Формирование искусственного интеллекта для формирования будущего бизнеса

По мере того, как ИИ переходит от фазы экспериментов к развертыванию в организациях, возникают некоторые ключевые технические проблемы - огромные объемы данных и необходимость их быстрой обработки для генерации значимых и действенных идей требует нового подхода к хранению. В этой статье Джеймс Кумер, старший вице-президент по продуктам DDN Storage, рассказывает о нескольких ключевых переменных, которые необходимо учитывать при развертывании ИИ, чтобы обеспечить бизнес-преимущества, обещанные этой технологической революцией.

По мере того как искусственный интеллект (ИИ) переходит от фазы экспериментов к фактическому развертыванию в организациях, возникают некоторые ключевые технические проблемы. ИТ-директора понимают, что большая часть их инфраструктуры данных не отвечает огромным требованиям ИИ и глубокого обучения (DL). Огромные объемы данных и необходимость их быстрой обработки для получения значимых и действенных идей требует нового мышления о хранении. Традиционные системы, основанные на таких протоколах, как NFS, замедляют работу приложений из-за нехватки данных для рабочих нагрузок ИИ. 

Центр обработки данных с поддержкой AI должен быть оптимизирован для одновременного и эффективного обслуживания всего спектра действий DL: приема данных, обработки данных, обучения, вывода, проверки и моделирования. Слишком много предприятий попадают в ловушку этих беспрецедентных требований, когда они выходят за рамки фазы экспериментов с ИИ. Gartner подчеркнула это « парадоксом пилотов ИИ » - хотя запуск пилотных проектов ИИ может быть обманчиво легким, запуск их в производство, как известно, затруднен.  

К счастью, на первый план выходят передовые практики с точки зрения инфраструктуры, оптимизированной для искусственного интеллекта, и более тесной интеграции с бизнес-процессами и рабочими процессами. При развертывании ИИ необходимо учитывать несколько ключевых переменных, чтобы обеспечить бизнес-преимущества, обещанные этой технологической революцией: масштабируемое и быстрое хранение и обработка данных, измеримая рентабельность инвестиций и технологические партнеры, которые понимают требования бизнеса и отрасли.

Скорость плюс масштабируемость
Технологические требования AI и DL - это шаг вперед по сравнению с традиционными бизнес-процессами. Хранилище петабайтного масштаба сейчас является обычным явлением, бросая вызов устаревшим системам, для чего они не были предназначены. Кроме того, центры обработки данных с поддержкой ИИ должны загружать приложения со скоростью, превышающей возможности значительной части существующей инфраструктуры. Поскольку ИИ все больше становится источником конкурентных преимуществ для предприятий, это давление будет только расти.

Графические процессоры зарекомендовали себя как лучшие по сравнению с традиционными ЦП для быстрого запуска приложений ИИ . Однако узкие места могут возникать, когда соответствующее решение для хранения не может справиться с требовательными к данным графическими процессорами, отсюда и необходимость глубокой интеграции между компонентами хранения и обработки. Консолидация всех данных искусственного интеллекта на единой гибкой платформе данных обеспечивает гораздо меньшую задержку и более высокую пропускную способность.

Установка систем ИИ - это не разовые ИТ-проекты. Правильно спроектированные и реализованные, они обещают масштабную трансформацию бизнеса . Таким образом, они должны иметь возможность адаптироваться и расти вместе с требованиями бизнеса. В связи с этим важно выбрать решение для хранения данных для ваших проектов ИИ, которое можно легко масштабировать. Модульные системы хранения, в которые по запросу могут быть добавлены дополнительные флеш-накопители или жесткие диски, представляют собой экономичное решение, позволяющее справиться с революцией в области данных.

Узнать больше: Беспредел мэйнфреймов: вот почему правительственные учреждения должны проводить модернизацию

Увеличение рентабельности инвестиций
Gartner прогнозирует, что к 2024 году 50 процентов инвестиций в ИИ будут связаны с конкретными ключевыми показателями эффективности для измерения рентабельности инвестиций (ROI). Это подчеркивает необходимость выбора сейчас систем, которые обеспечат требуемую производительность и окажутся экономически эффективными в долгосрочной перспективе.

Неработающая вычислительная мощность приводит к резкому росту затрат и может сорвать проекты ИИ. В основе этой проблемы часто лежат узкие места на пути передачи данных от хранилища к компонентам обработки системы. Системы искусственного интеллекта должны быть интегрированными решениями, а не исправленными наборами компонентов. Инфраструктура ввода-вывода, оптимизированная для искусственного интеллекта за счет тесной интеграции с элементами графического процессора, может поддерживать 100% загрузку всего.

Такое хранилище, оптимизированное для искусственного интеллекта, не только ускоряет обработку данных, но и снижает накладные расходы. С точки зрения использования ресурсов интегрированные системы флэш- памяти / графического процессора до 30 раз быстрее и в 20 раз более энергоэффективны, чем традиционные решения NAS. Это означает меньшую занимаемую площадь и меньшие затраты на электроэнергию и техническое обслуживание. С помощью таких систем предприятия могут значительно повысить производительность при сокращении вдвое затрат на хранение.

Выбор правильных партнеров
Действия DL и ML, связанные с проектами AI, по своей сути отличаются от традиционных ИТ-проектов. Как отмечает Gartner, они значительно более эвристичны и экспериментальны. Требуемые навыки охватывают несколько областей, включая анализ данных , статистический анализ, проектирование платформ и разработку приложений. 

Это делает выбор системы, подходящей для вашего бизнеса, более сложной задачей. 

Для проектирования и развертывания систем искусственного интеллекта, которые успешно интегрируются с бизнес-требованиями, требуется опыт. Дорога к ИИ все еще прокладывается. Поэтому выбор партнера с опытом работы в конкретном секторе жизненно важен. 

Темпы революции в области искусственного интеллекта, основанной на данных, ускоряются, и решения, принятые сейчас, будут определять будущее бизнеса на долгие годы.