ليور كوريات، الرئيس التنفيذي لشركة Quali – سلسلة المقابلات

ليور كوريات، الرئيس التنفيذي لشركة Quali، هو مسؤول تنفيذي ومؤسس شركات تكنولوجية محنك مع ما يقرب من عقدين في Quali، حيث ساهم في تشكيل الشركة من أساسها الهندسي والتشغيلي إلى مزود عالمي للحلول السحابية المتجاوبة مع بيئات التطوير والتشغيل والمنصات. منذ أن أصبح الرئيس التنفيذي وعضو مجلس الإدارة في عام 2011، قاد توسع Quali عبر الولايات المتحدة وأوروبا وآسيا وإسرائيل، بناءً على الأدوار السابقة كمسؤول تنفيذي للبحث والتطوير ومدير العمليات والرئيس التنفيذي، حيث أنشأ الهندسة والمبيعات والدعم العملاء والقانون والتنمية التجارية والعمليات الدولية. يتضمن خلفيته أيضًا تأسيس شركة Intellitech Engineering وقيادتها، وهي شركة هندسة أنظمة ميكانيكية تم الاستحواذ عليها وتخدم العملاء العسكريين والمدنيين، بالإضافة إلى أدوار التوجيه مع منصة تسريع Google Launchpad ومركز Sutardja للريادة والتقنية في جامعة كاليفورنيا، بيركلي، حيث يوجه الشركات الناشئة حول استراتيجية المنتج وتنفيذ التسويق وتطوير العمليات وتطوير البنية التحتية.

Quali تطور برمجيات تكنولوجيا المعلومات والهندسة البنية المصممة لمساعدة المنظمات على تقديم بيئات سحابية ذاتية الخدمة مع الحفاظ على سرعة فرق التطوير. يوفر منصة Torque طبقة ذاتية الخدمة قائمة على الفهرس للفرق المنصة، مما يتيح蓝prints الموافقة عليها، ومراقبة الوصول القائمة على الأدوار، وإدارة دورة الحياة، واعتماد التكلفة، وتنفيذ السياسات، والرؤية في الوقت الفعلي عبر البيئات. تضع Quali منصة Torque كوسيلة لتوحيد تسليم البنية التحتية عبر إعدادات السحابة المتعددة والهجينة، مع دعم لاستخدامات مثل تطوير البرمجيات، واختبار، وعروض، وبرامج التدريب، وتنفيذ概念 الإثبات، وعمليات MLOps، وعمليات الذكاء الاصطناعي، وتوظيف خطوط أنابيب CI/CD، وخدمة GPU. يتضمن محفظة المنتجات الأوسع نطاقًا أيضًا CloudShell، الذي يتحول إلى بناء الكتلة القابلة لإعادة الاستخدام منخفضة الرمز أو بدون رمز للبيئات المعقدة عبر البنية التحتية المحلية والسحابية.

لقد أسست ووسعت شركات تكنولوجية متعددة قبل قيادة Quali، ويمتد مسارك المهني في الأنظمة العسكرية والروبوتات والهندسة البنية وتوظيف السحابة. كيف أثرت تلك الخبرات على رؤيتك لبناء منصات البنية التحتية للذكاء الاصطناعي، وما الذي أقنعك بأن هذا هو اللحظة المناسبة للتركيز على إدارة البنية التحتية الأصلية للذكاء الاصطناعي؟

يمكز مساري المهني باستمرار على الأنظمة المعقدة التي يجب أن تعمل بشكل موثوق في ظل ظروف متطلبة. بدأت في الروبوتات والفضاء الجوي، وتطوير أنظمة الآلية والتحاكي للتطبيقات الدفاعية، حيث كانت التكرار والتنظيم متطلبات تشغيلية وليست تفضيلات هندسية. تلك البيئات علمتني أن أصعب المشاكل تظهر حيث يجب أن تعمل الأنظمة والعمليات معًا بشكل متسق مع مرور الوقت.

