Все о Искусственный интеллект
За кулисами революции искусственного интеллекта (ИИ) компании пересматривают свои стратегии обработки данных. Конвергенция достижений в области сетей, алгоритмов и граничных вычислений переносит ресурсоемкие рабочие нагрузки из традиционных центров обработки данных и приближает их к приложениям, которые от них зависят.
Читать далее:
Решение проблем вычислительной мощности в эпоху ИИ
- Искусственный интеллект предъявляет исключительные требования к вычислительной мощности.
- Такой спрос обычно удовлетворяется стеками серверов в центрах обработки данных, которые часто принадлежат или управляются поставщиками облачных услуг.
- Однако происходит заметный сдвиг, поскольку появляются новые системы, предназначенные для распределения этих тяжелых рабочих нагрузок по взаимосвязанным компьютерным сетям.
- Это может привести не только к снижению затрат в облаке, но и к уменьшению задержки за счет передачи данных в режиме реального времени непосредственно в модели ИИ.
Дэйв Маккарти, вице-президент по исследованиям в International Data Corp., подчеркивает этот развивающийся подход в интервью The Wall Street Journal:
После того, как модель обучена, ее подмножества можно развернуть ближе к тому месту, где генерируются новые данные. Эта распределенная концепция позволяет ИИ эффективно расти после запуска.
Дэйв Маккарти, вице-президент по исследованиям в International Data Corp.
Децентрализация и эффективность: новый рубеж вычислений
Так называемые «децентрализованные облака» или «распределенные центры обработки данных» часто согласуются с такими технологиями, как Интернет вещей (IoT) и граничные вычисления, которые отдают приоритет обработке как можно ближе к источнику данных.
Практический пример можно увидеть в DHL Supply Chain, подразделении Deutsche Post, которое внедрило децентрализованную облачную систему для запуска приложений компьютерного зрения на основе ИИ. Эти приложения расширяют возможности складских роботов, позволяя им идентифицировать и обрабатывать тысячи упаковок.
Мы также используем ИИ-решения для приложений машинного зрения и дополненной реальности, помогая нашим сотрудникам собирать заказы.
Салли Миллер, директор по информационным технологиям DHL в Северной Америке, заявила WSJ.
Запустив программное обеспечение ИИ локально, а не полагаясь на внешние облачные сервисы, DHL смогла устранить необходимость в массовой передаче данных.
Преобразование вождения с искусственным интеллектом на периферии
Estes Express Lines, судоходная компания из Ричмонда, штат Вирджиния, также применила этот инновационный подход. С помощью аналогичной системы они запускают программное обеспечение компьютерного зрения на базе искусственного интеллекта на камерах, установленных на грузовиках, предупреждая водителей об опасностях на дороге.
Нам больше не нужно ждать, пока данные будут отправлены в централизованную службу, будь то в облаке или в нашем собственном центре обработки данных. Это повышает общую безопасность, обеспечивая руководство в режиме реального времени.
Тодд Флоренс, ИТ-директор Estes, сказал WSJ
По мере стремительного роста объемов данных способность использовать ИИ на периферии становится решающей, особенно в таких секторах, как транспорт, строительство и производство.
Автономное обучение ИИ
Помимо запуска приложений ИИ вне облака, разработчики децентрализованных облачных сервисов изучают возможность позволить компаниям обучать свои собственные модели ИИ — энергоемкий процесс.
Ярким примером является Together.ai, которая запустила платформу, соединяющую пользователей с децентрализованной сетью высококачественных чипов GPU.
Это позволяет разработчикам обучать и запускать модели искусственного интеллекта с открытым исходным кодом, не полагаясь на облачные сервисы. Стартап Gensyn также идет по этому пути, стремясь построить общую глобальную сеть вычислительных ресурсов.
Смотрели новые видео на YouTube от Olhar Digital? Подписывайтесь на канал!