Intelligence artificielle et apprentissage automatique

Les projets d’intelligence artificielle et d’apprentissage automatique sont sur le point de décoller. Disposez-vous d’un stockage de données rentable pour vous aider?

Untitled-1
Untitled-1

Intelligence artificielle et apprentissage automatique

Les projets d’intelligence artificielle et d’apprentissage automatique sont sur le point de décoller. Disposez-vous d’un stockage de données rentable pour vous aider?

Sample Industry Use Cases for AI/ML

Life Sciences
Whether it’s mining data from human genome sequencing, examining X-ray, CT and MRI images, predicting patient issues and outcomes or developing new drugs, there’s no shortage of AI/ML applications in the healthcare and life sciences industry.

Energy
Predictive maintenance for energy and utility company equipment, bringing efficiency and stability to the grid, natural resource exploration, and monitoring energy consumption behavior are just a few of the ways energy companies are applying AI/ML technology.

Law Enforcement
AI/ML solutions can help law enforcement agencies with tasks including automated video and image analysis, detecting and responding to traffic safety violations and accidents, predicting crime levels to help with resource allocation, DNA analysis, and more.

OSS in Action: AI/ML Use Cases

Human Genome Sequencing
Human genome sequencing is opening up new opportunities for highly individualized medicine. With sequencing data in hand, healthcare professionals can accurately predict which medications will be most effective for a particular patient – and which won’t.

But a single human genome takes up 100 GB to 200 GB of storage space, depending on which source you prefer. By 2025, an estimated 40 exabytes of storage capacity will be required for human genome data. Not knowing when a given patient’s genome data will be needed, healthcare providers can’t simply relegate inactive data to tape or other second- or third-tier options. They need to know they can get at any patient’s data when they need it.

With its single-tier, hot cloud storage approach, OSS provides the answer. All customer data is always readily available, at prices more than four times less than competing cloud storage solutions like AWS. What’s more, it’s highly secure, as all OSS data is encrypted, enabling providers to comply with federal HIPAA (Health Insurance Portability and Accountability Act) and HITECH (Health Information Technology for Economic and Clinical Health Act) regulations. And it’s infinitely scalable, able to handle data from as many patients as needed.

Industrial IoT – from Aircraft Engines to Wind Turbines
Imagine if you could get 5% more power out of every turbine in a wind farm while lowering maintenance costs by 20%. That’s what GE is doing by applying AI to vast quantities of data collected from turbines and combining it with weather prediction data. The data paints a picture of how slight changes in turbine blade positioning can deliver improved power generation performance. AI also enables predictive maintenance capabilities, while weather data informs as to the best time to perform maintenance on individual turbines.

This is just one example of how the Industrial Internet of Things (IIoT) is enabling companies to improve performance while saving money. But it’s only possible if AI/ML applications have vast amounts of historical data to examine. Consider that a twin-engine Boeing 737 aircraft generates 333 GB of data per minute per engine. An IoT-ready oil and gas drilling rig produces 7 to 8 TB of operational data a day. Connected automobiles can generate more than 1 PB of operational data each day.

The issue then becomes how best to securely and cost-effectively store that data, which is where OSS comes in. At a cost of one-fifth that of competitors like AWS, and with speeds faster than the competition, OSS is a high-performance, affordable alternative to both premises-based storage and first generation cloud providers. And OSS policy of encrypting data both at rest and in transit ensures that data is always protected.

Video and Image Analysis for Law Enforcement
Video and image analysis have long been used in the law enforcement community to obtain evidence in criminal investigations. AI/ML applications make analysis of such images, including facial recognition, far faster, easier, and more accurate – because computers don’t tire like people do, and aren’t subject to human error.

With more and more departments outfitting officers with body cams, the amount of data law enforcement is producing is growing by leaps and bounds. Nearly all large law enforcement agencies (250+ officers) have either already bought or are studying the use of body cams, according to a study by the Police Executive Research Forum. And one of their top challenges is storing all the resulting data, with some paying as much as $4 million per year for storage.

About two-thirds of the large agencies surveyed are turning to the cloud to store all that data. OSS hot cloud storage can store data at 80% less than the cost of competitors like AWS. Because it’s a single-tier platform, data is always accessible whenever it may be needed for analysis, at speeds faster than competitors. And it’s encrypted both at rest and in motion, providing the kind of security law enforcement demands.

