Усиление конкуренции, борьба за клиента, повышение эффективности, снижение издержек, резкое увеличение объёма данных и сложности процессов стимулируют бизнес к использованию технологий искусственного интеллекта. Компания «Спортмастер» активно разрабатывает модели искусственного интеллекта для прогнозирования спроса, оптимизации управления товарными операциями, увеличения конверсии продаж, повышения эффективности программ лояльности. Для того чтобы быстро создавать, развертывать и обучать модели искусственного интеллекта, ей требовалось решение, способное обеспечить высокую производительность в задачах машинного обучения и глубокого обучения.
Эксперты Softline предложили использовать программно-аппаратный комплекс Nvidia DGX-2. Эта система предназначена для обучения нейронных сетей, решения задач математической статистики и машинного обучения, а ее производительность можно сравнить с производительностью десятков серверов, но DGX-2 эффективнее и экономичнее.
Как отмечает Алексей Тюренков, начальник департамента хранилищ данных, бизнес-аналитики и исследований данных компании «Спортмастер», человек не в состоянии эффективно решать масштабные задачи оптимизации. Помощь в принятии решений ему способны оказать системы искусственного интеллекта, для эффективной работы которых требуются специализированные высокопроизводительные платформы, с ускорением вычислений на базе GPU.
В качестве пилотного проекта удалось договориться с Nvidia о поставке в дата-центр «младшего брата» — сервера DGX Station. Для максимального использования возможностей DGX пришлось переписать скрипты для подготовки данных и процесса обучения, провести тестирование выбранных «боевых» моделей машинного обучения.
По сравнению с десятиузловым кластером Big Data, результаты оказались весьма оптимистичными. Ключевую роль здесь сыграла GPU-совместимость конкретных алгоритмов в конкретных фреймворках искусственного интеллекта. Там, где была поддержка GPU, произошел резкий прирост производительности.
С учетом неплохих результатов тестирования было принято решение о покупке и внедрении серверного комплекса DGX-2. Дальнейшая миграция моделей искусственного интеллекта на новую платформу подтвердила успешные результаты пилотного тестирования. Более того, удалось получить дополнительный прирост производительности за счет более мощного «железа». Таким образом, по сравнению со старой архитектурой, появилось «окно возможностей» для наращивания функционала – например, перехода с еженедельной на ежедневную технологию полного обучения моделей, значительного увеличения количества факторов, использования новых ресурсоемких алгоритмов для повышения качества прогноза.
