小时的需求不仅是人工智能,而且是可以解释的人工智能:Subram Natarajan,IBM印度/南亚首席技术官

从可解释的AI到区块链,再到构建超高速处理器,IBM印度/南亚地区首席技术官Subram Natarajan向我们介绍了IBM如何做到最好,不断创新以保持领先地位。 

几乎所有的数字化转型过程都依赖于云,人工智能(AI)和强大的安全协议。 IBM坚信以下事实:这三个实体不是相互排斥的,而是紧密相连的。 

在印度CIO与IBM印度/南亚地区首席技术官Subram Natarajan的独家互动中,他分享了在多云环境中运行的神奇公式,以及为什么人工智能模型应该可以解释。 

我们还将看一下IBM对开放源代码的日益关注,为什么它会在区块链上大放异彩,以及它的POWER9如何与英特尔的皇冠上的明珠– x86相提并论。

编辑摘录:

Subram,您坚信云,人工智能和安全性是相互关联的。您能否分享其背后的原理?

云,人工智能和安全性是相互关联的。当以私有云格式使用公共云服务时,您将面临很多挑战,尤其是在混合方面。 

在利用云方面,尤其是在基础架构即服务(IaaS)方面,公司才刚刚开始摸索。利用混合云可以为组织带来巨大的好处。这就是为什么混合云或开放平台对我们的客户非常重要的原因。 

托管服务已成为客户争用的关键点。我们的Multicloud Manager使人们不仅可以监视多个供应商,还可以交叉供应。 

现在,云是任何转换的动脉组成部分。如果您真的想改变AI空间,则需要有一个非常完善的数据平台,并且数据平台需要一个灵活的基础架构。 

如果您采用任何新兴技术-AI,区块链,物联网或什至是数字转换,则其基础组件都是云原生开发人员基础。

必须整体考虑安全性,而不是孤立考虑–您不能仅保护端点或数据库安全。开放标准方面的挑战促使我们提供开放安全数据集成服务-主要用于共享和标准化威胁情报。 

现在,许多组织都在多云环境中运营。 IBM如何利用这一趋势来增强其安全性产品组合?

当您跨多个云进行操作时,安全性变得更加重要,因为您发现自己身处不同的服务提供商,多个安全产品,数据存储库和不同的安全框架之中。

在我们自己的安全服务中,我们将AI和机器学习用于全球威胁分析和编排。 

可以在一个开放框架中分析来自多个安全提供程序的数据。我们所做的基于AI的威胁分析基于来自多个云的数据。这是IBM Security Connect产品组合的一部分。

“通过OpenPOWER联盟,我们对整个系统设计进行了创新-从芯片一直到系统。我们能够创建NVLink,该NVLink提供了以更快,更无缝的方式在GPU和处理器之间进行通信的功能。实际上,它快了两个或三个数量级。”

您如何看待Secure DevOps在2019年及以后的发展?

传统上,DevOps被认为是实施强大的安全框架的最后一个地方。但是事实是这是您最大的IP,因此您需要很好地保护它。

假设您将基于AI的应用程序作为DevOps部署的一部分,则用来训练AI模型的一件事就是来自您自己公司的数据。因此,部署在生产环境中的安全框架也需要在DevOps中应用。

现在我们已经讨论了AI的话题,许多安全提供商声称已经部署了AI解决方案,但实际上,它们是基于条件的ML算法。您认为哪些因素真正符合AI解决方案的条件?

大多数AI解决方案提供商无法采用的关键是可解释性。您必须确保AI算法没有偏见。这在任何AI模型中都是非常重要的因素,而不仅仅是安全性。 

OpenScale技术是可解释的人工智能的一个很好的例子。 

AI Fairness 360可以与业务应用程序集成,以告诉您如何得出AI推论。这可以帮助人们迅速确定AI模型是否存在偏差。

您能否阐明一下IBM持续致力于开源的动力?红帽的收购如何适应事物的发展?

两家公司都致力于开放架构。红帽以在企业应用程序(本地和云)中拥有排名第一的操作系统而闻名。

IBM一直是开放源代码最大的贡献者之一。 IBM和Red Hat之间将产生巨大的协同作用。

区块链将在企业中扮演多重要的角色? IBM的策略是什么?

区块链将彻底改变我们看待交易的方式。互联网对信息的作用,区块链对交易的作用。 

人们将开始以一种截然不同的方式看待安全交易-如何在受信任的各方之间联合进行安全交易,如何使其公开,透明并加速冲突的解决。 

与与加密货币相关的区块链实施不同,交易区块链将在受信任的各方之间受到更大的控制。区块链将成为影响全球企业的最重要技术之一。

IBM目前在全球范围内有37个区块链安装,所有安装都在生产中。这表明企业正在开始使用该平台,并且您会看到它们在未来几年中正在加速发展。

首席信息官和CSO对AI中出现误报和误报的风险表示关注。如何将这些异常现象降至最低?

部署AI时要考虑的最重要因素是用于训练AI模型的数据。该模型只能与您用来训练模型的数据质量一样好。 

不断对模型进行评分并验证模型是否为您提供了正确的置信度,这一点至关重要。创建AI模型后,您的工作就不会止于此–您必须不断进行评估和重新培训,以确保每次都能使模型变得更好。

人们最常犯的错误是,他们创建了一个模型,发布了模型,然后忘记了它。同样,使用来自AI的推论是一回事。但这是另一回事。所有这些活动必须放在一个集成的开发框架中。  

例如,IONEX CODE数据库处理工具(ICPT)是出色的工具,可让您以计划的方式进行培训。 

您认为IBM的POWER9能以什么方式在英特尔的x86上胜出?

从根本上说,关键区别在于处理器与内存之间的通信方式。在典型的英特尔架构中,数据流通过带宽有限的PCI网关。

尽管CPU和内存变得越来越快,但这两者之间的高速公路却停滞不前。结果,您有两个性能很高的端点,它们之间的链接很弱。

当IBM通过OpenPOWER联盟与Google,Nvidia和Mellanox等公司合作时,我们对整个系统设计进行了创新-从芯片一直到系统。

我们能够创建NVLink,该NVLink提供了以更快,更无缝的方式在GPU和处理器之间进行通信的功能。实际上,它快了两个或三个数量级。 

这些是我们带入系统的关键更改,这使我们与当今市场上的任何其他硬件供应商区分开来。  

 

版权© 2019 IDG通讯,Inc.