Bergabunglah dengan acara bahwa para pemimpin lembaga telah dipercaya selama hampir dua dekade. VB Transform menggabungkan orang yang membangun strategi AI untuk institusi nyata. Pelajari lebih lanjut
Karena kecerdasan buatan mengubah operasi lembaga di berbagai industri, tantangan kritis terus menimbang tentang penyimpanan data – tidak masalah tingkat pengembangan model, dan kinerjanya tergantung pada kemampuan untuk mencapai sejumlah besar data dengan cepat, aman dan andal. Tanpa infrastruktur untuk menyimpan data yang benar, sistem data kecerdasan buatan terkuat dapat dikembalikan oleh pipa yang lambat, terfragmentasi, atau tidak efektif.
Topik ini menempati pusat utama pada hari pertama VB mengonversiDalam sesi yang berfokus pada inovasi fotografi medis AI yang ditimbulkannya Klub: AIO Dan Solidigma. Bersama -sama, bersama Jaringan Medis Terbuka untuk AI (Monai) Kerangka kerja proyek-open source untuk mengembangkan dan menerbitkan pencitraan medis AI-re-mendefinisikan cara mendukung infrastruktur infrastruktur dalam waktu aktual dan pelatihan di rumah sakit, dari meningkatkan diagnosis hingga operasi penelitian lanjutan dan penggunaan operasi.
>> Tonton setiap liputan konversi kami 2025 di sini <Menciptakan penyimpanan di tepi kecerdasan buatan klinis
Ini dijalankan oleh Michael Stewart, mitra administrasi di M12 (Microsoft’s Venture Fund), sesi ini termasuk visi Roger Cummings, Peak: AIO, Greg Matson, Kepala Produk dan Pemasaran di Solidigm. Percakapan mengeksplorasi bagaimana struktur penyimpanan kapasitas tinggi dari generasi berikutnya membuka pintu baru untuk hubungan intelijen medis dengan memberikan kecepatan, keselamatan, dan kapasitas ekspansi untuk menangani pengumpulan data besar di lingkungan klinis.
Dangka, kedua perusahaan berpartisipasi dalam dengan Monai sejak awal. Monai dikembangkan bekerja sama dengan King’s College London dan lainnya, dan dirancang khusus untuk mengembangkan dan menerbitkan model kecerdasan buatan dalam fotografi medis. Kerangka kerja open source-yang telah ditransfer ke persyaratan unik untuk pemulihan perawatan kesehatan dan alat untuk mendukung DICOM, pemrosesan foto 3D, model pra-pelatihan, memungkinkan para peneliti dan dokter untuk membangun model tugas berkinerja tinggi seperti fragmentasi tumor dan organisasi organ.
Tujuan desain yang menentukan Monai adalah untuk mendukung penerbitan lokal, memungkinkan rumah sakit mempertahankan kontrol penuh atas data sensitif pasien sambil mengambil keuntungan dari server GPU standar untuk pelatihan dan penalaran. Ini sangat menghubungkan kerangka kerja untuk infrastruktur data di bawahnya, yang membutuhkan sistem penyimpanan yang cepat dan dikembangkan untuk mendukung persyaratan AI klinis secara real time. Di sinilah Soldigm dan Peak: AIO: Soldigm memainkan penyimpanan flash densitas tinggi ke meja, sementara Peak: AIO berspesialisasi dalam sistem penyimpanan yang dirancang khusus untuk beban kerja kecerdasan buatan.
“Kami sangat beruntung bekerja lebih awal dengan King’s College di London dan Profesor Sebastian Orzlond untuk pengembangan Monai,” Camings menjelaskan. “Dengan bekerja dengan Orlund, kami telah mengembangkan infrastruktur dasar yang memungkinkan para peneliti, dokter, dan ahli biologi dalam ilmu kehidupan untuk membangun di bagian atas kerangka kerja ini dengan sangat cepat.”
Memenuhi persyaratan penyimpanan ganda dalam kecerdasan buatan perawatan kesehatan
Matson mencatat bahwa ia melihat percabangan yang jelas di perangkat penyimpanan, karena berbagai solusi telah ditingkatkan untuk tahap spesifik dari pipa data intelijen buatan. Untuk kasus penggunaan seperti Monai, operasi penerbitan serupa dari tepi kecerdasan buatan-serta skenario yang melibatkan kelompok pelatihan makan-bermain kondisi solid berkapasitas tinggi, peran penting, karena lingkungan ini sering dimaksudkan untuk ruang dan ruang, namun memerlukan akses lokal ke kelompok data besar.
Sebagai contoh, Monai berhasil menyimpan lebih dari dua juta radiologi seluruh tubuh dengan satu simpul di dalam infrastruktur rumah sakit saat ini. “Penyimpanan terbatas pada ruang dan energi terpasang dan sangat memungkinkan beberapa hasil yang hebat,” kata Matson. Jenis efisiensi ini adalah perubahan permainan AI edge dalam perawatan kesehatan, memungkinkan lembaga untuk menjalankan model kecerdasan buatan canggih tanpa mengurangi kinerja, ekspansi atau keamanan data.
