در استرالیا، مرکز سرطان پیتر مک کالوم و گروه جان هالند، یک شرکت زیرساختی و ساختوساز، به دادههای ابری و پلتفرم هوش مصنوعی Databricks روی آوردهاند تا مشکلات مهم تقسیمبندی دادهها را که مانع از توانایی آنها در استخراج بینش از دادههای تجاری میشد، حل کنند.
رهبران فناوری در هر دو سازمان در سخنرانی ماه گذشته در تور جهانی Databricks’ Data + AI در سیدنی، استرالیا گزارش دادند که با چالشهایی مانند دادههای مخفی، حوزههای تجاری رقابتی، مسائل یکپارچهسازی دادهها و سیستمهای قدیمی مواجه هستند که نیاز به جستجوی راهحل داده ابری را برانگیخت. .
مرکز سرطان پیتر مک کالوم داده ها را برای استفاده از هوش مصنوعی ادغام می کند
زیرساخت داده های قدیمی پیتر مک توانایی آن را برای استفاده موثر از داده های بزرگ محدود کرده است هوش مصنوعی در سراسر عملیات بالینی و تحقیقاتی گسترده آن. این فناوری قدیمی همچنین ماموریت خود را برای بهبود زندگی افراد مبتلا به سرطان، از جمله استفاده از هوش مصنوعی برای بهبود تصمیم گیری بالینی و تسریع بینش بیولوژیکی و کشف دارو، به خطر انداخت.
مشکلات زیرساخت داده
در طول این کنفرانس، جیسون لی، رئیس مرکز اصلی بیوانفورماتیک در بخش تحقیقات سرطان پیتر مک، گفت:
- پیتر مک با داده های مختلف و سیستم های قدیمی سر و کار داشت.
- پیچیدگی و حجم داده های بالینی و تحقیقاتی در سراسر عملیات مرکز سرطان چالش هایی را در زمینه هایی مانند ذخیره سازی داده ها و تجزیه و تحلیل داده ها ایجاد کرده است.
- نگرانیهای اخلاقی، حریم خصوصی و ایمنی، همه عوامل کلیدی برای مدیریت دادههای پیتر مک و استقرار هر مورد استفاده از هوش مصنوعی در آینده بودند.
- ادغام بین دپارتمانهای بالینی و تحقیقاتی چالش حاکمیت دادهها را پیچیده میکند، زیرا هر یک نیازهای دادهای متفاوتی داشتند.
ببینید: Informatica ادعا می کند که تکه تکه شدن داده ها مانعی برای هوش مصنوعی در APAC است
لی گفت که پیتر مک Databricks را انتخاب کرد تا به آن کمک کند تا داده ها را در مرکز هماهنگ کند و از تجزیه و تحلیل های پیشرفته از جمله هوش مصنوعی پشتیبانی کند، در حالی که الزامات امنیت داده و حفظ حریم خصوصی در مراقبت های بهداشتی را برآورده می کند.
گسترش به موارد جدید استفاده از هوش مصنوعی
پیتر مک ابتدا پتانسیل هوش مصنوعی پلتفرم Databricks را با یک پروژه آزمایشی تحول هوش مصنوعی آزمایش کرد:
- این مرکز یک چرخه حیاتی انتها به انتها ایجاد کرد که شامل استفاده از یادگیری عمیق برای تجزیه و تحلیل تصاویر کل اسلاید گیگاپیکسلی برای تعیین کمیت یک نشانگر زیستی جدید برای پیش آگهی سرطان سینه بود.
- Databricks چرخه عمر هوش مصنوعی را پشتیبانی می کند – از دریافت داده های اولیه گرفته تا استقرار مدل و نظارت – به گفته لی، پروژه در زمان و هزینه کارآمد است.
- نتایج این پروژه میتواند نوید بزرگی برای افزایش پیشآگهی سرطان سینه داشته باشد.
لی گفت سرعت در سراسر پروژه یک مزیت بزرگ است: «ما تخمین می زنیم که با Databricks، روند توسعه را تا پنج برابر افزایش داده ایم و هزینه های ارتباطی بین سهامداران را تا ده برابر کاهش داده ایم، که به ما امکان می دهد نوآوری ها را زودتر به بازار ارائه دهیم تا به نفع بیماران باشد. ”
استراتژی هوش مصنوعی اکنون شامل پروژه های آینده می شود
هوش مصنوعی به بخش بزرگی از استراتژی پیتر مک تبدیل شده است. Databricks از مرکز سرطان در سه مورد دیگر استفاده می کند: ژنومیک، انکولوژی پرتوشناسی و تصویربرداری سرطان. علاوه بر این، پیتر مک:
- گسترش برنامه هوش مصنوعی برای شامل بیوانفورماتیک جریان اصلی، که شامل پروژه های ژنتیک جمعیتی است که شامل حجم نمونه بزرگ و مقادیر زیادی از داده های ژنومی است.
