許多企業在尋求更成熟的資料分析能力和流程，快速建立應用程式並驅動計畫，希望能在競爭市場中脫穎而出，因此，能夠有效利用資料和人工智慧的企業將具備更好的條件，在動態且不斷變化的市場中快速發展。同時，為了增加轉型及創新的彈性，容器化的應用也更加受到市場的重視，越來越多的企業導入並積極打造容器化的基礎架構，但目前市場中的容器化平台皆未能充分整合雲端與非雲環境。
看見此市場缺口，HPE整合容器以及AI應用，針對Ezmeral推出多項更新，並且擴展合作夥伴生態圈，不僅解決數據孤島窘境，同時可在雲端與非雲端體系建立獨有平台，支持企業將資料學習的流程標準化。近日，HPE也攜手全球分析領域領導者SAS ，於Ezmeral上整合其人工智慧平台Viya的諸多強大功能，協助企業提升AI應用的即時性以及自動化能力，降低資料科學工作的技術門檻，讓企業擁有充分的IT自主權來進行有效治理。
借助AutoML：讓機器學習「自動化」，建立AI即時預警系統，把關洗腎併發風險
近年SAS Viya早已在智慧醫療的運用上取得相當出色的成果。尤其AutoML(自動化機器學習)特色功能，更幫助醫護人員將資料科學任務從程式碼轉變為簡易的拖曳方式，透過平台內建的演算法，自動執行相關作業，將時間從兩個月縮短至 15 分鐘即找出最佳模型，加速完成AI建模作業。
「國際目前走向是開始擁抱AutoML技術，讓許多資料科學工作透過AI自動化，降低技術門檻，」SAS台灣業務顧問部陳新銓副總經理表示。「這使醫護可自主建構更符合需求的 AI 模型，解決醫療現場難題。」
近兩年來，醫療業者為了降低病患風險，也正著手導入AI技術，協助醫護人員判斷病患狀況，爭取反應時間。其中，台北榮總的「即時血液透析AI預警系統」，即是藉SAS Viya的AI技術來預判患者心臟衰竭的發生機率，以及準確計算病患的「乾體重」值，大幅提高醫療品質，也降低患者風險。
這套系統可大幅節省人工判斷所需的時間，同時，預判洗腎病患心臟衰竭的準確度已可達到90％，而針對洗腎病患「乾體重」的判斷，和醫師的人工判斷相比，也可降低80％的誤差。在SAS Viya平台的支援下，醫療院所將能完成高頻率、多來源的即時資料收集與分析，並且以內建機器學習模型，實現自動化機器學習，產生即時的高準度判斷。
HPE 支援整個機器學習生命週期並讓企業營運更加彈性
在未來智慧應用蓬勃發展的情況下，資料將24小時持續產生，AI模型也需要持續建立並調校，因此在維運上需要更具有彈性的服務，HPE Ezmeral Runtime基於 100% 開放原始碼 Kubernetes 打造，適合在任何內部部署基礎架構、混合環境和多雲端環境中執行的雲端原生和非雲端原生應用程式，搭配MLOps解決方案，藉此支援整個機器學習生命週期並實作類似於 DevOps 的流程，從而實現機器學習工作流程的標準化。
除此之外，為使企業應用更加具有彈性，HPE GreenLake 提供基於「按量計費」模式，讓企業可以享受彈性的定價，並做到成本監控，提供企業跨邊緣、主機代管和資料中心，不但加快了部署速度，同時降低了IT投資。
HPE Ezmeral 和SAS Viya兩大平台的合作，讓企業得以快速佈署採用大數據的預測性分析和機器學習技術，不僅加快洞察速度、降低營運成本，更可以讓員工更專注於具有生產價值與前瞻性的核心業務，協助企業運用AI 和ML加快實現業務成果，在資訊爆炸的智慧時代，以最佳的步調迎向每個業務挑戰。
