Questo sito web utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all'uso dei cookie. Leggi la nostra Cookie Policy per esteso.OK

Watson è l’intelligenza artificiale per il business: sicurezza e prestazioni

pittogramma Zerouno

Focus on

Watson è l’intelligenza artificiale per il business: sicurezza e prestazioni

Perché Watson può aiutare le aziende a risolvere i problemi di security, privacy, compliance e performance dei workload di ML e DL

27 Nov 2019

di Redazione Data Science & Machine Learning

Utilizzare oggi la data science per estrarre dai dati conoscenza e informazioni di valore per il business è un’attività senza dubbio strategica, ma anche complessa per le organizzazioni. E ciò perché, tra le varie sfide tecnologiche, occorre garantire che l’infrastruttura tecnologica dell’intelligenza artificiale (AI) sia in grado di soddisfare requisiti di sicurezza e prestazioni. Fortunatamente, sul mercato sono disponibili piattaforme AI integrate e complete anche in fatto di sicurezza, privacy, e performance: Watson, l’”intelligenza artificiale” di IBM, ad esempio, possiede caratteristiche volte a ridurre la complessità d’implementazione e gestionale sotto tutti questi punti di vista.

Adottare l’AI con una soluzione integrata e completa

Quando si decide d’integrare l’intelligenza artificiale in azienda, è necessario prendere in considerazione diversi aspetti. Negli attuali ambienti enterprise, i dati sono presenti in forma frammentata e spostarli è un processo costoso, rischioso e lento. I data scientist possiedono differenti livelli di competenze e preferenze per diversi framework open source, mentre l’elevata domanda di capacità computazionale, richiesta dai workload generati dall’elaborazione dei big data, o dagli algoritmi di deep learning (DL), rischia di limitare la produttività. In aggiunta, la complessità d’integrazione dell’hardware e del software d’intelligenza artificiale può portare all’introduzione di vincoli a livello di sicurezza, scalabilità, governance dell’infrastruttura di AI.

In simili contesti, la strategia IBM è, da un lato, facilitare il più possibile il lavoro dei data scientist, supportando sia gli ambienti on-premise, sia le architetture IT multi cloud, e accelerando le prestazioni della piattaforma, a livello hardware e software. Dall’altro lato, l’obiettivo di Watson è assicurare che le applicazioni di AI e deep learning possano essere amministrate nel rispetto dei criteri fondamentali di sicurezza, compliance e governance.

Watson intelligenza artificiale per la sicurezza

I dati, e i modelli con essi costruiti, rappresentano il patrimonio di maggior valore per un’azienda, la base per creare, con l’aiuto dell’intelligenza artificiale, un vantaggio competitivo: più tali dati e modelli diventano preziosi, più diventa importante controllarli e proteggerli. Partendo da questo principio, i servizi IBM Watson e i dati utilizzati per addestrare Watson sono amministrati seguendo un sistema di best practice centrato sulla gestione sicura dei dati stessi, su criteri di trasparenza e conformità con le normative e policy esistenti, e su un framework di contratti che rafforza la protezione di privacy e dati personali. IBM non condivide gli insight ottenuti dai dati senza il consenso dell’azienda interessata, e per ogni servizio di Watson fruito sul cloud IBM, dotato di tutte le principali certificazioni di conformità (GDPR, ISO 27018, PCI-DSS, HIPAA), esiste un documento che specifica le tipologie d’informazioni personali utilizzate, le attività di elaborazione, le operazioni di protezione, i siti di data hosting e quant’altro. La security di Watson sul cloud IBM è supportata da robusti meccanismi di cifratura, e sistemi di controllo accessi e autorizzazioni.

Quando le esigenze di elaborazione dei modelli di deep learning diventato elevate, Watson può contare su piattaforme come Watson Machine Learning Accelerator che, oltre a sfruttare la potenza dei server IBM Power Systems accelerati, permette di distribuire con facilità i carichi di lavoro derivanti dalle operazioni di training dei modelli di ML e DL su molti server, così da sfruttare la capacità elaborativa di un maggior numero di CPU e GPU. È possibile anche scegliere diversi modelli di distribuzione, come l’Elastic Distributed Training (EDT) o il Distribuited Deep Learning (DDL). In aggiunta, IBM fornisce una funzionalità chiamata Large Model Support (LMS), in grado di consentire il training di complessi modelli di deep learning, altrimenti destinati a superare i classici limiti di memoria (16 GB) delle GPU.

Point of view: IBM L’infrastruttura aziendale nell’era dell’intelligenza artificiale: sfide e vantaggie Scarica il white paper

D

Redazione Data Science & Machine Learning

Argomenti trattati

Approfondimenti

I
Intelligenza Artificiale

Articolo 1 di 4