’intelligence artificielle est le concept qui consiste à apprendre à des ordinateurs à effectuer des tâches aussi bien ou mieux que les humains. L’apprentissage machine est essentiellement un type d’intelligence artificielle qui utilise des algorithmes pour apprendre à partir d’un ensemble de données et en tirer des conclusions ou faire des prédictions, sans que l’homme ait besoin d’écrire le code qui l’aide.
Il faut d’énormes quantités de données pour entraîner les applications d’intelligence artificielle et d’apprentissage automatique et obtenir des résultats significatifs. Une application de reconnaissance d’images, par exemple, doit voir des « centaines de milliers, voire des millions d’images » avant de pouvoir fonctionner de manière fiable, selon le fournisseur de matériel GPU NVIDIA.
Compte tenu de ce type d’exigences, sans une stratégie de stockage des données rentable, les projets d’intelligence artificielle et d’apprentissage automatique risquent de ne jamais voir le jour. OSS offre justement une telle stratégie, à des coûts qui ne représentent qu’une fraction de ceux des autres options telles que AWS S3, Azure Blob Storage et Google Cloud Platform’s Cloud Storage.

Intelligence artificielle et Apprentissage automatique : plein de promesses et de défis

Les applications d’intelligence artificielle et d’apprentissage automatique, ainsi que la technique en plein essor de l’apprentissage profond, sont extrêmement prometteuses dans pratiquement tous les secteurs. Qu’il s’agisse d’analyser le génome humain pour trouver le médicament le plus efficace pour un patient spécifique, d’affiner les opérations dans une usine de fabrication pour économiser du temps et des ressources, ou de réaliser une maintenance prédictive sur toutes sortes de machines, ces technologies sont prêtes à aider les organisations à extraire une grande valeur de leurs données.
Et le moment est venu pour les projets d’intelligence artificielle et d’apprentissage automatique de prendre leur envol. Les processeurs graphiques, qu’ils soient installés sur site ou dans le nuage, offrent désormais une puissance de calcul de plus en plus importante. Les progrès de la technologie des capteurs, notamment pour les applications de l’Internet des objets (IdO), entraînent la création d’ensembles de données massifs dont les applications d’intelligence artificielle et d’apprentissage automatique ont besoin.

Ces mêmes données présentent des difficultés en matière de stockage. Les projets d’intelligence artificielle et d’apprentissage automatique peuvent être coûteux, qu’il s’agisse des outils nécessaires (matériel, logiciels, code personnalisé) ou de l’expertise requise, qui peut être encore plus difficile à trouver. (Indeed.com compte près de 10 000 postes ouverts liés à l’intelligence automatique et quelque 25 000 pour l’apprentissage automatique) Les entreprises ont besoin de solutions de stockage rentables afin de s’assurer que les projets ne coûtent pas trop cher.

C’est là qu’intervient OSS. Avec des prix inférieurs de 80 % moins coûteux que ceux d’AWS S3 et des performances supérieures à celles de la concurrence, le stockage en nuage à chaud d’OSS est parfaitement adapté aux applications d’intelligence artificielle et d’apprentissage automatique. De plus, OSS est sûr, évolutif à l’infini et hautement fiable, offrant une durabilité des objets de 99,999999999 % sur une année donnée.

Exemples de cas d’utilisation de l’intelligence artificielle et d’apprentissage automatique dans le secteur d’activité

Sciences de la vie
Qu’il s’agisse d’exploiter des données issues du séquençage du génome humain, d’examiner des images radiographiques, tomodensitométriques et IRM, de prévoir les problèmes et les résultats des patients ou de développer de nouveaux médicaments, les applications de l’intelligence artificielle et de l’apprentissage automatique ne manquent pas dans le secteur des soins de santé et des sciences de la vie.

Énergie
La maintenance prédictive des équipements des entreprises d’énergie et de services publics, l’amélioration de l’efficacité et de la stabilité du réseau, l’exploration des ressources naturelles et le suivi des comportements de consommation d’énergie ne sont que quelques-unes des applications de la technologie de l’intelligence artificielle et de l’apprentissage automatique par les entreprises d’énergie.

Application de la loi
Les solutions d’intelligence artificielle et d’apprentissage automatique peuvent aider les organismes chargés de l’application de la loi dans des tâches telles que l’analyse automatisée de vidéos et d’images, la détection et la réponse aux violations de la sécurité routière et aux accidents, la prévision des niveaux de criminalité pour faciliter l’affectation des ressources, l’analyse de l’ADN, etc.

