Focus on

IBM Cloud: cos’è e come usarlo per sviluppare intelligenza artificiale in azienda

Scopri in cosa consiste la piattaforma IBM Cloud e quali servizi offre per aiutare le imprese a implementare più facilmente la AI nei processi di business

Pubblicato il 03 Feb 2020

IBM cloud 1

Uno dei pilastri alla base della trasformazione digitale e della modernizzazione applicativa è il cloud computing, oggi largamente diffuso e utilizzabile su nuvole private, pubbliche o ibride. Il cloud è un mondo in evoluzione continua, e in tale ambito di mercato si colloca la piattaforma tecnologica IBM Cloud, con cui è possibile implementare anche applicazioni d’intelligenza artificiale (AI). IBM Cloud è la nuvola sviluppata da IBM per fondere assieme i benefici dei paradigmi IT IaaS (Infrastructure as a Service) e PaaS (Platform as a Service), e fornire alle imprese utenti una superiore esperienza d’uso dei servizi cloud.

IBM Cloud si basa su tecnologie open source, come Kubernetes e Red Hat OpenShift, e include tutte le tecnologie di ultima generazione per consentire ai responsabili IT di accelerare la modernizzazione applicativa e supportare le esigenze aziendali negli ambienti cloud ibridi. Ad esempio, nel dominio dei servizi infrastrutturali, queste tecnologie spaziano dalle macchine virtuali, ai contenitori, ai server bare metal, alle soluzioni serverless.

Come funziona e cosa comprende IBM Cloud

La piattaforma IBM Cloud è accessibile attraverso una console che consente la creazione, la visualizzazione e la gestione delle risorse cloud. Esiste anche un componente di gestione dell’identità e dell’accesso alla piattaforma, in grado di autenticare gli utenti in maniera affidabile per l’utilizzo dei diversi servizi e delle relative risorse IT. L’account e la fatturazione del singolo utente sono amministrati da un sistema di gestione che calcola l’utilizzo esatto dei servizi in funzione dei piani di prezzi previsti.

Il catalogo di IBM Cloud include una completa gamma di prodotti, che si estende in tutte le principali aree della gestione applicativa nella nuvola: dalle risorse di elaborazione (server bare metal, virtuali, server di storage di massa) per supportare qualunque carico di lavoro, alle risorse di rete e di storage; alle soluzioni di monitoraggio e gestione dell’infrastruttura in ambienti multi cloud; agli strumenti per la gestione della sicurezza. La gamma IBM Cloud comprende anche database, soluzioni di connessione di dispositivi IoT e creazione di app per dispositivi mobili; strumenti di data science, e tool di sviluppo, integrazione e migrazione applicativa.

Strumenti di AI in IBM Cloud: IBM Watson

Il catalogo IBM Cloud include anche IBM Watson, una ricca offerta di prodotti specifici per lo sviluppo di applicazioni di AI scalabili a livello enterprise. Watson è un sistema di intelligenza artificiale utilizzabile per l’elaborazione del linguaggio naturale (NLP), per il riconoscimento visivo e per il machine learning (ML). Il sistema è sviluppato per apprendere anche da piccoli set di dati e per integrarsi nei processi della singola organizzazione, dove è in grado di razionalizzare e migliorare i flussi di lavoro esistenti. I mattoni base di IBM Watson per implementare la AI in azienda sono davvero numerosi, ma se ne possono citare almeno due tra i più importanti: Watson Studio e Watson Machine Learning.

Addestrare i modelli e portarli in produzione

IBM Watson Studio è il componente che permette di preparare e analizzare i dati, e di creare e addestrare i modelli di AI all’interno di un unico ambiente integrato. Watson Machine Learning facilita invece la distribuzione dei modelli di apprendimento automatico in produzione e su larga scala. In effetti, nonostante un numero sempre maggiore di organizzazioni stia sperimentando l’integrazione di applicazioni AI e insight predittivi nei propri processi di business, il passaggio che risulta ancora difficile è trasferire i modelli sperimentali nell’ambiente di produzione: da tale punto di vista, l’obiettivo di Watson machine Learning, integrato per funzionare con Watson Studio, è aiutare data scientist e sviluppatori ad accelerare questo passaggio, ad esempio attraverso la generazione automatica di API (Application Programming Interface) che permettono di integrare con facilità la AI nelle applicazioni. In aggiunta, la possibilità, in Watson Machine Learning, di utilizzare dashboard intuitive semplifica per i team di data science l’amministrazione dei modelli predittivi in produzione, fornendo funzionalità di addestramento continuo che servono a mantenere e migliorare nel tempo la precisione dei modelli stessi.

Data Science & AI - Le differenze e le opportunità: Scarica il whitepaper

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

Articolo 1 di 4