AIと機械学習 - Dell · 2020. 8. 17. ·...

AIと機械学習

ソリューション本部シニアビジネス開発マネージャ増月孝信

© Copyright 2019 Dell Inc.5

お客様のAI意識


社内とお客様の両方にAI/MLを適用できると考えている

AI/MLの優先項目、特にセキュリティに関して、さらなる組織間の連携と対応が必要であると考えている

製品/サービスのイノベーション、コスト削減よりも大きな推進要因となっているのはカスタマーエクスペリエンス(CX)の機能拡張であり、導入が進んでいる組織ほど多くのメリットを感じている

重要な結果：

• 82%の企業はAI/MLを組織のお客様に適用できると考えており、85%は社内運用に適用できると考えている

• 現在、本番環境でAI/MLを使用している企業の50%はAI/MLによってお客様への理解が深まっていると述べ、44%は顧客エンゲージメントが高まっていると報告している（これに対し、AI/MLを使用していない企業のうちAI/MLのメリットを期待している企業の割合は27%）

• 本番環境でAI/MLを使用している企業の55%はAI/MLによって資産のトラッキングが向上したと述べ、55%は運用コストが下がったと報告している

• 87%の企業はデータ・パイプラインに関する課題があることを報告している

過半数が課題解決、コスト削減のために社内でAI/MLを適用できると考えており、やはり導入が進んでいる組織ほど多くのメリットを感じている

データの管理、データの統合、データの品質/量のすべてが、組織の課題となっている

AI/MLのトレンドの概要


Dell TechnologiesのAI

Dell Technologies製品で実現するAI

Dell Technologies製品に搭載されたAI

Dell Technologiesで利用されるAI

[透過性を高めるために画像をスライド全体に配置]

© Copyright 2019 Dell Inc.


AIソリューション

Dell Technologies製品で実現するAI AIのデータ管理

AIのエコシステム

AIプラットフォーム

AI向けに最適化されたコンピューティング

AI向けに最適化されたストレージ



AI 向けに最適化されたコンピューティング

DELL EMC PowerEdge

機種 C4140R740 /R740xd

R640 T640 R940xa R840 R7425R6525soon

C6525soon

R7515 R6515

形状 1U 2U 1U5U

(ラックのみ)4U 2U 2U 1U 2U 2U 1U

CPU数 INTEL 2CPU INTEL 2CPU INTEL 2CPU INTEL 2CPUINTEL 4CPUINTEL 2CPU

INTEL 4CPUINTEL 2CPU

NAPLES 2CPU ROME 2CPU ROME 2CPU ROME 1CPU ROME 1CPU

GPU数4x NVLink GPU

4x DW GPU

3x DW GPU6x SW GPU4x Aria103x Xilinx

1x SW FH GPU3x SW LP GPU

1x Aria104x DW GPU

4x GPU (4CPU)2x GPU (2CPU)8x FPGA (4CPU)4x FPGA (2CPU)4x Xillinx (4CPU)2x Xilinx (2CPU)

2x GPU2x Aria101x Xilinx

3x DW GPU6x SW GPU1x Xilinx

1x SW FH GPU3x SW LP GPU

1x SW GPU2x SW GPU

1x Xilinx2x SW GPU

ノード数

1 1 1 1 1 1 1 1 4 1 1

対応GPU&

Others

TESLAV100 NVLinkV100P40

TESLAV100P40M10T4 (3x 16, 3x 8)

QuadroP4000 x3

FPGAIntel Arria 10Xillinx Alveo U200

TESLAT4 x1 (2PCI)T4 x3 (3PCI)

FPGAIntel Arria 10

TESLAV100P40M10

TESLAV100P40


TESLAV100P40


TESLAV100P40M10T4 (6x 16)

FPGAXillinx Alveo U200

TESLAT4 x1 (2PCI)T4 x3 (3PCI)

TESLAT4 x1

TESLAT4 x2

FPGAXillinx Alveo U200

TESLAT4 x2

※ 予告なく仕様が変更されることがございます。最新の搭載条件等最新情報は、弊社営業担当にご確認ください。

© Copyright 2019 Dell Inc.1212 © Copyright 2019 Dell Inc.

PowerEdge C4140 Serverアクセラレータに最適化された超高密度サーバープラットフォームを使用して、洞察を得るために必要な時間を短縮します。

* Based on Dell internal analyses and Principled Technologies Report - Jan 2015.