حملت تلك المنظور إلى Quali. على مدار العقد الماضي، أصبحت البنية التحتية للمؤسسات متوزعة بشكل متزايد عبر طبقات مختلفة. كل طبقة جديدة حلت مشكلة تقنية محددة، ولكنها أدخلت أيضًا واجهة إدارة أخرى، وعمليات تشغيلية أخرى، ومصدرًا إضافيًا للتعقيد. أصبحت المنظمات جيدة جدًا في إنشاء البنية التحتية، ولكن أقل فعالية في إدارتها بعد وجودها.

أسرع الذكاء الاصطناعي من هذا الخلل، وتزداد التحديات التشغيلية التي تحدد ما إذا كانت مبادرة الذكاء الاصطناعي تصل إلى الإنتاج أو تظل عالقة في مرحلة الاختبار. لذلك أعتقد أن إدارة البنية التحتية الأصلية للذكاء الاصطناعي أصبحت ضرورية. التحدي هو تشغيل البنية التحتية للذكاء الاصطناعي بشكل مستمر عبر بيئات متعددة مع الحفاظ على التنظيم والأمن وضبط التكلفة وضبط الأداء.

أصبحت السيادة على الذكاء الاصطناعي أولوية سريعة للمؤسسات والحكومات على حد سواء. ما هو ما يفهمه معظم المنظمات بشكل خاطئ حول السيادة، ولماذا تعتقد أن إدارة البنية التحتية أصبحت مهمة بنفس القدر من الأهمية مثل ملكية النموذج؟

تركز العديد من مناقشات السيادة على الذكاء الاصطناعي على إقامة البيانات وملكية البنية التحتية. تلك هي مكونات ضرورية، ولكنها تعالج فقط جزءًا من الواقع التشغيلي.

عندما تبدأ المنظمات في نشر الوكلاء الذكيين، يتغير السؤال من حيث تقع البنية التحتية إلى كيف تعمل أنظمة الذكاء الاصطناعي داخل تلك البنية التحتية. الوكلاء الحديثون يخصصون الموارد، ويتحصلون على المعلومات، ويطلقون العمليات، ويتفاعلون مع الأنظمة الإنتاجية. كل واحدة من تلك الإجراءات تتطلب تنفيذ السياسات.

ذلك يغير كيفية تقييم السيادة. ملكية البنية التحتية لا توفر تلقائيًا السيطرة التشغيلية إذا كان يمكن للنظم الذكية تنفيذ إجراءات دون تنفيذ سياسات محددة. تحتاج المؤسسات إلى إثبات من قام بتشغيل الإجراء، وما السياسات التي حكمت ذلك، وما هي الموارد التي تم الوصول إليها، وكيف يمكن مراجعة تلك القرارات. التحدي هو تشغيل البنية التحتية للذكاء الاصطناعي بشكل مستمر عبر بيئات متعددة مع الحفاظ على التنظيم والأمن وضبط التكلفة وضبط الأداء.

أعتقد أن إدارة البنية التحتية ستصبح بنفس القدر من الأهمية مثل تطوير النموذج لأنها توفر الإطار التشغيلي الذي يسمح للمنظمات بتوسيع الذكاء الاصطناعي بشكل مسؤول. مع اعتماد المؤسسات لمعظم النماذج، والسحابات المتعددة، والعمليات الذكية المتزايدة، تصبح إدارة البنية التحتية طبقة تحافظ على أمان وذمولة تلك البيئات عبر جميع ممتلكات البنية التحتية.

الوكلاء الذكيون يمنحون بشكل متزايد السلطة لتخصيص الموارد، وتنفيذ الحمولات، واتخاذ القرارات التشغيلية. ما هي الحواجز التي يجب أن تكون موجودة قبل أن تثق المؤسسات في الأنظمة الذكية بالبنية التحتية الحيوية؟

المنظمات الكثيرة تنشر بالفعل وكلاء ذكيين في الإنتاج. السؤال هو كيف تعمل تلك الوكلاء داخل حدود محددة بوضوح.

المتطلب الأول هو تنفيذ السياسات بشكل محدد عند层ة التنفيذ. يجب أن يكون الوكلاء قادرين فقط على تنفيذ الإجراءات التي تتوافق مع السياسات المحددة مسبقًا. تلك السياسات لا تعتمد على نموذج الذكاء الاصطناعي لتحديد ما إذا كان الإجراء مناسبًا. يجب أن يتم تنفيذها بشكل مستقل عن النموذج نفسه.

