软数据表明，尽管人工智能在我国的发展仍处于成长周期的初级阶段，但是其发展速度、覆盖范围的增长幅度却是相当惊人的，特别是在《国务院关于印发新一代人工智能发展规划的通知》发布之后，人工智能与各行业的融合迅速加深，当然医疗行业也不例外。此外，随着健康医疗数据收集渠道的多元化，大量数据迅速集聚，也为医疗行业的机器学习提供了必要条件。

当然，由于机器学习横跨概率论、统计学、算法复杂度理论等多门学科，因而，机器学习所面临的问题也是不可避免的：

一、挖掘专题按需定制，受资源等方面制约不能快速开发；

二、非结构化数据过多、不能充分满足机器深度学习的需求；

三、机器学习是探索式的科学，仍然需要进行多次迭代实验，周期过长；

四、当算法不能很好地工作或不执行的时候，算法难以调试问题。

基于上述难题，IBM重磅推出了Power AI工具企业级发布包。IBM PowerAI的目的是尽可能让AI开发过程变得更轻松、更直观、更高效。Power AI能够提供预编译的主流深度学习软件工具包，简化安装并提供企业级服务支持，针对NVLink进行充分性能优化，可在高性能计算基础架构上运行。使深度学习、机器学习和AI变得触手可及，而且非常快速。

作为IBM PowerAI合作单位，厦门市第二医院对于人工智能的探索也在有序进行中。截止目前，厦门市第二医院已经通过借力人工智能，大大提高了医学影像科医生的工作效率和读片的准确率。

那么Power AI工具包与同类产品相比，究竟有哪些过人之处呢？

易用性

AI Vision作为一款定制化应用开发工具，非常适于计算机视觉工作负载。借助该工具，应用开发人员仅需较少的深度学习知识，即可训练和部署其应用所需的计算机视觉深度学习模型，对于在深度学习方面经验不足或毫无经验的应用开发人员来说，AI Vision可帮助他们针对不同的输入数据集构建经训练的深度学习模型。

数据准备工具

与集成了ApacheSpark的IBMSpectrumConductor集群虚拟化软件相集成，可轻松实现非结构化数据与结构化数据的转换，进而使这些数据可供深度学习训练之用。举例来说，使用者可以构建一个“转换函数”，用以将图像转换为 Caffe 要求的大小，然后即可轻松地将任何输入数据集转换为正确的格式，并进行加载，以供 Caffe 使用。IBM Spectrum Conductor with Spark 会在集群上自动启动一整套 Spark 任务，每个任务都会重新调整输入数据集中部分数据的大小。

缩短训练时间

TensorFlow的分布式计算版本，这是由Google首创且在业内非常流行的开源机器学习框架。这种分布式版本的TensorFlow利用了GPU加速服务器的虚拟化集群，这些集群采用经济、高性能的计算方法，将深度学习的训练时间从数周缩短到数小时。

模式开发更轻松

DL Insight作为一款模型调优软件，它能够使用基于 Spark 的分布式计算根据输入数据集自动调优模型的超级参数。我们已对 IBM Spectrum Conductor with Spark 进行了增强，因此它能够使用一个数据子集自动启动具有不同超级参数的多个模型训练循环。之后，它会监控训练进展，并使用多种不同的搜索方法（例如随机搜索法、贝斯搜索法）搜索并找出最佳的超级参数。为了改善可使用性，DL Insight 设计有一个功能强大且非常直观的GUI（图形用户界面），它能够实现训练过程的可视化，并提供持续反馈，以便快速构建并优化深度学习模型。

当然Power AI所带来的效益远不止快速搭建人工智能应用那么简单。基于NVLink服务器，更高的吞吐量可支持更大的数据集和更多次的应用运行，提高认知结果的准确度。当然Power AI并不是全部，在IBM认知系统的技术服务与支持下，BlueMind深度学习云平台、PowerAI深度学习框架以及IBM卓越的基础设施，能够为企业客户提供一体化的认知应用搭建服务与支持，实现认知。

由此可见，Power AI搭建的机器学习模型，在分析预测的精度、准确度与速度上都有明显的优势。因而，从Power AI目前的种种表现来看，其在医疗行业的发展前景是相当值得期待的。