Публикации
2023 г. – новый этап практического применения CXL, статья
VMware сдвигает акцент в проекте Capitola на CXL, статья
Dell Validated Design for Analytics — Data Lakehouse: интегрированное хранилище данных, статья
OCP Global Summit: решения для Computational Storage и компонуемых масштабируемых архитектур, статья
Samsung CXL MemoryySemantic SSD: 20M IOPs, статья
UCIe – открытый протокол для взаимосвязи чиплетов и построения дезагрегированных инфраструктур, статья
Omni-Path Express – открытый интерконнект для экзафлопных HPC/AI-систем, статья
GigaIO: CDI_решение на базе AMD для высшего образования, статья
Энергоэффективные ЦОД на примерах решений Supermicro, Lenovo, Iceotope, Meta, статья
От хранилищ данных и “озер данных” к open data lakehouse и фабрике данных, статья
EuroHPC JU развивает НРС-экосистему на базе RISC-V, статья
LightOS™ 2.2 – программно-определяемое составное блочное NVMe/TCP хранилище, статья
End-to-end 64G FC NAFA, статья
Computational Storage, статья
Технология KIOXIA Software-Enabled Flash™, статья
Pavilion: 200 млн IOPS на стойку, статья
CXL 2.0: инновации в операциях Load/Store вводаавывода, статья
Тестирование референсной архитектуры Weka AI на базе NVIDIA DGX A100, статья
Fujitsu ETERNUS CS8000 – единая масштабируемая платформа для резервного копирования и архивирования, статья
SmartNIC – новый уровень инфраструктурной обработки, статья
Ethernet SSD, JBOF, EBOF и дезагрегированные хранилища, статья
Compute, Memory и Storage, статья
Lenovo: CXL – будущее серверов с многоуровневой памятью , статья
Liqid: компонуемые дезагрегированные инфраструктуры для HPC и AI, статья
Intel® Agilex™ FPGA, статья
Weka для AI-трансформации, статья
Cloudera Data Platform – “лучшее из двух миров”, статья
Fujitsu ETERNUS DSP - разработано для будущего, статья
Технологии охлаждения для следующего поколения HPC-решений, статья
Что такое современный HBA?, статья
Fugaku– самый быстрый суперкомпьютер в мире, статья
НРС – эпоха революционных изменений, статья
Новое поколение СХД Fujitsu ETERNUS, статья
Зональное хранение данных, статья
За пределами суперкомпьютеров, статья
Применение Intel® Optane™ DC и Intel® FPGA PAC, статья
Адаптивные HPC/AI-архитектуры для экзаскейл-эры, статья
DAOS: СХД для HPC/BigData/AI приложений в эру экзаскейл_вычислений, статья
IPsec в пост-квантовую эру, статья
LiCO: оркестрация гибридныхНРС/AI/BigData_инфраструктур, статья
 
Обзоры
Все обзоры в Storage News
 
Тематические публикации
Flash-память
Облачные вычисления/сервисы
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
Современные СХД
Информационная безопасность (ИБ), борьба с мошенничеством
Рынки
Американский Красный Крест и Intel используют технологии искусственного интеллекта для повышения готовности к стихийным бедствиям

7, январь 2020  —  Американский Красной Крест, реализуемая им программа Missing Maps и корпорация Intel применяют технологии искусственного интеллекта для выявления и картографирования уязвимых групп населения в развивающихся странах для усиления готовности к стихийным бедствиям. В   течение 2019 года специалисты по обработке данных Intel разработали модель компьютерного зрения, которая способна определять ранее не нанесенные на карту мосты и дороги, опираясь на данные со спутниковых изображений Уганды.

« Как человек, принимающий непосредственное участие в работе Красного Креста, я знаю, что доступ к подробным картам имеет чрезвычайно важное значение для оперативного реагирования на стихийные бедствия и чрезвычайные ситуации. Но в мире целые регионы не нанесены на карты, что значительно затрудняет планирование и реагирование на стихийные бедствия. Вот почему мы сотрудничаем с Intel и используем искусственный интеллект для картирования уязвимых районов, определения дорог, мостов, зданий и городов », – говорит Дейл Кунс (Dale Kunce), со-основатель проекта Missing Maps и генеральный директор American Red Cross Cascades Region.

По данным проекта Missing Maps , каждый год стихийные бедствия затрагивают почти 200 миллионов человек по всему миру. Во многих случаях районы, пострадавшие в чрезвычайных ситуациях не имеют подробных карт. Это означает, что у аварийно-спасательных служб и специалистов оперативного реагирования нет необходимой информации для быстрого принятия решений при оказании помощи.

Чтение и анализ спутниковых изображений нередко вызывают у картографов определенные затруднения, ведь мосты и другие объекты инфраструктуры в разных странах могут отличаться. Использование алгоритмов искусственного интеллекта существенно расширяет возможности картографов, позволяя им охватить больше территории и обнаружить детали, трудно уловимые для человека. Например, модель компьютерного зрения сумела обнаружить 70 мостов в южной части Уганды, которые не были нанесены на карту OpenStreetMap или на официальную карту, составленную Бюро статистики Уганды.

Модель компьютерного зрения работает на платформе на базе процессоров Intel ® Xeon™ Scalable второго поколения с поддержкой технологий DL Boost и nGraph.

Хотя Intel не располагает полными правами на полученный набор данных, корпорация изучает возможности размещения этого набора данных в открытом доступе для сообщества исследователей и специалистов по геоинформационным системам, а также намерена проводить семинары о том, как использовать спутниковые изображения и технологии искусственного интеллекта в гуманитарных целях, применяя набор данных и исходный код, разработанные для этого проекта.

Дополнительная информация: Технологии искусственного интеллекта I ntel используются для создания общественного блага | Искусственный интеллект в Intel | Статья в новостном разделе сайта | Как Американский Красный Крест использует искусственный интеллект для построения неизученных территорий (заметка в блоге) | Доклад AIPG

Публикации по теме
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
 
Новости Intel

© "Storage News" journal, Russia&CIS
(495) 233-4935;
www.storagenews.ru; info@storagenews.ru.