- بکارگیری پیشرفتها در مدلهای زبان بزرگ و نسل افزوده بازیابی برای استخراج دانش از گزارشهای بالینی و رادیولوژی.
- برنامه ریزی برای اجرای LLM در آینده برای تحقیقات ژنومیک و رونویسی، که RNA یا رونوشت را تجزیه و تحلیل می کند تا در تحقیقات سرطان رقابتی باقی بماند.
جان هالند قصد دارد داده ها را در عملیات ساخت و ساز یکسان کند
در همین حال، جان هالند 80 پروژه زیرساختی در مقیاس بزرگ به ارزش 13.2 میلیارد دلار استرالیا را در سال 2023 مدیریت کرد. با این حال، تراویس روسل، رئیس داده و تجزیه و تحلیل این شرکت، گفت که محیط انبار داده قدیمی آن چندپاره است و ادغام آن دشوار است.
ببینید: نحوه بهبود کیفیت داده ها در دریاچه های داده
روسل گفت: «ما تمام مشکلات معمولی را داریم که همه در طول تاریخ با انبارهای داده و مشکلات داده داشتند. «محیط انبار داده قدیمی ما طی 20 سال به صورت تدریجی ساخته شد. این به آرامی تکامل یافته و توسعه یافته است، و ما این مجموعه واقعاً باتلاقی از سیلوهای داده را ایجاد کرده ایم.
روسل افزود: «ما میتوانیم BI بسازیم [Business Intelligence] و گزارشهایی در مورد آنها، اما پیوستن این دادهها به یکدیگر برای ایجاد بینشی در مورد جریان فعالیتها و رفتارهایی که در حال رخ دادن هستند به طوری که بتوانیم تغییرات را در سراسر کسبوکار خود ایجاد کنیم، برای ما یک فرآیند واقعا دشوار بوده است.»
یک پلت فرم داده یکپارچه برای ارائه بینش مفید
جان هالند شروع به ایجاد یک پلت فرم داده یکپارچه برای باز کردن قفل داده ها برای ارزش تجاری کرد. این بخشی از تلاش گروه برای هدایت نوآوری و مزیت رقابتی در صنعت خود از طریق دادههای مدرن و شیوههای دیجیتال به عنوان بخشی از یک فشار تحول دیجیتال گستردهتر بود.
این سازمان به دنبال این بوده است:
- یک نمای یکپارچه و یکپارچه از داده ها در سراسر تجارت ارائه دهید.
- مدیریت داده ها را در پروژه های جداگانه مدیریت کنید.
- به جای مهندسی پلتفرم، به مهندسی داده تمرکز کنید.
صرفه جویی در هزینه از مدیریت بهتر داده ها حاصل می شود
جان هالند تاکنون چندین فرآیند تجاری اصلی را به دریاچه داده Databricks ارائه کرده است، از جمله مدیریت پروژه، عملیات پروژه، کنترل پروژه، ایمنی و تجزیه و تحلیل ناوگان.
در نتیجه استفاده از Databricks، روسل گفت که جان هالند:
- کاهش هزینههای زیرساخت پلتفرم تا 46 درصد در گردشهای کاری مشابه در مقایسه با محیطهای قدیمی.
- با ساخت محصولات و مدل های جدید داده، تلاش و زمان توسعه مهندسی داده را تا 30 درصد کاهش داد.
- بیش از 600 کاربر به محصولات داده ارائه شده از طریق Databricks Lakehouse مهاجرت کرد.
فناوری اطلاعات در حال تبدیل شدن به عاملی برای کسب و کار جان هالند است
روسل گفت که Databricks تضمین می کند که فناوری اطلاعات و فناوری مانع از پیشرفت تجارت نمی شود.
روسل توضیح داد: “من فکر می کنم بزرگترین چیزی که برای من با انجام این کار به دست می آوریم این است که فرهنگ داده “بله” را در جان هالند ایجاد می کنیم. «از لحاظ تاریخی، دشواری در تهیه محصولات جدید و نوآورانه باعث شده است که ما مجبور باشیم پروژههای آهسته و بزرگ را پشت سر بگذاریم و برای کسبوکار کمتر تحویل دهیم.
اکنون، اگر کسبوکار ایدهای داشته باشد، میتوانیم بگوییم بله. ما میتوانیم فضای کاری دادهای را برای آنها مستقر کنیم که به آنها امکان دسترسی به تمام قابلیتها و ابزار مورد نیازشان را میدهد، و آنها میتوانند بروند و آن را با سرعت بسازند.»
منبع: https://www.techrepublic.com/article/databricks-ai-use-cases-australia/