Построение датацентричной архитектуры для успешной реализации ИИ

Четвертая промышленная революция, основанная на искусственном интеллекте (ИИ) и машинном обучении (Machine Learning, ML), приведет к трансформации нашего общества - и уже сейчас она идет полным ходом. ИИ оказывает невероятное влияние на некоторые отрасли, расширяя границы возможного везде, где бы то ни было - от более рационального здравоохранения и скорости обработки генома человека, до более точного поиска причин неурожая в сельском хозяйстве и улучшений в управлении городским движением.

Искусственный интеллект - технология не новая, он существует с 1950-х годов, но до недавнего времени его применение ограничивалось академическими проектами и небольшим числом крупнейших мировых организаций. В действительности многие смартфоны и другие технологии, которые потребитель воспринимает как должное, применяют ИИ. Голосовые помощники и интеллектуальный текст используются ежедневно многими людьми. И до недавнего времени развитие технологий не позволяло повсеместно использовать искусственный интеллект. "Большой взрыв" во внедрении ИИ вызвало развитие трех ключевых технологий - программного обеспечения на основе глубокого обучения (Deep Learning, DL), графических процессоров (GPU) и больших данных.

Факторы развития ИИ

Опираясь на принципы работы человеческого мозга, глубокое обучение использует массово-параллельные вычисления нейронных сетей и в ходе изучения огромного множества примеров самостоятельно и весьма эффективно создает программный код. Технология глубокого обучения уже доказала высокую эффективность в областях, где данные имеют менее яркое числовое выражение и требуют более когнитивного подхода. Такие задачи, как распознавание речи и звука, обработка человеческого языка или распознавание образов, вероятно, не выполнялись бы так быстро при использовании стандартных методов машинного обучения.

Графические процессоры - вторая технология, стоящая за освоением ИИ. Современные графические процессоры с тысячами ядер хорошо подходят для запуска алгоритмов, условно копирующих человеческое мышление. Использование правильного графического процессора означает, что ученые и исследователи, работающие с данными, способны запускать ИИ-проекты с растущей сложностью и детализацией.

И глубокое обучение, и графические процессоры - это масштабные, прорывные, революционные технологии, и применительно к третьему фрагменту головоломки - большим данным их потенциал для инноваций невероятен. При этом и механизмы глубокого обучения, и графические процессоры развиваются с геометрической прогрессией, чего нельзя сказать об инструментах работы с большими данными - технологиях их хранения, которые остаются далеко позади. В результате образуется настоящая пропасть производительности между вычислительными ресурсами (DL и GPU) и системами хранения данных (СХД), что мешает компаниям извлечь максимальную выгоду из своих данных, прирастающих с экспоненциальной скоростью.

Раскрываем потенциал данных через инновации в области инфраструктуры

Для организаций очень важно инвестировать в технологии, которые способны справиться с взрывным ростом данных в последние годы. Поскольку их объем существенно увеличился, затраты на их миграцию и репликацию становятся непомерными, а также узким местом для инноваций. Требовался новый подход - основанный на датацентричной архитектуре.

Датацентричная архитектура - это современный подход, где данные помещаются в основу ​​инфраструктуры организации. Это устраняет необходимость переноса информации между старыми и новыми системами, не требует радикального вмешательства в бизнес-данные и приложения, и все технологии строятся вокруг них. Цель подхода в том, чтобы доставить вычислительные ресурсы до данных, а не наоборот. Это означает, что организации могут тратить меньше времени и средств на перемещение информации и больше времени на инновации и грамотное использование наборов данных.

Чтобы по-настоящему извлечь выгоду из датацентричной архитектуры, система должна работать в режиме реального времени, обеспечивая требуемую производительность для аналитических систем нового поколения, раскрывающих весь потенциал ИИ. Она также должна быть доступна по требованию и быть беспилотной, то есть не требовать постоянного администрирования. Это позволяет ИТ-подразделению стать поставщиком услуг хранения для организации. Консолидация и упрощение с развитием флеш-технологий значительно облегчают поддержку инструментов, которые обеспечат рост в будущем.

Новое качество больших данных, GPU и глубокого обучения благодаря СХД

Выравнивая совместную работу вычислительных ресурсов и СХД, организации смогут определить эталонную архитектуру развертывания, которая обеспечивает графические процессоры идеальной инфраструктурой хранения, сочетая в себе скорость внутренних дисков с простотой, ёмкостью и консолидацией, свойственных внешней СХД.

Такие компании, как Paige.AI и Global Response, уже используют этот оптимизированный подход к вычислительным ресурсам и СХД для поддержки своих ИИ-проектов.

Paige.AI - организация, которая стремится кардинально улучшить процессы клинической диагностики и лечения онкологии с помощью ИИ. Патология по-прежнему остается краеугольным камнем диагностики рака. При этом большинство патологических диагнозов основаны на ручных, субъективных процессах, утвержденных больше столетия назад. Раскрывая потенциал ИИ, Paige.AI нацелена превратить отрасль патологии и диагностики из выборочной и субъективной в более строгую, количественную дисциплину.

Имея доступ к одному из крупнейших в мире архивов опухолевой патологии, компания нуждалась в самой совершенной доступной DL-инфраструктуре, чтобы быстро превратить огромные объемы данных в клинически проверенные приложения ИИ.

Таким организациям, как Global Response, ИИ позволяет пересмотреть существующие бизнес-модели. Global Response начала разработку современной системы колл-центра, которая транскрибирует и анализирует звонки в службу поддержки в реальном времени. Такой подход обеспечит превосходное качество обслуживания клиентов и оперативное решение проблем. Это немаловажно, поскольку ожидания потребителей сильно смещаются в сторону персонализированного опыта.

Global Response достигла переломного момента, когда интеграция ИИ на всех уровнях компании обрела решающее значение для эффективной работы бизнеса. Используя решение, которое объединяет современное программное и аппаратное обеспечение, командам Global Response удалось перестроить ряд бизнес-моделей не за недели или месяцы, а за несколько часов.

Пусть ваши данные будут в центре бизнеса

ИИ и глубокое обучение поднимают аналитические возможности на новый уровень, что оказывает влияние на каждую отрасль. В ближайшие годы Gartner прогнозирует тотальное распространение ИИ: он будет присутствовать практически в каждом доступном программном продукте и услуге. Приблизить эту реальность можно, сделав данные фундаментом ИТ-стратегии организаций. Без внедрения датацентричной архитектуры любые попытки использовать вычислительную мощь глубокого обучения и современных графических процессоров не принесут особого эффекта. Действительно успешное применение ИИ зависит от этого идеального партнерства, тандема вычислительной мощности и СХД. Без него весь потенциал данных не будет реализован