1
 

Storage-Optimized Machine Learning

Big Data steht im Mittelpunkt der KI-Revolution und wir müssen den Umgang damit noch lernen.

Jede Branche kann durch den Einsatz von KI profitieren. Die Fähigkeit, Daten in intelligente Informationen umzuwandeln, ist die neue Wettbewerbswährung. Im Gesundheitswesen verwenden Neuroradiologen der Mayo Clinic KI, um genetische Marker in MRI- Scans zu finden und um zu vermeiden, dass Tumorgewebe (für genetische Daten) durch intrusive Gehirnoperationen abgerufen wird. In großen Herzkliniken wird für die Analyse der Elektrokardiogramme KI beigezogen, da dem Menschen bei der Menge an Informationen Entscheidungen erleichtert werden. Bei Konsumgütern kündigte Amazon einen Concept-Food-Store ohne Check-Out-Linie namens Amazon Go an, der die gleichen Technologien in selbstfahrenden Autos wie Sensorfusion und AI verwendet. Sogar in der Landwirtschaft erntet LettuceBot in den USA 10% des Kopfsalates mithilfe von AI, wodurch jede Pflanze in Echtzeit identifiziert wird, um die Erträge zu optimieren.

Deep Learning und Grafikprozessoren treten zunehmend an die Stelle der herkömmlichen Ansätze. Daher ist für Daten eine Storage-Lösung der nächsten Generation nötig, die schnelle Einblicke bieten kann. Einfach ausgedrückt ist Machine Learning die Anwendung spezieller Algorithmen bei der Identifizierung von Mustern in Datensätzen. Je mehr Daten für diese Algorithmen zur Verfügung stehen, desto besser sind die Ergebnisse. Daten, aus denen Muster extrahiert werden sollen, werden diese Algorithmen in einem Prozess durchlaufen, der als Training bezeichnet wird.

Die drei Schlüsseltechnologien Deep Learning (DL), Graphics Processing Unit (GPU)-Prozessoren und Big Data benötigen auch ein modernes Storage System. Der Unterschied zwischen einem DatenPool und einem Daten-Hub ist grundlegend. Ein Datenpool wurde entwickelt, um Daten zu speichern. Ein Daten-Hub wurde entwickelt, um Daten freizugeben und bereitzustellen.

Ein Daten-Hub ist ein modernes, auf All-Flash und cloudähnlicher Architektur bestehendes System. Daten sind die Herausforderung von heute und ein DatenHub ist die Lösung von heute.