مراقبة الوصول مهمة بنفس القدر من الأهمية. يخلق الوصول الدائم مخاطر تشغيلية غير ضرورية. يجب أن يتم توفير الوصول ل任务 محدد، ويتم تقييده بالموارد المطلوبة، ويتعين سحبها تلقائيًا بمجرد انتهاء العمل. ذلك النموذج يسمح للمنظمات بتوسيع الآلية دون توسيع سطح الهجوم.

كل إجراء يحتاج إلى سجل مراجعة كامل. مع زيادة استقلالية أنظمة الذكاء الاصطناعي، تحتاج المؤسسات إلى فهم أي وكيل قام بالإجراء، ومتى حدث ذلك، وما هي السياسة التي أذنت به، وما هي التغييرات التي تم إجراؤها. ذلك المستوى من القابلية للتعقب يدعم تصحيح الأخطاء التشغيلية وكذلك الامتثال التنظيمي.

أعتقد أيضًا أن البنية التحتية الذكية يجب أن تعمل في بيئات محددة بدلاً من البنية التحتية غير المقيدة. توفر البيئات المحددة حدود الموارد الصريحة، ومراقبة دورة الحياة، والسياسات التشغيلية قبل أن يبدأ الوكيل في تنفيذ الحمولات. ذلك يسمح للمنظمات بزيادة الآلية مع الحفاظ على السلوك التشغيلي المتوقع مع استمرار توسيع عمليات الذكاء الاصطناعي.

تتحدث بشكل متكرر عن التحول من التأهب التقليدي إلى ما تسميه مساحة التحكم الذكية. ما الذي يتغير بشكل أساسي عندما تبدأ البنية التحتية في العمل حول النية بدلاً من القواعد والعمليات الثابتة؟

الآلية التقليدية تنفذ الخطوات المحددة مسبقًا. ذلك يعمل عندما تكون البنية التحتية قابلة للتنبؤ، والعمليات الثابتة، والتغييرات تحدث عبر العمليات الإدارية التي تديرها الإنسان. البنية التحتية للذكاء الاصطناعي لا تعمل بهذه الطريقة.

حمولات الذكاء الاصطناعي ديناميكية. يتغير الطلب على وحدة معالجة الرسومات بسرعة، وتنشأ البيئات وتفكك بانتظام، ويمكن أن يحتاج الوكلاء إلى الوصول إلى الموارد لمهام محددة. مساحة التحكم الذكية تفهم الغرض من البيئة، ومن يملكها، وما هي التكلفة، وما هي السياسات المعمول بها، وما إذا كانت الحالة الحية لا تزال تتطابق مع الحالة المقصودة.

ذلك يغير إدارة البنية التحتية. يمكن للنظام كشف الانحراف، وتوصية بالتحسين، وتنفيذ السياسات، واتخاذ قرارات دورة الحياة مقابل النتيجة المقصودة بدلاً من سيناريو ثابت.

أصبحت البنية التحتية للوحدة المعраль واحدة من أكبر عرقلة في نشر الذكاء الاصطناعي. هل تعتقد أن الصناعة تقترب من استخدام وحدة معالجة الرسومات بشكل خاطئ، وما هي التغييرات التشغيلية التي يمكن أن تحسن بشكل كبير من الكفاءة دون إضافة الأجهزة فقط؟

تعامل الصناعة غالبًا مع مشكلة وحدة معالجة الرسومات على أنها مشكلة شراء. في العديد من المؤسسات، المشكلة الأكثر إلحاحًا هي الكفاءة.

نرى المنظمات التي تملك مجموعات وحدة معالجة الرسومات المخصصة للطلب القمة، أو التي تظل في حالة غير نشطة بين تشغيلات التدريب، أو التي تظل متصلة بالبيئات بعد انتهاء العمل. ذلك يخلق تكاليف عالية دون تقديم قيمة تجارية.

تحسين كفاءة وحدة معالجة الرسومات يبدأ بإدارة دورة الحياة. يجب أن يتم توفير البيئات حسب الطلب، وتماثل الحمل، واعتمادها لفريق أو مشروع، وتمزيقها تلقائيًا عند انتهاء المهمة. تحتاج المؤسسات أيضًا إلى رؤية في استخدام وحدة معالجة الرسومات، وتكلفة الحمل، والغرض التجاري وراء كل بيئة.

