IBM通过超级计算机使用大数据来解决大问题

IBM喜欢大数据，获取的越多，就越能向用户销售出更多的服务器、存储和服务。但是由于IBM获取的大数据容量已经过大，导致这家公司的研发人员很难驾驭这些数据。

举例来说，IBM位于硅谷阿尔马登研究中心的专家劳拉·哈斯（Laura Haas）去年就曾询问同事，她为什么不能使用更大的数据集。哈斯当时就曾表示，单是准备数据就花费了他80%的时间。哈斯意识到，IBM研究时间被数据分析耗费的越多，该公司的专家就会耗费更多的时间和精力用于扩展数据集，从而放缓研发的步伐。

很明显，这种事情应当交付给专业的数据科学家来解决，但是这样的循环只能让情况变得更加糟糕。还有，它似乎有悖于大数据的常规，因为依据存储能力的扩展或是传感器成本的下滑，大数据的价值并不受摩尔法则或是克来德法则（Kryder's Law,每10.5年硬盘驱动器的信息密度就要增长1000倍，也就是说，每13个月存储密度就要翻一番）支配。

当然，大数据更适用于“麦特卡夫定律” （Metcalfe's Law）。该定律指出，网络的价值等于网络用户数的平方数；增加网络和其他通讯技术的接入用户数量，将获得巨大效益。 对IBM的研发人员而言，情况也确实如此。为解决这一问题，IBM硅谷阿尔马登研究中心在去年秋季推出了“加速发现实验室”（Accelerated Discovery Lab）。这个实验室有着非常大、开放的空间，能够装配舒适的家具、白板以及许多的屏幕，更别提循环参与的项目团队、系统管理员、访问客户、人类学家和IBM Watson超级计算机。正如这个实验室的名称所暗示的那样，它的目标是使用多元化、邻近、物理空间的最优组合破解代码。

目前担任该实验室技术和运营总监的哈斯对此表示，“我们把它称为哺育‘战略意外发现。’这就如同是在淋浴时或饮水机旁找到灵感一样。我们希望把人们聚集在足够宽阔的环境中，让他们享受于此。通过利用房间的连接，数据的连接以及能够掌握用户正在做什么的能力，培育意外发现。”

加速发现实验室的第一个项目是利用Watson超级计算机在新领域的自然语言处理能力，药物研究则是首选。通过与贝勒医学院计算机生物学家的合作，IBM的数据科学家开始在数以百万计的论文、专利和临床研究中采集数据，并最终把他们的注意力集中在了脑肿瘤抑制基因TP-53上。在几个月之内，研发团队就找到了四个候选产品。“加速发现实验室”展露额和项目开发总监杰夫·威尔瑟（Jeff Welser）表示，“通常找到一个产品就需要约一年的时间。”

这个速度确实已相当快，但能否更快一点？该实验室的使命之一，便是对自有空间的研究假设。哈斯表示，“我们当前尝试在项目开始就记录下来，看看这些白板和显示屏能否会获得明显的成效。”

虽然IBM当前还没有计划在其它研发中心建造类似的实验室，但是哈斯希望有朝一日能够开发出一款软件工具，帮助公司管理自有资源。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。