Instrumentert Sammenkoblet Intelligent

En smartere verden. En smartere verden.


 
18. February 2015
13:54
 

Oljeindustrien er en av IBM’s globale satsingsområder, og vi har i Norge en unik historie med Big Data gjennom flere tiår. Det er snart 20 år siden IBM utviklet den første Norske nasjonale databasen for oljerelatert data – DISKOS, som satte standarden og ambisjonsnivået for nasjonale petroleumsdatabaser.

I dag ser vi en enorm økning i datavolum gjennom hele olje og gass verdikjeden. Eksempelvis vil høyt instrumenterte boreoperasjoner kunne generere mer enn to terrabyte data per dag. Dette er data som vi kan analysere for å identifisere “signaturer” på mulige uønskede hendelser. Ved å benytte disse signaturene på data i sanntid vil vi kunne gi operatører muligheter til å utføre korrigerende tiltak for å sikre effektivitet, unngå nedetid og i verste fall ulykker.
Eksempelelet er kun et av flere hvor sanntidsdata benyttes. Andre steder vi nå har høy fokus og aktivitet er i operasjon av prosessanlegg, både offshore og på land.

Det som kanskje er mest interessant er vår tilnærming for å utnytte “ustrukturert data” til beslutningsstøtte. Nær 80% av organisasjoners “Big Data” er ustrukturert. Det kan være tekst, dokumenter, presentasjoner, rapporter, analyser, studier, logger etc… I tillegg finnes det mye åpne data på nettet som ønskes benyttet. Tradisjonelle analyseverktøy kommer til kort når denne type data ønskes benyttet. Våre nye “Cognitive Analytics” løsninger fra IBM Watson Group og GBS kan gi unik innsikt og beslutningsstøtte ved å bruke nettopp denne type data. I vårt olje og gass Centre of Excellence i Stavanger arbeider vi nå med denne type kognitive analyseverktøy – sammen med flere ledende oljeselskap.

Internasjonale oljeselskap investerer nå i bruk av kognitive løsninger innenfor flere områder, og vi er i en privilegert posisjon til å kunne bistå. Vår ambisjon er å kunne gi bedre grunnlag for beslutninger i forbindelse med leting, effektiv drift og ikke minst innenfor HMS. Mange av disse prosjektene er forståelig nok konfidensielle, men vi håper å kunne få omtale de mer i tiden som kommer.

For spørsmål eller kommentarer – ta gjerne kontakt  eller legg igjen en kommentar under feltet :-)

 

Oljeblogg

 

 

Bokmerk og del

Aftenposten omtaler Watson som den «nye ekspertlegen». Anledningen er løsningen kalt Oncology Expert Advisor™ (OEA). Dette er en diagnoseløsning for leukemi utviklet av MD Anderson Cancer Center i samarbeid med IBM. OEA er en del av Moonshots programmet som jobber for å utradere alle typer kreft, der de benytter Watson sine kognitive kapasiteter.

Hva er egentlig kognitiv databehandling?

Så og si alle datasystemer som brukes i dag er basert på programmerbare datasystemer. Dette er dataprogrammer som er satt til å gjøre en bestemt ting og ikke noe mer. Kognitiv databehandling er annerledes fordi den lærer, forstår naturlig språk og har mulighet til å finne sammenhenger i enorme mengder ustrukturerte data. Ut i fra forhåndsbestemte sett med standard input og mulige godkjente resultater brukes programmet til å finne og behandle strukturer og sammenhenger i ustrukturerte data. Disse sammenhengene kan deretter brukes til å finne svar, og deretter gi en anbefaling basert på funnene.

Snakker vårt språk

Kjernen i Watson teknologien er dets evne til å forstå naturlig språk. Kognitive systemer som Watson er i stand til å lese naturlig språk i en ustrukturert tekst, gjenkjenne språket den er skrevet på og «prosessere» teksten. Prosesseringen av teksten er basert på en generell forståelse for språk, syntaks og oppbygningen av setninger. I tillegg til å kunne lese er den i stand til å forstå et naturlig språk og definere sammenheng mellom begreper utfra den forståelsen. Vi kaller det gjerne «Natural Language Understanding» i motsetning til «Natural Language Processing». For eksempel forstår den forskjellen mellom «school bus» og «integration bus» basert på den omkringliggende teksten som definerer konteksten.

Prosesserer ustrukturerte data

Kognitiv databehandling er i stand til å bruke ulike ustrukturerte data, for eksempel journaler, prosatekst, video eller bilder for så å identifisere og bryte ned dataene. Deretter defineres sammenhenger eller tillegges metadata som beskriver de ustrukturerte dataene slik at dataene kan brukes videre i behandlingen.

