijos dalimi.
Jei norite DI naudoti ne dėl mados, pradėkite nuo vieno proceso. Paimkite užduotį, kuri kartojasi kas savaitę, susirašykite žingsnius ir tik tada junkite įrankį. Daugiau praktinių DI taikymo pavyzdžių rasite MasterSprint.
