“Building the next generation of innovation, together.”
Tijdens de derde dag van het Summit stonden de sessies in het teken van Artificial Intelligence en Machine Learning. Hoewel de concepten niet nieuw zijn, worden ze door de kracht van open hybrid cloud nu ineens voor het grote publiek bruikbaar. Zo ook vandaag te zien. We zien de kracht van kunstmatige intelligentie (federated A.I.) en machine learning voor organisaties als UPS, Boston Children’s Hospital en HCA Healthcare. Aansluitend pakken we een geweldige live demo mee waarin alles samen komt. We vragen ons af waarom Red Hat hier op dag één niet mee gestart is? Sterke keynotes gevolgd door goede break-out sessies. Hieronder een kort verslag van onze hoogtepunten.
Red Hat’s CTO Chris Wright opent met een terugblik op zijn presentatie van vorig jaar en geeft aan dat de rekenkracht sinds dat moment alweer 56% (!) sneller is geworden. De groei van data explodeert. De afgelopen twee jaar is net zoveel data gecreëerd als in alle jaren daarvoor. Stel je voor: slechts 2% daarvan wordt momenteel geanalyseerd. Kortom: enorme kansen voor innovatie.
De opkomst van AIOps is de wereld van IT Operations drastisch aan het veranderen. Brian Jeng van ProphetStor laat zien hoe cloud capaciteit met een product Federator.ai voorspelbaar op behoefte en beleid geschaald kan worden. Niet reactief maar pro-actief op- en afschalen van resources en verplaatsen van workloads. De mannen van PerceptiLabs komen met een live demo waarin ze laten zien hoe A.I.-modellen gemakkelijk gemaakt en getraind worden. Modellen zijn te gebruiken in Kubeflow en worden uitgevoerd op een Kubernetes gebaseerd containerplatform als OpenShift. Ze creëren live een algoritme en trainen dit door middel van een foto van een rode hoed. Leuk detail: dit is -hoe kan het ook anders- de felbegeerde “Fedora” waar Red Hat haar naam aan ontleent. Om te bewijzen dat het concept van machine learning werkt, kan het publiek een foto tweeten naar @feodrafinderbot. Die foto wordt langs het algoritme gehaald met als conclusie: wel of geen een Fedora te zien. Leuk gedaan!
Machine learning en A.I. zijn beschikbaar voor iedereen. Het open source machine learning platform Open Data Hub is daar een goed voorbeeld van. Het is gebouwd op OpenShift, maakt gebruik van Ceph Storage en Kafka voor integratie. Voor calculatie wordt Kubeflow gebruikt. Data scientists kunnen modellen maken met Jupyter notebooks en populaire tools als TensorFlow, scikit-learn en Apache Spark gebruiken voor onderzoek. Door dit project kunnen teams meer tijd besteden aan het oplossen van data gerelateerde uitdagingen in plaats van het installeren en onderhouden van de infrastructuur die daarvoor nodig is.
Levens redden door data analyse
Dr Edmund Jackson, Chief Data Scientist van HCA Healthcare, laat ons aan de hand van een praktijkvoorbeeld zien wat er mogelijk is. Door de data van ruim 180 ziekenhuizen real-time en 24/7 te analyseren, kan bloedvergiftiging 20 uur eerder gedetecteerd worden dan bij de traditionele methode het geval was. In plaats van iedere acht uur controles door menselijk handelen, scant een algoritme nu 24/7 alle signalen van patiënten en detecteert volledig automatisch of er sprake is van bloedvergiftiging. Hierdoor is er een 92% verbetering van detectie gerealiseerd. Aangezien iedere seconde telt bij bloedvergiftiging, is de overlevingskans van patiënten hierdoor drastisch verbeterd. Door de automatische monitoring en detectie kan het verplegend personeel zich richten op de patiënt en datgene wat IT niet kan bieden: empathie, persoonlijke aandacht en waardigheid.
Geautomatiseerde breinanalyse: Sneller zeldzame ziektes vinden
Een ander prachtig voorbeeld komt van Dr. Ellen Grant van het Boston Childrens Hospital. Zij laat zien hoe het proces van analyse van hersenscans van het kinderen drastisch veel sneller en effectiever is geworden door middel van machine learning. “Er komt een jongetje in de behandelkamer. Hij heeft onverklaarbaar veel last van ontstekingen. We nemen foto’s van zijn brein, doen bloedonderzoeken. Al deze resultaten leveren niets op. We zoeken verder, de ontstekingen blijven komen. We zoeken naar een speld in een hooiberg.”
Met behulp van veel data en containerisatie hebben ze het mogelijk gemaakt om snel heel veel andere hersenscans te vergelijken. ChRIS, het Children Research Integration System helpt bij het analyseren van het brein van patiënten. Hiermee is een gedetailleerde analyse van het brein mogelijk gemaakt: gemakkelijk, accuraat, snel en reproduceerbaar. Grant laat dit zien aan de hand van een animatie. Het brein wordt vergeleken met vergelijkbare hersenfoto’s van andere patiënten wereldwijd. Het systeem komt met een grondige analyse. Gedetailleerder dan met het blote oog. Sneller. Het systeem analyseert zelfstandig: hoe wijkt dit brein af van kinderen met een “normaal” brein? Zo kan een zeldzame afwijking toch vrij gemakkelijk gevonden worden en kan de patiënt adequaat behandeld worden.
