今天早上，聽到鬧鐘聲他立刻起床，絲毫不敢耽擱，穿衣、洗漱，出門比平常早了整整一個鐘頭。通常，出門早意味著一頓悠哉的早餐時光，然而今天他全無心情，因為接下來要去的是醫院。

體檢，是耐不住身體反抗的無奈之選，畢竟好多工作已忙不過來，偏偏看病又是個極其麻煩之事。這不，出門很早，可醫院已人滿為患。

終於輪到他，抽血測試全套流程折騰下來，拿到結果後他懵了……這個結果與前兩家醫院的又不同！均是全國一流的甲等醫院，到底信誰？！

一場官司，不可避免……

1 人工智慧正在變得更加真實和廣泛

以上，是一個真實的醫療糾紛案例。事實上，三甲醫院病理科每天產生上千張病理切片，儘管大部分可能沒有陽性結果，但仍必須對每張切片進行仔細審閱，耗費大量精力。某種程度上，導致了諸如上述醫療糾紛的發生。人工智慧的出現，可以改善目前的困境。

除了醫療領域，人工智慧的創新無處不在，Gartner的數據顯示，未來幾年人工智慧的發展將進一步加速，到2020年人工智慧和機器學習將成為超過30％的CIO的五大投資重點之一。

企業正在使用AI來更好地了解客戶並開發更好的產品。調查顯示，未來的1年中有超過一半的公司計劃使用AI來提供更好的客戶體驗。在全球範圍內，在每個垂直領域，個人和組織都在使用AI及其應用進行創新——機器學習和深度學習。

在交通運輸業

當前以及未來一段時間，自主運輸的手段會有多種表現形式，如汽車，卡車，無人機或農業機械。自動駕駛汽車會格外地引起關注是因為它對社會所帶來的巨大影響。自主駕駛承諾更平滑，更安全，更舒適的移動體驗。汽車行業正在從輔助到自動駕駛的不斷演進之中。

時下，大部分先進的駕駛輔助系統（ADAS），例如行人識別，仍然通過基於規則的編程來實現。建設和維護這些系統非常的複雜。考慮到交通場景的多樣性和多變性，需要涵蓋的情況實際上是無限的。因此，定義一套完整的規則不僅不切實際，而且不可能。另外，像城市駕駛這樣的應用，基於規則的系統不能提供足夠的性能來有效地處理來自攝像機，LIDAR和雷達系統的全部所需信息。為了完成真正自主決策的過程，其先決條件是使用現代化的AI方法。

在製造業

在製造業的預測性維護方面，機器學慣用於檢測設備異常。深度學習分析大量高維度數據的能力可以將現有的預防性維護系統提升到一個新的水平。通過其他感測器（包括相對便宜的感測器，例如麥克風和攝像頭）傳輸的附加數據（如音頻和圖像數據），神經網路可以增強甚至取代一些傳統的方法。 AI能夠預測故障並允許有計劃的干預措施，可用於減少停機時間和運營成本，同時提高產量。

例如，AI可以通過將平面模型數據，維護歷史記錄，IoT感測器數據（如發動機振動數據的異常檢測，以及發動機狀況的圖像和視頻）相結合，將貨機的壽命延長到超越傳統分析技術所能達到的水平。

在零售業

售後通過AI技術的應用，改進了呼叫中心管理和電話路由的語音識別能力，提供了更好的用戶體驗，提高了處理效率。這個分析能力不僅是分析詞句的能力，例如，音頻的深度學習分析可以讓系統評估客戶的情緒音調;如果客戶對系統反應不佳，可以將呼叫自動重新路由至更高級別人員和管理人員。

在營銷和銷售的其他領域，人工智慧技術也會產生重大影響。將客戶的人口學特徵和過去的交易數據與社交媒體監控相結合可以幫助產生個性化的產品推薦，這就是我們在訪問購物網站時所經常遇到的「產品推薦」選項。

市場營銷和銷售是人工智慧最重要的潛在價值領域，在此功能範圍內，定價和促銷以及客戶服務管理是主要的價值領域。有案例表明，使用客戶數據來個性化促銷活動（例如，包括每天定製個別優惠）可以使實體零售商的增量銷售額僅增加1-2％。