Har evne for læring

Kognitive systemer kan lære av erfaring på tilsvarende måte som oss mennesker. Dataene som leses blir brukt til å bygge opp sammenhenger mellom ulike begreper og blir lagret. Desto mer data som bekrefter de allerede definerte sammenhengene som blir lest, desto mer erfaring og innsikt tilføres de kognitive systemene. Dersom nye sammenhenger oppdages utvides forståelsen hos systemet. Denne læringen kan foregå autonomt, basert på menneskelig trening eller en blanding av disse to. Menneskelig tilbakemelding sørger for at sammenhenger som er feil blir rettet slik at systemet etter hvert lærer seg å se sammenhengene selv.

IBM mener at kognitiv databehandling er den neste generasjon databehandling etter mekaniske og programmerbare systemer. Kognitiv databehandling vil effektivisere beslutningsprosesser på lik linje som programmerbar databehandling har effektivisert produksjonsprosessene.

cognitive computing era

Bokmerk og del
15. January 2015
17:08
 

Mainframe har lansert en ny versjon; IBM z13. Den skal være raskere, smartere, bedre og mer tilpasset vår mobile fremtid. Nye Mainframe er teknisk og arkitektonisk tilpasset for  å kunne behandle enorme mengder transaksjoner og data i sanntid. IBM z13 er dimensjonert for å takle veksten i dataproduksjonen i fremtiden.

Hva er Mainframe?mainframe

Mainframe er det datasystemet som raskt finner ut at du er deg når du putter visakortet ditt i betalingsautomaten på butikken og trykker koden. Maskinen samkjører dataene og utfører transaksjonen slik at du får med deg varene hjem. Mainframe synes ikke. Det bare er der.

Hvorfor trenger vi en ny versjon?

De siste årene har bruken av mobile enheter økt radikalt. I 2004 var det mindre enn én transaksjon per mobilbruker om dagen. I 2014 er det nærmere 37 transaksjoner daglig per bruker. En transaksjon kan sette i gang over 100 prosesser som samhandler på tvers av systemer som krypterer, sammenligner tidligere kjøp, bank til bank samhandling eller andre relevante tjenester. Dette erverver store mengder data. IBM z13 er dimensjonert for å takle veksten i produksjonen av datamengdene i fremtiden.

Den nye stormaskinen IBM z13 gir en spesiell mulighet til å oppdage svindel forsøk ved blant annet banktransaksjoner. Ved bruk av IBM z13, Big Data og Analytics kan banksystemene raskt oppdage at du umulig kan handle middag på nærbutikken samtidig som du kjøper luksusvarer et annet sted på kloden. Sanntidssamkjøring av de sentrale bankdataene satt sammen med ditt handlingsmønster gjør at bankene enkelt kan oppdage og stoppe svindel. Dette gjelder både privatpersoner og bedrift.

Ikke minst er det en økende interesse fra bedrifter å kunne trekke ut verdi og innsikt fra transaksjoner. Når dataene er tilgjengelig i sanntid gir det en unik mulighet til å skreddersy løsninger tilpasset den enkelte kunden og situasjonen kunden befinner seg i. Dette skal selvfølgelig skje umiddelbart. Vi liker ikke vente.

 

I dag kan Mainframe kjøre nesten 70% av verdens produksjonsarbeidsmengde. Med IBM z13 er Mainframe hetere enn noensinne.

Det nye systemet er utviklet for å håndtere den nye generasjonen av mobilitet, applikasjonsøkonomien og tilfredsstiller behovet for å trekke ut verdi og innsikt fra hver transaksjon. IBM z13 er også designet for å forhindre sikkerhetsbrudd og nedetid, så vel som å levere lavest kostnad av IT per virksomhet, per virtuell maskin, per databasespørring, per arbeidsmengde og til den laveste kostnaden av inkrementell vekst.

YouTube Preview Image

Ha en fin dag og nyt IBM z13!

Se flere YouTube videoer om IBM Mainframe her.

 

Bokmerk og del

Nytt år, nye muligheter. Hvorfor ikke starte året med å donere litt datakraft i kampen mot Ebola? IBM har utviklet en metode som gjør det mulig for alle ta del i kampen for å bekjempe Ebola. Ledig kapasitet på datamaskiner, telefoner og nettbrett, kan utnyttes og doneres til bruk for forskere.

BigDatavsEbola
Det finnes ikke noen godkjent behandling eller vaksine mot denne dødelige sykdommen. Derfor lanseres Outsmart Ebola Together for å sette fart på forskningen. Dette er et samarbeid mellom The Scripps Research Institute og IBM’s World Community Grid. IBM’s World Community Grid  er en virtuell superdatamaskin for humanitær forskning. Nå skal den bistå forskere i kampen for å løse Ebola-problemet. Forskningsprosjektet vil bli ledet av Dr. Erica Ollmann Saphire av The Scripps Research Institute. Dr. Saphire er blant verdens mest prominente forskere på Ebola. Hun har forsket på en kur mot denne sykdommen i over 11 år – lenge før den krisen vi kjenner i dag fant sted.