主な利用用途

• 機械学習/ディープラーニング

• 科学技術計算 (研究 / 生命科学)

• 低レイテンシ, 高パフォーマンスアプリ(FSI)

主な特徴

• 特許出願中のインターリーブ型GPUシステム設計により、高性能と優れた熱効率を実現*

• 妥協の無いアクセラレーション技術 NVIDIA® Tesla™V100 with NVLink™で 500 TFLOPS / U+

• 2.4KW PSUは、次世代GPUの将来を保証します

• 予め検証済みの Ready Solution による簡単な導入

• 1U, 2 Socket, 4 GPU

Xeon Scalable Processors

Tesla GPUs

+Based on V100 NVLink Tensor Core Performance


C4140の内部構成

CPU 2

GPU 1

2 SSDs

PSU

PSU

CPU 1

PCIe 1 x 16

PCIe 2 x 16

GPU1

GPU 2

GPU 3

GPU 4

PCIeSwitch

NVLink版

フロントにGPUをレイアウトして冷却効果を最大限にすることで

最もGPUの演算能力を引き出す設計

フロント


異なるワークロード向けの複数のコンフィギュレーション

PC

Ie

構成

NV

Lin

k

構成

PCH

PCI1PCI2PCI3

CPUCPU

x4

PLX

GPU GPUGPU GPU

PCH

PCI1PCI2PCI3

CPUCPU

x4

PLX

GPU GPUGPU GPU

PCH

PCI1PCI2PCI3

CPUCPU

x4

GPU GPUGPU GPU

PCH

PCI1PCI2PCI3

CPUCPU

x4

PLX

PCH

PCI1PCI2PCI3

CPUCPU

x4

Configration-B

Configration-MConfigration-K

Configration-C Configration-G

GPUGPU

GPU GPU

NVLink

NVLink GPU x4

NVLink GPU x4


Dell EMC DSS 8440 ：「機械学習専用サーバー」4Uラック筐体に最大10基のアクセラレーターを搭載

DSS 8440 server

• 最大10基、アクセラレーテッドコンピューティングに特化した機械学習専用サーバー

– 最大10基のNVIDIA Telsa V100 GPU搭載（DTW 2019で発表, 今年夏販売開始予定）

– Graphcore C2 IPUを最大8基搭載（個別提供、公式ブログで情報公開中）

• 圧倒的なサーマル性能で、TDP 205W CPU構成でも35C環境で10 GPUをフル稼働可能

• 学習データの高速な移動も最大10ドライブのローカルストレージで実施（NVMe, SAS, SATA）

• InifiniBandなど高速ファブリックI/Oをサポート(8スロットの PCIe Gen3)

ディープラーニングの学習フェーズをはじめ、広範囲な高負荷ワークロードに最適


AI 向けに最適化されたストレージDell EMC IsilonがAIのボトルネックを解消

All Flash

All-Flashの競合他社の同等製品との比較

AIモデルの学習と検証時間を短縮

より大きく、詳細なデータセットでモデル

の精度を向上

マルチプロトコルサポートによる運用の

柔軟性の最大化GPUを最大限に活用

9倍以上のIOPS*

18倍以上の帯域幅*

21倍以上の容量*

* 2018年6月、Dell EMCの内部分析に基づく最も近い競合製品との比較. Ad # G18000181

最大数百万の同時接続数千のGPUをサポート


Dell Technologies のデータレイク物理アーキテクチャ

Metadata, Security & Governance

Pub-Subデータ移動

Real-time

マスターデータ管理

利用層ソース

リアルタイム

バッチ

マイクロバッチ

サービス層 *

共有データ基盤

メタデータ, セキュリティ & ガバナンス

HDFS ON ISILONHADOOP ON POWEREDGE w/ FLEXOS

GREENPLUM ON POWEREDGE w/NVMe | DATA DOMAIN

実行層

Data Science Workbench


Dell EMC Ready Solutions for AI

Machine Learning with HadoopDeep Learning with NVIDIA

機械学習/ディープラーニングを用いたデータ分析基盤でより深い洞察

より速く、より良く、より深い洞察力

効率改善とセキュリティ強化

信頼の経験

AIソリューション


Ready Solutions for AI - DL with NVIDIA の Demo


インテリジェントなストレージ最適化

インテリジェントな管理とオーケストレーション

インテリジェントなワークロード配置

インテリジェントなアクセラレーター最適化

インテリジェントなファブリック管理




インテリジェントなストレージ最適化




機械学習を実装するインテリジェントなストレージエンタープライズストレージの将来がここに集約

高性能

信頼性

効率性

一切の妥協なし

Dell EMC PowerMax


リアルタイムの機械学習PowerMaxOSが実現する自律的なストレージ

• 予測分析とパターン認識を活用

• 4,000万のデータセットをリアルタイムに分析および予測1

• オーバーヘッドなしで1日あたり60億件の決定を推進してパフォーマンスを最大化2

14PBの容量を搭載したPowerMax 8000に関するDell EMCの社内分析（2018年3月）に基づきます。21台のPowerMax 2000アレイまたはPowerMax 8000アレイに関するDell EMCの社内分析（2018年3月）に基づきます。3 SCMは2019年初めに提供開始

NVMeNVMe

機械学習エンジン

PowerMax

SCM* フラッシュ


機械学習アプリケーションの統合

•自動的にホスト上のアプリケーションを検出し、IOをタグ付けして、レスポンスタイムを最適化

•全体のアプリケーション・パフォーマンスの向上

*初期リリースのOracle on VMwareによってサポート

PowerMax

PowerPath

アプリケーション

アプリケーション


サービスの最適化


• パーツ故障の予測• 修復時間の予測• 配送パス解決のガイド付き予測• 不正行為の予測

サプライ・チェーンの最適化

• 品質の問題• コストの予測• 商品需要予測• 大規模オーダー対策• 動的な在庫管理

ロボットティック・プロセス・オートメーション(RPA)

