Ключевые аспекты инфраструктуры, поддерживающей ИИ и машинное обучение
Местоположение:
Инициативы в области искусственного интеллекта и машинного обучения выполняются не только в облаке и не обрабатываются локально. Эти инициативы должны выполняться в месте, которое имеет наибольший смысл с учетом результата. Например, система распознавания лиц в аэропорту должна проводить анализ локально, поскольку время, необходимое для отправки информации в облако и обратно, увеличивает задержку процесса. Крайне важно обеспечить развертывание инфраструктуры в облаке, в локальном центре обработки данных и на периферии, чтобы оптимизировать производительность инициатив ИИ.
Что нужно знать: Как роботизированные технологии помогают образовательному сектору?
Широта высокопроизводительной инфраструктуры:
Как упоминалось ранее, производительность ИИ сильно зависит от базовой инфраструктуры. Например, графические процессоры (GPU) могут ускорить глубокое обучение в 100 раз по сравнению с традиционными центральными процессорами (CPU). Недостаточная мощность сервера вызовет задержки в процессе, а чрезмерная мощность приведет к пустой трате денег. Независимо от того, является ли стратегия сквозной или лучшей в своем классе, убедитесь, что вычислительное оборудование имеет правильное сочетание вычислительных возможностей и высокоскоростного хранилища. Для этого необходимо выбрать поставщика с широким портфолио, способным справиться с любой фазой процесса искусственного интеллекта.
Утвержденный дизайн:
Инфраструктура, безусловно, важна, но не менее важно и программное обеспечение, которое на ней работает. После установки программного обеспечения может потребоваться несколько месяцев для его настройки и оптимизации в соответствии с базовым оборудованием. Выберите поставщика, который предварительно установил программное обеспечение и имеет проверенный дизайн, чтобы сократить время развертывания и обеспечить оптимизацию производительности.
Что нужно знать: Искусственный интеллект для систем домашней безопасности
Расширение центра обработки данных:
Инфраструктура ИИ не существует изолированно и должна рассматриваться как расширение существующего центра обработки данных. В идеале компаниям следует искать решение, которым можно управлять с помощью существующих инструментов.
Сквозное управление:
Не существует единого «ИИ в коробке», который можно было бы добавить и включить, чтобы начать процесс ИИ. Он состоит из нескольких движущихся частей, включая серверы, хранилище, сети и программное обеспечение, с несколькими вариантами выбора в каждой позиции. Лучшим решением будет целостное, включающее все или хотя бы большинство компонентов, которыми можно будет управлять через единый интерфейс.
Сетевая инфраструктура:
При развертывании ИИ упор делается на серверы с поддержкой графических процессоров, флэш-накопители и другую компьютерную инфраструктуру. Это имеет смысл, так как ИИ очень требователен к процессору и памяти. Однако в системы хранения и серверы должны поступать данные, передаваемые по сети. Инфраструктуру для ИИ следует рассматривать как «табурет на трех ножках», где ножки — это сеть, серверы и хранилище. Каждый должен быть одинаково быстрым, чтобы не отставать друг от друга. Отставание в любом из этих компонентов может ухудшить производительность. Тот же уровень должной осмотрительности, что и серверам и хранилищам, должен быть уделен сети.
Безопасность:
ИИ часто использует чрезвычайно конфиденциальные данные, такие как записи пациентов, финансовая информация и личные данные. Нарушение этих данных может иметь катастрофические последствия для организации. Кроме того, вливание неверных данных может привести к тому, что система ИИ сделает неверные выводы, что приведет к ошибочным решениям. Инфраструктура ИИ должна быть полностью защищена с помощью самых современных технологий.
Профессиональные услуги:
Хотя услуги технически не считаются инфраструктурой, они должны быть частью решения об инфраструктуре. Большинство организаций, особенно неопытных, не имеют собственных навыков, необходимых для успешного внедрения ИИ. Сервисный партнер может предоставлять необходимые услуги по обучению, консультированию, внедрению и оптимизации на протяжении всего жизненного цикла ИИ и должен быть основным компонентом развертывания.
Широкая экосистема:
Ни один поставщик ИИ не может предоставить все технологии везде. Крайне важно использовать поставщика, который имеет широкую экосистему и может объединить все компоненты искусственного интеллекта для предоставления полного комплексного решения «под ключ». Необходимость собирать компоненты воедино, скорее всего, приведет к задержкам и даже сбоям. Выбор поставщика с сильной экосистемой обеспечивает быстрый путь к успеху.
Исторически сложилось так, что проекты искусственного интеллекта и машинного обучения выполнялись специалистами по науке о данных, но это быстро переходит к ИТ-специалистам по мере того, как эти технологии становятся мейнстримом. По мере того, как происходит этот переход и инициативы в области ИИ становятся все более распространенными, ИТ-организациям следует более широко рассматривать инфраструктуру, обеспечивающую ИИ. Вместо того, чтобы покупать серверы, сетевую инфраструктуру и другие компоненты для конкретных проектов, цель должна состоять в том, чтобы более широко думать о потребностях бизнеса как сегодня, так и завтра, подобно тому, как сегодня работают центры обработки данных.