Det nåværende Ebola-utbruddet er det største i historien. Det har blitt beskrevet av Verdens Helseorganisasjon som «den mest alvorlige og akutte globale helsekrisen i nyere tid». Tidligere utbrudd har man klart å begrense, men utbruddet i 2014 øker risikoen for at sykdommen kan bli permanent i enkelte områder.
IBM samarbeider med forskere fra Scripps Research Institute i Sør-California. Prosjektet går ut på å utnytte ledig kapasitet fra tusenvis av mindre datamaskiner, som hver for seg kan løse mindre deler av et større medisinsk puslespill. Til slikt arbeid kreves det vanligvis en superdatamaskin. «Arbeid som dette tar vanligvis flere år, men kan nå gjøres i løpet av noen måneder», sier biomedisinsk forsker ved Scripps, Erica Ollmann Saphire.
Allerede viser det seg at denne løsningen har båret frukter. Noen molekylære forbindelser viser lovende resultater og blir fortløpende testet. Men det letes fortsatt etter en kur.

Programvaren er gratis og tilgjengelig på: www.worldcommunitygrid.org

Den fungerer både på Windows- og Mac PCer, og på Android-mobiler. Programvaren er designet for kun å bruke ledig kapasitet når en enhet er koblet til internett. Når man ikke er tilkoblet internett, vil ikke programvaren være i bruk. På mobile enheter vil programmet kun være i bruk under lading og ved Wi-Fi tilkobling, på denne måten unngår man redusert batteritid og høye datatrafikk-avgifter. Brukere kan selv velge når deres enhet skal være koblet opp mot dette nettverket, og om de ønsker at dette skal skje automatisk. Programvaren har ikke tilgang eller mulighet til å gjøre endringer på enheten. På den måten lover IBM å ivareta og respektere den enkeltes personvern.
Dette programmet bryter ned store utfordringer i tusenvis av mindre oppgaver, der individuelle enheter får tilsendt hver sin oppgave før resultatene samles inn. Frivillige har muligheten til å følge progresjonen i hvert enkelt prosjekt gjennom rapporter. IBM lover at alle resultater skal være tilgjengelig for interesserte forskere.
Du kan være med på å finansiere forskningen gjennom å investere din inaktive ‘data-tid’, og på den måten gjøre en forskjell.

Hjelp forskerne du også, gi av din ledige datakapasitet!smartere else2

 

Technorati Tags: , , , ,

Bokmerk og del

Alle store oppdagelser gjennom historien har en ting til felles: en gnist av inspirasjon.

Watson har fått en ny jobb – å hjelpe forskere med å utnytte de enorme summene ($600 milliarder) som årlig investeres i forskning og utvikling. Ved hjelp av store mengder data og sofistikert analyse er det mulig å drive opp innovasjonstakten og skape nye verdier.

Utfordringene innen forskning, spesielt knyttet til medisin, er beslektet med mange av de samme utfordringene som vi ser globalt; enorme mengder informasjon vokser i et tempo som ikke kan håndteres med dagens verktøy.research2

Tenk over dette: En gjennomsnittlig forsker leser ca. 23 forskningsartikler per måned, noe som tilsvarer i underkant av 300 i året. Samtidig  produseres det hvert 30 sekund (!) én ny forskningsartikkel. Det er et regnestykke som ikke går opp. Hvis man legger til at det tar 10-15 år i snitt for å få én medisinsk behandling godkjent og satt i produksjon, ser man at det er et stort forbedringspotensiale på dette området.

Watson Discovery Advisor gir forskere muligheten til å oppdage korrelasjoner og sammenhenger som før måtte letes etter manuelt – både på kryss og tvers av journaler og emner. Teknologien gjør det mulig for forskere å dykke ned i den enorme datamengden innen forskning – som gjerne er spredt utover emner, geografi, og journaler – og analysere korrelasjoner og finne nye områder for fremtidig forskning.

Ved hjelp av Watson teknologien har for eksempel Baylor College of Medicine klart å identifisere seks proteiner som kan brukes i behandling av kreft. Dette var mulig fordi Watson, i løpet av et par uker analyserte flere millioner sammendrag i forskningsartikler og 70 000 artikler som handlet om et bestemt protein (p53) som var forbundet med mange typer kreft. Johnson & Johnson, verdens største selskap innen medisinske apparater og diagnostikk, brukte tidligere i gjennomsnitt ti måneder på datasamling og sortering før de kunne starte hypotesetesting og forskning. De bruker nå Watson som forskningsassistent for å kunne spørre direkte på deres database, fyllt med tusenvis av artikler.

Hva slags innvirkning vil Watson Discovery Advisor ha, spør du?

Watson Discovery Advisor kommer til å ha spesiell stor innvirkning på måten forskere arbeider på – over hele verden. Det meste av forskning, og dermed forskningsartikler, publiseres og deles på engelsk. Med Watson Discovery Advisor slipper forskere og brukere den største barrieren knyttet til kognitiv teknologi: språktilpasning og forståelse av lokale språk og dialekter (slik som norsk). Det er dette som gjøre det så utrolig spennende!

- What will you discover with Watson?

Watson Discovery Advisor

Technorati Tags: , , , , , ,

Bokmerk og del

Abonner på denne bloggen Abonner på denne bloggen