Riesci ad immaginare di dover subire un intervento chirurgico per poi scoprire che non ne avevi bisogno? Recentemente ho sentito la storia di una donna che aveva dovuto rimuovere un nodulo al seno, benigno. Ero scioccato. Ma dopo alcune ricerche, ho scoperto che non è così raro.
Ancora oggi, nonostante tutti i progressi tecnologici, si verificano interventi chirurgici non necessari. Circa il 90% delle rimozioni di noduli al seno risultano poi non necessarie. La buona notizia è che ora esistono tecnologie come l’intelligenza artificiale (AI) per aiutare a risolvere questi problemi. Medici come Manisha Bahl del Massachusetts General Hospital hanno dimostrato che questi interventi non necessari potrebbero essere ridotti di quasi un terzo utilizzando il machine learning.
È vero. L’intelligenza artificiale è reale e diffusa.
L’adozione dell’AI sta accadendo ovunque, non solo nell’assistenza sanitaria. Circa il 71% delle aziende ha dichiarato di aver già implementato l’intelligenza artificiale o di pianificarla nei prossimi 12 mesi. [1] Il grafico mostra le risposte di 2.106 decision maker di organizzazioni globali.
Fonte: Ricerca Forrester Data Global Technographics Data and Analytics, 2017.
Volevamo capire meglio come l’AI influisce sulle aziende, sulle loro linee di business e sul dipartimento IT. Pertanto, abbiamo incaricato Forrester Consulting di aiutarci a rispondere a queste domande. I dettagli e le scoperte hanno costituito la base di un Forrester Consulting Thought Leadership Paper sull’argomento.
Ciò che è chiaro è che il mondo non sta più aspettando che la Silicon Valley sviluppi una soluzione all-in-one per risolvere i loro problemi. Individui e organizzazioni utilizzano le nuove tecnologie per innovare, in modo autonomo, utilizzando anche l’intelligenza artificiale. La tecnologia di base come la stampa 3D sta democratizzando la produzione e migliorando lo sviluppo del prodotto. I dispositivi IoT connessi sono ormai onnipresenti e generano molti dati grezzi. Nuovi potenti server a 4 socket con elaborazione seriale e parallela sono utilizzati per elaborare enormi quantità di dati per l’elaborazione di informazioni dettagliate in tempo reale. Queste tecnologie sono ora accessibili a tutti, non solo agli enormi istituti di ricerca o alle aziende di Fortune 50.
Le organizzazioni utilizzano l’intelligenza artificiale per comprendere meglio le esigenze dei loro clienti e sviluppare prodotti migliori. Nei prossimi 12 mesi, il 54% delle aziende prevede di utilizzare l’intelligenza artificiale per offrire una migliore customer experience. [2] In tutto il mondo, in ogni mercato, individui e organizzazioni stanno innovando con l’intelligenza artificiale e le sue applicazioni: machine learning e deep learning.
ASSISTENZA SANITARIA
Potrebbe sostituire il tuo dottore? Probabilmente si. L’intelligenza artificiale non sostituisce tutto ciò che fa il medico. L’ospedale del futuro non funzionerà da solo. Come accade nel mercato manifatturiero, i progressi nel settore sanitario sembrano concentrarsi su compiti ripetitivi e riduzione della variabilità. Diamo un’occhiata a qualche esempio.
L’occhio umano è fallibile. I medici hanno gli occhi umani. Anche un team composto dai migliori medici può analizzare la stessa immagine medica e giungere a conclusioni diverse. La domanda è: quanto spesso questo accade? Nel 1959 un articolo innovativo citava che i radiologi mancavano di circa il 30% dei risultati positivi. [3] Più di cinque decenni dopo, numerosi studi confermano ancora la discrepanza delle interpretazioni radiologiche. [4]
Cosa cambia con l’occhio digitale alimentato da AI. L’occhio digitale è già migliore dell’occhio umano in molte aree. In effetti, l’accuratezza dell’occhio digitale dovrebbe estendere ulteriormente il suo vantaggio sull’occhio umano [5]. Questi miglioramenti continueranno a far progredire la radiologia, la patologia, la dermatologia e la precisione dell’oftalmologia.