在醫療行業

斯坦福大學的研究人員創建了一個機器學習的演算法，它使用大量的圖像資料庫來進行皮膚癌的診斷。使用最新的結合深入學習與視覺識別的發展，該演算法旨在取代皮膚癌診斷的初步觀察步驟。對於病人和醫生來說，就醫過程會變得更加容易而高效。

不僅在皮膚癌，病理人工智慧已用於乳腺癌、胃癌、前列腺癌和腸癌等多種腫瘤中，應用範圍集中於良惡性診斷、疾病分級、染色分析和早期腫瘤篩查等方面。

2 您的公司已經為AI做好準備了嗎？恐怕未必

CIO必須成為整個企業人工智慧的領導者。我們委託Forrester執行的AI研究顯示，許多公司內都存在一些協調得不好的AI項目。業務線領導發起了大部分人工智慧部署工作。他們通常會邀請IT人員進行支持。但是，有約15％到20％的情況，IT是毫不知情的。為什麼？

毫無疑問，IT部門能夠在整個公司領導所有人工智慧項目。事實上，讓IT參與AI項目帶來了很多好處。讓IT參與AI項目的公司採用機器學習平台的可能性提高了3倍，採用深度學習平台的可能性提高了2倍。換句話說，如果只有業務參與單獨進行研究可能最終只會採用大約一半的AI構件塊。

這些業務線繞過IT的原因之一是IT缺乏現代化的數據中心。 IT擁有技術基礎架構，數據和軟體應用程序。 IT最適合作為所有人工智慧計劃的中心，並可連接到外部數據源，並跨業務部門互連內部數據源。但事實是，大多數數據中心還沒有做好接受人工智慧的計劃。受訪者表示，AI戰略中一些最具挑戰性的基礎設施問題來自於伺服器的自動化和安全性。另外，有61％的受訪者表示他們缺乏使用專用處理器（如GPU和FPGA）的伺服器。

3 對於即將到來的AI，我們的數據中心該如何進行準備？

我們讓Forrester擬了一份清單來幫助企業的CIO們掌控整個AI項目。這份清單對一個AI項目來說是一個很好的開端，因為它包含了由數據支持的戰略，戰術和實踐指導。其中有些建議側重於組織，有些專註於現代化基礎設施。

（註：這份完整的Forrester報告，我們已經安排翻譯，將在近期發布給大家。）

支持AI的現代化基礎設施通常從購買新伺服器開始。這裡至關重要的是新伺服器對於GPU和FPGA的支持能力。 CPU非常適合串列處理。 GPU和FPGA非常適合併行處理。當計算任務可以並行執行時，伺服器將它們轉移到GPU或FPGA。這釋放了CPU，並且是將學習時間從幾天，幾周縮短到幾分鐘和幾小時的關鍵因素所在。

短短几年前，具有專業並行處理能力的伺服器的普及受到限制。這些伺服器平台價格昂貴，他們需要的GPU也是如此。今天，情況大有改觀。Dell EMC PowerEdge產品組合包裝有專門用於處理人工智慧和機器學習的伺服器。去年年底，我們推出了PowerEdge C4140，這是一款超密集的加速器優化平台，可在1U空間內支持2個CPU和4個GPU。今天，我們宣布推出兩款新型4路伺服器，進一步擴展了我們對人工智慧的承諾。

★ PowerEdge R840是一個高密度的2U平台，支持多達4個Intel CPU和多達2個GPU或2個FPGA。通過靈活的性能和容量選項包括24個NVMe驅動器配置和大容量存儲空間，可以快速將分析轉化為見解，從而加快業務發展速度。

★ PowerEdge R940xa是一款專為極速加速而構建的4U平台。它支持1：1的CPU與GPU比率，最多支持4個Intel CPU，最多支持4個GPU或8個FPGA。大量內部存儲（多達32個驅動器）的提供為不斷增長的雲費用和安全風險提供了可替代的方案。

以上只涵蓋了PowerEdge系列很小的一部分產品，您可以訪問Dell EMC產品公眾號，得到所有產品線的內容和關於AI的討論。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！