Di sisi lain, beban pekerjaan yang melibatkan penalaran aktual dan pelatihan model aktif pada tuntutan yang sama sekali berbeda pada sistem. Tugas -tugas ini memerlukan solusi penyimpanan yang dapat memberikan operasi input/output (IOPS) yang sangat tinggi untuk mengimbangi produktivitas data dari memori domain HBM (HBM) dan pastikan untuk sepenuhnya menggunakan unit pemrosesan grafis. Puncak: Lapisan penyimpanan program dari AIO, bersama dengan mesin soldigm dengan kondisi padat kinerja tinggi (SSD), berkaitan dengan dua ujung spektrum-kontrol ini kapasitas, efisiensi, dan kecepatan yang diperlukan melalui seluruh pipa kecerdasan buatan.
Lapisan spesifik berdasarkan program untuk beban kerja klinis AI di tepi
Cummings menjelaskan bahwa Peak: Teknologi penyimpanan AI memungkinkan AIO, ketika dia berpasangan dengan SSD kinerja tinggi dari soldigma, dari monai membaca dan pengumpulan data besar dalam AI klinis kecepatan. Campuran ini mempercepat pelatihan khas dan meningkatkan keakuratan fotografi medis sambil bekerja dalam kerangka kerja open source yang dirancang khusus untuk lingkungan perawatan kesehatan.
“Kami menawarkan lapisan tertentu berdasarkan program yang dapat dipublikasikan di server komoditas mana pun, dan dikonversi menjadi sistem kinerja tinggi untuk beban kerja AI atau HPC,” kata Kamings. “Di lingkungan tepi, kami mengambil kemampuan yang sama dan kurangnya satu simpul, yang membuat kesimpulan lebih dekat ke tempat data tinggal.”
Kemampuan utama adalah bagaimana Peak: AIO membantu menghilangkan hambatan memori tradisional dengan secara langsung mengintegrasikan memori langsung ke dalam infrastruktur Amnesty International. “Kami berurusan dengan memori sebagai bagian dari infrastruktur yang sama – sesuatu yang sering diabaikan. Tidak hanya mengabaikan solusi penyimpanan, tetapi juga ruang kerja memori dan data deskriptif terkait,” kata Kamings. Ini membuat perbedaan besar bagi pelanggan yang tidak dapat menggunakan ruang atau biaya untuk restart model besar. Dengan menjaga kode tinggal penduduk tetap hidup dan dapat diakses, Peak: AIO memungkinkan kesimpulan yang efektif tanpa perlu secara terus -menerus merumuskan kembali.
Membuat kecerdasan lebih dekat dengan data
Cummings menekankan bahwa lembaga perlu mengikuti pendekatan yang lebih strategis untuk mengelola beban kecerdasan buatan. “Anda tidak bisa hanya menjadi tujuan. Anda harus memahami beban pekerjaan. Kami melakukan beberapa teknologi luar biasa dengan Solidign dan infrastrukturnya untuk lebih cerdas dalam cara memproses data ini, dimulai dengan cara mendapatkan kinerja dari satu simpul,” Camings menjelaskan. “Jadi dengan fakta bahwa kesimpulan adalah batch yang begitu besar, kami melihat para generalis lebih terspesialisasi. Kami sekarang mengambil pekerjaan yang kami lakukan dari satu simpul dan mendorongnya di dekat data agar lebih efisien. Kami menginginkan data yang lebih cerdas, bukan?
Beberapa tren yang jelas muncul dari penyebaran kecerdasan buatan dalam skala besar, terutama di pusat data lapangan hijau yang baru dibangun. Fasilitas ini dirancang dengan struktur perangkat yang sangat khusus yang mendekati data sebanyak mungkin dari unit pemrosesan grafis. Untuk mencapai hal ini, mereka sangat bergantung pada semua penyimpanan solid state-spesifik mesin driver SSDS Engine-desainer tinggi untuk menghubungkan penyimpanan skala dengan skala dengan kecepatan dengan kecepatan dan kemampuan untuk mempertahankan unit pemrosesan grafis secara terus menerus dengan data tentang produktivitas tinggi.
“Sekarang teknologi ini sendiri terjadi terutama dalam mini -image, di tepi, di institusi,” jelas Kuming. “Oleh karena itu, menjadi sangat penting bagi pembeli sistem kecerdasan buatan untuk menentukan cara memilih penjual dan sistem perangkat keras Anda, untuk memastikan bahwa jika Anda ingin mendapatkan jumlah kinerja terbesar dari sistem Anda, Anda sedang mengerjakan semua kondisi yang solid. Ini memungkinkan Anda untuk mendapatkan data dalam jumlah besar, seperti Small Monai-15.000.000, dalam satu sistem. Ini memberikan kekuatan praktis yang tidak dapat diprediksi, seperti yang tepat”.
Visi harian tentang kasus penggunaan bisnis dengan VB setiap hari
Jika Anda ingin membujuk bos Anda di tempat kerja, Anda telah membahas VB setiap hari. Kami memberi Anda prioritas jurnalistik internal atas apa yang dilakukan perusahaan dengan kecerdasan buatan kebidanan, dari transformasi organisasi hingga operasi penerbitan praktis, sehingga Anda dapat berbagi visi pengembalian investasi maksimum.
Baca Kebijakan Privasi Kami
Terima kasih telah berlangganan. Periksa lebih banyak buletin VB di sini.
Terjadi kesalahan.