Realizzare progetti di Intelligenza Artificiale oggi è più semplice, perché anche le aziende meno strutturate ma più lungimiranti (una recente ricerca di Accenture svela che l’implementazione dell’AI porta mediamente a un incremento della produttività del 40%) possono adottare piattaforme che consentono di abbattere drasticamente il time to market, e che portano le barriere all’ingresso a un livello tale da poter essere affrontate e superate da un numero sempre maggiore di organizzazioni.

Il primo fattore abilitante di questa nuova “stagione democratica” dell’AI sono state le più recenti GPU, che grazie alle architetture a 7 nanometri consentono di “ospitare” in un singolo chip 54 miliardi di transistor. Un esempio sono le nuove appliance DGX A100 di Nvidia, che integrano 8 acceleratori grafici A100 (dotati appunto delle nuove GPU A100 con architettura Ampere da 7 nanometri).

Giusto per dare un’idea del salto quantico che la tecnologia ha realizzato negli ultimi anni, un singolo rack di 5 DGX A100 può sostituire un intero data center, dedicato al machine learning e al calcolo inferenziale, il tutto a 1/10 del costo, con 1/20 del consumo energetico e occupando solo 1/25 dello spazio precedente.

L'architettura Nvidia Ampere

 

Le aziende che desiderano entrare velocemente nel mondo dell’AI senza investimenti troppo impegnativi e con una maggiore agilità rispetto all’implementazione di sistemi ingegnerizzati come Nvidia DGX A100, possono oggi ricorrere a piattaforme abilitanti, che consentono, in poco tempo e pochi passaggi, a qualunque azienda di dare il via ai propri progetti di analisi di Big Data e Machine Learning ottimizzando il time to market ma anche il ROI.

Una di queste piattaforme è stata realizzata da un’azienda tutta italiana, E4 Computer Engineering, nata nel 2002 in provincia di Reggio Emilia. La soluzione si chiama GAIA, ed è un concentrato di potenza di calcolo, in grado di macinare enormi quantità di Big Data, che stanno alla base di ogni progetto di AI, al servizio dei Data Scientist che dovranno distillare le informazioni.

GAIA è una soluzione chiavi in mano, ingegnerizzata dagli specialisti di E4 sfruttando l’efficienza della nuova architettura Ampere di Nvidia e in particolare le GPU A100, disponibile in tre diversi livelli di performance: Silver, Gold e Platinum. Tutte le versioni dell’appliance sono facilmente accessibili ma soprattutto sono già pre-configurate, semplificando così drasticamente tutte le attività di “regolazione” hardware e software che normalmente richiedono tempo e competenze.

AI “in a box”

GAIA è di fatto un potente server multi-GPU, dotato di storage all-flash e sistema operativo Ubuntu Linux Server 18.04, studiato per ottimizzare, in modo facile e scalabile, i workload di analisi dei Big Data, Machine Learning e Deep Learning. Basandosi su architetture Nvidia, gli ingegneri di E4 hanno lavorato su uno stack software multicomponente con i migliori framework open-source.

GAIA consente di implementare velocemente le attività di training dei data model in ambito AI, e può farlo con configurazioni che arrivano a integrare fino a 8 GPU, ciascuna con un minimo di 16 GB di RAM. Le GPU sono interconnesse attraverso la tecnologia ad alta velocità Nvlink di Nvidia, e possono quindi anche essere usate in parallelo per un singolo carico di lavoro.

Un server GAIA

 

I diversi ambienti di sviluppo implementabili su GAIA sono isolati in container, mentre l’interfaccia della piattaforma è accessibile da browser e sfrutta lo standard Notebook di JupiterHub (ma gli ambienti sono accessibili anche attraverso Microsoft Visual Studio Code e in sessioni interattive di tipo “command line”).

Dopo la fase di autenticazione, l’utente può scegliere l’ambiente di sviluppo da istanziare in funzione del linguaggio di programmazione (Python, R, Julia) o dei framework di Data Analytics/Machine Learning da utilizzare (nVidia Rapids, Scikit-Learn, Tensorflow, Keras, pyTorch, Caffe2 e altri). L’ambiente di sviluppo istanziato è sempre residente in un container, per garantire sia la massima prestazione nell’utilizzo delle risorse computazionali, sia l’accesso, sullo stesso sistema, a versioni diverse dell’ambiente di sviluppo stesso. Le immagini dei container utilizzate da GAIA sono sviluppate e mantenute dal team di Data Scientist di E4 con l’obiettivo di garantire al cliente un ambiente di sviluppo robusto ed in grado di utilizzare al meglio le CPU e GPU presenti sul sistema.

Con GAIA, le aziende di ogni dimensione hanno rapido accesso a strumenti di intelligenza artificiale in moltissimi settori: dal processing del linguaggio naturale allo smart medical imaging, dalla previsione della domanda futura di un portafoglio di prodotti al riconoscimento di oggetti in real time in una sequenza video, tutte attività in forte sviluppo e le cui potenzialità sono ancora in gran parte inesplorate.

Per conoscere meglio l’offerta E4 in ambito AI cliccate qui

Per vedere un caso concreto di implementazione di GAIA cliccate qui