ก่อนหน้านี้โซลูชันกลุ่ม Artificial Intelligence (AI), Machine Learning (ML) และ Deep Learning (DL) จากผู้ผลิตรายต่างๆ มักเป็นบริการบน Cloud เพราะต้องใช้พลังประมวลผลสูง แต่ IBM นั้นสามารถนำเทคโนโลยีของ IBM Watson มาทำงานบน IBM z System Mainframe ได้ และเปิดให้องค์กรสามารถ Train ระบบ AI ของตนเองได้แบบ On-premises ร่วมกับข้อมูลสำคัญต่างๆ ภายในองค์กรโดยไม่ต้องพึ่งพา Cloud ได้แล้ว

IBM Machine Learning นี้จะทำงานบนระบบปฏิบัติการ IBM z/OS บนเครื่อง Mainframe อย่าง IBM z System โดยตรง และเปิดให้เหล่า Data Scientist สามารถสร้างโมเดลต่างๆ ได้เองโดยรองรับการทำงานดังต่อไปนี้
- รองรับได้ทุกภาษาพัฒนาโปรแกรม เช่น Scala, Java, Python และอื่นๆ
- รองรับทุกๆ Machine Learning Framework เช่น Apache SparkML, TensorFlow, H2O และอื่นๆ
- รองรับการประมวลผลข้อมูลแบบ Transactional Type ได้ทั้งหมด
โซลูชัน Machine Learning แบบ On-premises นี้ถือว่ามีข้อได้เปรียบใหญ่หลวงเมื่อเทียบกับ Cloud ในประเด็นของการที่ไม่ต้องย้ายข้อมูลจากภายในองค์กรขึ้นไปประมวลผลบน Cloud ทำให้องค์กรไม่ต้องมีค่าใช้จ่ายในการย้ายข้อมูล และไม่ต้องกังวลในประเด็นที่ข้อมูลสำคัญจะหลุดออกสู่สาธารณะจากความผิดพลาดที่เกิดขึ้นบนระบบ Cloud นั่นเอง และการย้ายระบบ Machine Learning มาภายในองค์กรได้ในครั้งนี้ก็จะช่วยให้องค์กรสามารถสร้างสรรค์นวัตกรรมใหม่ๆ จากข้อมูลภายในองค์กรร่วมกับข้อมูลภายนอกองค์กรได้อย่างมากมาย
นอกจากนี้ IBM ยังมีระบบ Cognitive Automation for Data Scientist ที่พัฒนาโดยทีม IBM Research เพื่อช่วยให้การเลือกใช้ Algorithm ในการวิเคราะห์ข้อมูลนั้นง่ายขึ้น ด้วยการเปรียบเทียบคะแนนระหว่างแต่ละ Algorithm และเลือกทางเลือกที่ดีที่สุดให้โดยอัตโนมัติ ทำให้สามารถประหยัดเวลาในการวิเคราะห์ข้อมูลลงไปได้ ในขณะที่ได้ผลลัพธ์แม่นยำมากยิ่งขึ้น
IBM z Systems นี้รองรับการประมวลผลข้อมูลได้มากถึง 2,500 ล้าน Transaction ในแต่ละวัน ซึ่งถือเป็นจำนวนมหาศาลประมาณ 100 เท่าของธุรกรรมที่เกิดขึ้นในวัน Cyber Monday ทำให้องค์กรสามารถอุ่นใจได้ว่าประสิทธิภาพการประมวลผลระดับนี้จะเพียงพอต่อธุรกิจอย่างแน่นอน
ในอนาคต IBM จะเปิด IBM Machine Learning ให้ใช้งานได้บน IBM POWER Systems ด้วยเช่นกัน
ผู้ที่สนใจสามารถศึกษารายละเอียดเพิ่มเติมได้ที่ https://ibm.biz/machinelearning ทันที
ที่มา: http://www-03.ibm.com/press/us/en/pressrelease/51623.wss