• チャット・ボット• オンラインでの推奨機能• 顔認識• NPSによる顧客満足度の把握• セールス・ボット



AIのユースケース


デジタルマニュファクチャリング: 最新技術による製造業の実現と生産性

オペレーション効率コネクテッドマシン

グリーンファシリティ

従業員の生産性

▪ 資産管理

▪ 適正在庫

▪ プロセスの自動化と品質

コントロール

▪ PLM / サプライチェーン

▪ 予測メンテナンス

▪ リモート管理

▪ アセットユーティリティの

最適化

▪ エネルギー効率

▪ グローバルファシリティの

インサイト

▪ 排出ガスの削減

▪ セキュリティとアクセス制御

▪ 安全性向上

▪ リモート管理

▪ 効率改善

▪ コンプライアンス


• 予測に基づく保守または状態の監視

• 保証引当金の見積り

• サプライチェーンの最適化

• 需要予測

• プロセスの最適化

製造

• リスク分析および規制

• カスタマーの区分化

• クロスセルとアップセル

• セールスとマーケティングキャンペーン管理

• 信用価値評価

金融サービス

小売

• 予測可能な在庫計画

• 推奨エンジン

• アップセル、クロスチャネルマーケティング

• 市場セグメントとターゲッティング

• 顧客のROIと生涯価値

• サイバー攻撃の侵入試行の検出、分析

• スマートパワー、耐障害性のための輸送設計

• テロリストの脅威の予測

• 社会経済のトレンドと人口計画

政府

• 電力の使用状況の分析

• 地底探査データ処理

• 二酸化炭素排出量

• 顧客固有の価格

• エネルギーの需要と供給の最適化

エネルギー

• 車両衝突回避システム

• スマートなトラフィックルーティング

• 最適な移動のための公共交通機関計画

• 最適な経路を選び出す自律したスマートサービス/ビークルナビゲーション

運輸

• 航空機のスケジュール設定

• 動的な適正価格設定

• ソーシャルメディアの利用者のフィードバックと対話の分析

• 消費者からのクレームの対応

• 交通量のパターンと渋滞管理

旅行とホスピタリティ

ユースケースの設定世界を変革させる可能性

• リアルタイムの患者データによるアラートと診断

• 病気の特定とリスクの階層化

• 患者のトリアージの最適化

• プロアクティブな健康管理

• 医療機関のセンチメント分析

医療/ライフサイエンス


デジタルトランスフォーメーションのステップ

4. 戦略的ロードマップの策定- 現在から将来の状態のギャップ項目を優先順位づけする- 必要なプロセス/方法論を定義- 移行アーキテクチャと価値/利益を定義- 実施計画を定義

5. 配信プロセスの管理- ガバナンス、データ品質、およびセキュリティ戦略を定義- 価値/利益を測定するための測定基準を確立- 進捗状況を監視し、変更管理を提供

3. アーキテクチャの定義- ユースケースの定義- データおよび分析基盤のアーキテクチャを定義- 既存環境とのギャップ分析

1. 戦略的なビジョンと計画策定- 戦略的な優先順位づけ- 主要な要因と設計方針を定義- ビジネスチャンスを規定- ビジネスの差別化ポイントと効果測定

2. 現状の把握- データ分析の成熟度と現状の能力を評価- データ分析の課題を把握- データ、ツール、技術資産を把握



AIの未来


AIへの備え

AIの第3の波



第1の波：ルール・ベースのAI

AIの第3の波

第2の波：統計学習

第3の波：モデル・ベース

⁃ 人によるモデルの構築とチューニング⁃ コンピューター・ゲームの意思決定ツリー⁃ 推論

オブジェクトを検出する能力には優れている

推論する能力には劣っている

洗濯機

犬

犬は洗濯機に入ることができるが、それは良いことではない

⁃ システムがモデルを構築してチューニング⁃ トレーニングは不要⁃ システムはコンテキスト適応性あり⁃ 推論、認識、学習、抽象化

⁃ 人がモデルを構築し、マシンがチューニング⁃ ニューラル・ネットワーク⁃ 自律型車両の画像認識⁃ 認識、学習


AIへの備え

AIの第3の波



AIの未来についてAIコミュニティーの意見が分かれている

AIへの備え

AIの欠点を理解するための多大な投資

⁃ 人類を救う/滅ぼす⁃ AIをコントロールする者が世界をコントロールする⁃ あまりにも未熟であり、成熟までさらに10年間待つ必要がある

⁃ AIは実用化されているか⁃ AIが実用化されている場合は防御策の構築を始める必要があり、

実用化されていない場合は10年間待つ必要がある

AIへの備えAIの第3の波





AIのユースケース

AIと機械学習 - Dell · 2020. 8. 17. ·...

Documents

Transcript of AIと機械学習 - Dell · 2020. 8. 17. ·...