Alla Stanford University, i ricercatori stanno usando l’occhio digitale. Hanno creato un algoritmo di intelligenza artificiale per identificare il cancro della pelle. La pelle umana è piena di lesioni non cancerose. Le lesioni come le lentiggini, nei e difetti cutanei sono molto comuni e benigni. Può essere difficile individuare quelli cancerogeni. I ricercatori di Stanford hanno addestrato il loro algoritmo di deep learning con 130.000 immagini. Quello che hanno scoperto è che l’efficienza del loro algoritmo nella diagnosi del cancro della pelle è simile a quella di un medico.
PRODUZIONE
Quando Henry Ford cambiò radicalmente il modo in cui le auto furono costruite, gli umani eseguirono quasi ogni compito, a volte con ripetizioni sconvolgenti. Oggi i robot eseguono molte di queste sequenze in un percorso pre-programmato. Lo fanno con precisione e senza lamentele. Ma ci sono ancora problemi da risolvere ed efficienze da ottenere, portando alcuni a credere che i giorni della fabbrica “stupida” siano contati. [6] La fabbrica del futuro sarà intelligente e gestirà autonomamente manutenzione predittiva, miglioramenti della resa e test di qualità automatizzati.
I vantaggi dell’AI vanno oltre le operazioni di produzione. Anche l’intelligenza artificiale utilizzata nei processi aziendali di produzione può avere conseguenze drammatiche. In effetti, McKinsey crede che ci siano enormi vantaggi in una supply chain potenziata dall’AI:
- Gli errori di previsione possono essere ridotti fino al 50%
- Le vendite perse da prodotti non disponibili possono essere inferiori del 65%
- Le scorte di magazzino possono essere ridotte dal 20% al 50%
SETTORE ALBERGHIERO
Nel 2005, Ritz-Carlton ha lanciato un processo centrale per offrire un servizio clienti impeccabile e memorabile. Lo chiamarono “Mystique” ed era in grado di analizzare il comportamento degli ospiti di un hotel in base alle informazioni disponibili. In questo modo, Mystique ha risolto un problema di condivisione delle informazioni tra le sue 60 proprietà alberghiere. Per esempio, quando il personale dell’hotel apprendeva qualcosa di nuovo su un ospite (come la sua preferenza per Diet Coke), lo inseriva in Mystique. L’obiettivo dell’azienda era quello di annotare cinque preferenze su ciascun ospite. [7] Quando l’ospite sarebbe tornato a qualsiasi Ritz-Carlton, lo staff dell’hotel avrebbe soddisfatto almeno tre o più di queste preferenze.
Più di un decennio dopo il lancio di “Mystique”, il viaggiatore di oggi esige ancora questa personalizzazione nel settore dell’ospitalità. Si aspettano che gli hotel sappiano tutto su di loro – cosa gli piace e cosa no – vivendo un’esperienza creata apposta per loro. Questo va oltre le dimensioni del letto, del pavimento preferito e dei cuscini di piume o di gommapiuma. Le e-mail promozionali non devono più offrire pacchetti golf a chi non gioca a golf. I clienti vogliono vedere offerte che attirano i loro gusti, non i messaggi di unisex usati in passato. L’AI aiuta a fare ciò attingendo a fonti di dati come i social media.
La tua azienda è pronta per l’intelligenza artificiale? Probabilmente no.
I CIO devono emergere come leader nell’AI. La ricerca di intelligenza artificiale che abbiamo commissionato a Forrester ha rivelato che ci sono numerosi progetti di AI non coordinati che avvengono all’interno dell’azienda. I business leader hanno avviato la maggior parte degli sforzi di dispiegamento dell’AI. Spesso, coinvolgono l’IT per il supporto. Nonostante ciò, dal 15% al 20% circa del tempo, l’IT è completamente all’oscuro di tutto. Perché?