OSS en action : Cas d’utilisation de l’intelligence artificielle et d’apprentissage automatique

Séquençage du génome humain

Le séquençage du génome humain ouvre de nouvelles perspectives pour une médecine hautement individualisée. Avec les données de séquençage en main, les professionnels de la santé peuvent prédire avec précision quels médicaments seront les plus efficaces pour un patient donné, et lesquels ne le seront pas.
Mais un seul génome humain occupe de 100 Go à 200 Go d’espace de stockage, selon la source que vous privilégiez. D’ici 2025, on estime à 40 exaoctets la capacité de stockage nécessaire pour les données du génome humain. Ne sachant pas quand les données génomiques d’un patient donné seront nécessaires, les prestataires de soins de santé ne peuvent pas se contenter de reléguer les données inactives sur bande ou sur d’autres options de deuxième ou troisième niveau. Ils doivent savoir qu’ils peuvent accéder aux données de n’importe quel patient quand ils en ont besoin.

Avec son approche de stockage en nuage à chaud et à un seul niveau, OSS apporte la réponse. Toutes les données des clients sont toujours facilement accessibles, à des prix plus de quatre fois inférieurs à ceux des solutions de stockage en nuage concurrentes comme AWS. De plus, il est hautement sécurisé, car toutes les données OSS sont cryptées, ce qui permet aux fournisseurs de se conformer aux réglementations fédérales HIPAA (Health Insurance Portability and Accountability Act) et HITECH (Health Information Technology for Economic and Clinical Health Act). Il est infiniment extensible, capable de traiter les données d’autant de patients que nécessaire.

 

Internet industriel des objets, des moteurs d’avion aux éoliennes

Imaginez que vous puissiez obtenir 5 %de puissance supplémentaire de chaque turbine d’un parc éolien tout en réduisant les coûts de maintenance de 20 %. C’est ce que fait GE en appliquant l’intelligence artificielle à de grandes quantités de données collectées par les turbines et en les combinant avec des données de prévision météorologique. Les données montrent comment de légers changements dans le positionnement des pales de turbine peuvent améliorer les performances de production d’énergie. L’intelligence artificielle permet également des capacités de maintenance prédictive, tandis que les données météorologiques indiquent le meilleur moment pour effectuer la maintenance des différentes turbines.

Ce n’est qu’un exemple de la manière dont l’Internet industriel des objets (IIdO) permet aux entreprises d’améliorer leurs performances tout en réalisant des économies. Mais cela n’est possible que si les applications de l’intelligence artificielle et de l’apprentissage automatique disposent de grandes quantités de données historiques à examiner. Considérons qu’un avion bimoteur Boeing 737 génère 333 Go de données par minute et par moteur. Une plateforme de forage pétrolier et gazier prête pour l’IdO produit 7 à 8 To de données opérationnelles par jour. Les automobiles connectées peuvent générer plus de 1 Po de données opérationnelles chaque jour.
La question est alors de savoir comment stocker ces données de manière sûre et rentable, et c’est là qu’intervient OSS. Pour un coût 5 fois inférieur à celui de concurrents comme AWS, et avec des vitesses supérieures à celles de la concurrence, OSS est une alternative performante et abordable au stockage sur site et aux fournisseurs de nuage de première génération. La politique d’OSS, consistant à crypter les données tant au repos qu’en transit, garantit que les données sont toujours protégées.

Analyse des vidéos et des images pour les forces de l’ordre

L’analyse des vidéos et des images est utilisée depuis longtemps par les forces de l’ordre pour obtenir des preuves dans le cadre d’enquêtes criminelles. Les applications d’intelligence artificielle et d’apprentissage automatique rendent l’analyse de ces images, y compris la reconnaissance faciale, beaucoup plus rapide, plus facile et plus précise, car, contrairement aux personnes, les ordinateurs ne se fatiguent pas et ne sont pas sujets à l’erreur humaine.
De plus en plus de services équipent leurs agents de caméras corporelles, donc la quantité de données produites par les forces de l’ordre augmente à vue d’œil. Selon une étude du Police Executive Research Forum, presque toutes les grandes agences de maintien de l’ordre (plus de 250 agents) ont déjà acheté des caméras corporelles ou en étudient l’utilisation. L’un de leurs principaux défis est de stocker toutes les données qui en résultent, certains payant jusqu’à 4 millions de dollars par an pour le stockage.

Environ deux tiers des grandes agences interrogées se tournent vers le nuage pour stocker toutes ces données. Le stockage en nuage à chaud d’OSS permet de stocker des données et il est 80 % moins coûteux que celui de concurrents comme AWS. Comme il s’agit d’une plateforme à un seul niveau, les données sont toujours accessibles lorsqu’elles sont nécessaires à l’analyse, à des vitesses plus rapides que celles des concurrents. De plus, les données cryptées à la fois au repos et en transit, offrant le type de sécurité que les forces de l’ordre exigent.



Envie de discuter?

Pour une évaluation objective, indépendante et complète de vos défis en matière d’informatique et de sécurité des données,