Slimme encryptie van patiëntengegevens
De encryptie van dit programma is gebouwd op basis van een slim concept genaamd Secure Multi Party Computation (MPC) dat samen met de Boston University is ontwikkeld en uitgewerkt. Hierdoor is het mogelijk om data te analyseren zonder privacygevoelige patiëntengegevens aan cloud providers prijs te geven. Dit is zeker een belangrijk principe met het oog op de privacy. Maar ook neemt de performance van analyses enorm toe vanwege co-locatie (of hybrid cloud). Door het gebruik van OpenShift is niet alleen performance en security geborgd maar ook beveiliging: iedere berekening wordt uitgevoerd in een geïsoleerde omgeving.
Real time vertaling van telefoongesprekken
Douglas Adams had het al voorspeld. Voor de nerds onder ons: Babelfish is inmiddels beschikbaar. Het telecombedrijf OPTUS vertaalt live telefoongesprekken naar geschreven tekst en kan -indien gewenst- vertalen naar een taal naar keuze. Dit maak communicatie en verschillende talen enorm veel makkelijker en biedt kansen voor veel andere innovatieve toepassingen als documentatie en verspreiding van kennis binnen en buiten organisaties.
Bringing it all together
Na de cases brengt Burr Sutter alles samen in één demo. Het publiek wordt betrokken bij een game om interactief de beste route voor een monteur te bepalen bij het repareren van machines in een fabriek. Niet alle machines, maar alleen de machines die een afwijkend geluid maken. Er moet dus een filtering plaats vinden op het geluid van de verschillende machines. Hiertoe wordt met Jupyter Notebooks een model gemaakt. Door een enorme stroom van events te genereren (afkomstig van data uit de telefoons van aanwezigen) wordt het functioneren van machines in een fabriek gesimuleerd. Dit doet ons denken aan twee interessante optimalisatie theorieën die hierdoor beïnvloed worden: Goldratts “The Goal” en The Phoenix project. Immers, door middel van deze demo laat Sutter zien dat je real-time kunt bijsturen op het meest ideale pad, gebaseerd op veel data en machine learning. Hiermee is de cirkel weer rond: voor zowel ons eigen vakgebied AIOps als het optimaliseren van business processen. Met A.I. ligt er nog een enorme innovatieslag vóór ons. Business Process Management gebaseerd op A.I.
IBM en Red Hat
Het valt ons op dat de invloed van IBM een “pink elephant” is. Iedereen kijkt met grote belangstelling naar de ontwikkeling van de overname. De meningen zijn verdeeld over de gevolgen. Officieel mag en kan er natuurlijk nog niets gezegd worden en wordt onderstreept dat Red Hat zelfstandig blijft opereren.
Onze mening? De overname bewijst dat Open Source hét ontwikkelmodel is in de softwareindustrie. Microsoft’s CEO Satya Nadella onderstreept dit door aanwezig te zijn op het Red Hat Summit. Ook Microsoft geeft inmiddels enorm veel terug aan de community. Maar daarmee is Open Source misschien inmiddels ook wel commodity aan het worden. Het onderstreept dat de visie van Red Hat de juiste was en is, maar is inmiddels niet meer onderscheidend. Door de overname van IBM komt de missie van de afgelopen 17 jaar in een stroomversnelling. Zowel Red Hat als IBM hebben hun pijlen gezet op de “open hybrid cloud”. Op basis van dezelfde uitgangspunten: open en toegankelijk zonder vendor lock-in. Daar gaan de twee bedrijven elkaar enorm versterken.
Verder blijkt uit de vele sessies die we volgden dat IBM ook veel teruggeeft aan de communities. Het is duidelijk dat IBM (Ginni Rometty zei het ook al) Red Hat graag wil inzetten als community catalysator voor haar eigen software ontwikkeling. Dat kwam mooi naar voren in de labs: de twee bedrijven versterken elkaar enorm. Het effect? Andere grote software giganten deinzen terug (Oracle) of zoeken de samenwerking nadrukkelijk op (Microsoft).
Mooi om te zien tijdens de sessies: IBM strak in het pak, op een gestructureerde, zakelijke manier presenterend. Red Hat vanuit de community: baarden, slippers, t-shirts. Let wel: de één niet beter of slechter dan de ander. Beide invalshoeken versterken elkaar. Met Red Hat reikt IBM verder in de communities. Dit bleek in vele sessies en verwachten we ook bij klanten terug te zien.
Of Red Hat na overname ook de open cultuur weet te behouden? Wij denken van wel. Al is het wel oppassen: bij de keynotes werden er ineens geen MacBooks meer gebruikt. Overal Lenovo ThinkPad, vroeger IBM laptops. Er was bij Red Hat toch juist géén standaard voor laptops? Zou IBM dan toch meer invloed krijgen? Of zit er iets anders achter?
More to follow
Tot zover onze verslaglegging. We maakten een klein stukje geschiedschrijving mee in de software industrie. Mooi om mee te maken! Veel indrukken gekregen, te veel om in deze blog te behandelen. Zo hebben we nog een bijzonder interessante sessie meegemaakt over de positionering van Java en Jakarta EE (let op: Javax mag straks niet meer gebruikt worden). Daarover binnenkort meer!