Non c’è dubbio che l’IT sia nella posizione migliore per guidare tutti i progetti di intelligenza artificiale all’interno dell’azienda. In effetti, il coinvolgimento dell’IT porta ulteriori vantaggi nell’implementazione dell’AI. Le aziende che coinvolgono l’IT hanno probabilità 3 volte maggiori di adottare piattaforme di apprendimento automatico e sono doppiamente propense ad adottare piattaforme di deep learning. Dall’altro lato dell’equazione, le imprese con linee di business che si muovono da sole esplorano e adottano circa la metà del numero di blocchi costitutivi di intelligenza artificiale.
Un motivo per cui le linee di business stanno bypassando l’IT è la mancanza di un Modern Data Center. L’IT possiede l’infrastruttura tecnologica, i dati e le applicazioni software. L’IT è la soluzione migliore per fungere da hub per tutte le iniziative di AI e può connettersi a fonti di dati esterne e interconnettere le fonti di dati interne tra le unità aziendali. Ma la realtà è che la maggior parte dei data center non sono pronti per le iniziative AI. Gli intervistati hanno dichiarato che alcuni dei problemi di infrastruttura più impegnativi per le strategie di Intelligenza Artificale riguardavano l’automazione e la sicurezza dei server. Inoltre, il 61% ha affermato di non disporre di server con processori specifici come GPU e FPGA.
Come prepararsi per le iniziative AI nel data center
Abbiamo chiesto a Forrester di mettere insieme una lista di controllo per aiutare i CIO a guidare l’AI nella loro azienda. È un ottimo punto di partenza perché include una guida strategica, tattica e pratica supportata dai dati. Alcune delle raccomandazioni si concentrano sull’organizzazione. Alcuni si concentrano sulla modernizzazione dell’infrastruttura.
L’infrastruttura modernizzata per supportare l’AI di solito inizia con nuovi server. È fondamentale che questi nuovi server supportino GPU e FPGA. Le CPU sono grandi per l’elaborazione seriale. GPU e FPGA sono grandi per l’elaborazione parallela. Quando le attività di calcolo possono essere eseguite in parallelo, il server le scarica nella GPU o FPGA. Ciò libera la CPU ed è la chiave per ridurre i tempi di apprendimento da giorni e settimane a minuti e ore.
Solo pochi anni fa, i server con capacità di elaborazione parallela specializzata erano limitati. Queste piattaforme server erano costose, così come le GPU di cui avevano bisogno. Oggi le cose sono diverse. Il portfolio Dell EMC PowerEdge è ricco di server creati appositamente per gestire il machine learning e il deep learning. Alla fine dello scorso anno, abbiamo lanciato PowerEdge C4140, una piattaforma ultra-densa e ottimizzata in grado di supportare 2 CPU e 2 GPU in uno spazio 1U. Oggi estendiamo ulteriormente il nostro impegno per l’AI con l’annuncio di due nuovi server a 4 socket.
- PowerEdge R840 è una piattaforma 2U densa con supporto per un massimo di 4 CPU Intel e fino a 2 GPU o fino a 2 FPGA. È orientato a turbocondurre l’analisi dei dati con le sue prestazioni flessibili e le opzioni di capacità tra cui una configurazione di 24 unità NVMe e uno spazio di archiviazione significativo.
- PowerEdge R940xa è una piattaforma 4U costruita per un’accelerazione estrema. Supporta un rapporto CPU/GPU da 1:1 con un massimo di 4 CPU Intel e fino a 4 GPU o fino a 8 FPGA. L’ampia memoria interna (con un massimo di 32 unità) offre un’alternativa all’aumento delle tariffe cloud e dei rischi per la sicurezza.
Questi server sono solo una piccola parte del portfolio PowerEdge. Puoi verificarli tutti visitando dellemc.com/servers e saperne di più su dellemc.com/ai.