إضافة الأجهزة قد لا تزال ضرورية، ولكن القدرة غير المدارة على وحدة معالجة الرسومات تزيد فقط من مشكلة التكلفة.

كيف تري تطور البيئات الهجينة للذكاء الاصطناعي على مدار الخمس سنوات القادمة، وما هي التحديات التي لا تزال غير محلولة اليوم؟

ستصبح البيئات الهجينة للذكاء الاصطناعي نموذج المؤسسات الافتراضي. ستستخدم المنظمات السحابة العامة لمرونتها، والبنية التحتية المحلية لإدارة التكلفة والسيطرة، وبيئات الحافة حيث يتطلب التأخير أو الموقع البيئي أو المتطلبات التشغيلية ذلك.

التحدي غير المحلول هو الاتساق. تعمل معظم المؤسسات بالفعل عبر عدة بائعين، وسحابات، وأدوات آلية، وأنواع بنية تحتية. يضيف الذكاء الاصطناعي مجموعات وحدة معالجة الرسومات، وبيئات خدمة النماذج، وخطوط أنابيب التعدين، وحمولات الوكلاء إلى ذلك المزيج.

على مدار الخمس سنوات القادمة، ستكون المنظمات الرائدة تلك التي تُنشئ معيارًا تشغيليًا واحدًا عبر تلك البيئات. سيتطلب ذلك توفير متسق، وتنفيذ السياسات، واعتماد التكلفة، ومراقبة الأمان، وإدارة دورة الحياة، بغض النظر عن مكان تشغيل الحمل.

قامت DevOps بتحويل تسليم البرمجيات على مدار العقد الماضي. هل تعتقد أن البنية التحتية للذكاء الاصطناعي تتطلب نموذجًا تشغيليًا جديدًا بالكامل، أو أنها تطور طبيعي لعمليات DevOps والهندسة المنصة؟

توسع البنية التحتية للذكاء الاصطناعي عمليات DevOps، ولكنها أيضًا تطرح متطلبات لم تكن ممارسات DevOps التقليدية مصممة لمواجهتها.

حسنت DevOps تسليم البرمجيات من خلال معايير الأنابيب، وآلية العمل المتكرر، وإعطاء الفرق وصولًا أسرع إلى الموارد التي يحتاجونها. تتطلب البنية التحتية للذكاء الاصطناعي نفس الانضباط، ولكن الحمولات أكثر كفاءة في الموارد، وأقل قابلية للتنبؤ، وأكثر اعتمادًا على البنية التحتية المتخصصة.

ت trở nên مركزية في هذا البيئة. تحتاج الفرق إلى وصول ذاتي الخدمة محكوم إلى بيئات صالحة، بدلاً من التزويد بالتذاكر أو التكوين اليدوي. نموذج التشغيل لا يزال يقدّر السرعة والآلية، ولكنه يتطلب أيضًا حوكمة أقوى، ومراقبة التكلفة، وسياق البنية التحتية من البداية.

كانت عمليات التشغيل بدون لمس هدفًا طويل الأمد في إدارة البنية التحتية. كم نحن قريبون من البنية التحتية الذكية الحقيقية، وما هي أكبر الحواجز الفنية والتنظيمية التي لا تزال تقف في الطريق؟

نحن أقرب إلى البنية التحتية الذكية مما يعتقد معظم الناس، ولكن العامل المحدد هو الحوكمة وليس الآلية. يمكن للوكلاء الذكيين توفير البيئات، وتنفيذ الحمولات، ومراقبة الشذوذ، وتوصية بالإصلاح. التحدي هو ضمان أن تلك الإجراءات تحدث داخل حدود السياسات المحددة بوضوح.

تحتاج المنظمات أيضًا إلى الثقة بأن الأنظمة الذكية يمكنها شرح ما فعلوه، ولماذا فعلوه، ووفقًا لأي سياسة عملوا. ذلك المستوى من القابلية للتعقب لا يزال مفقودًا في العديد من بيئات المؤسسات. ست trở thành الشائعة عندما يتم دمج الحوكمة، ومراقبة الأمان، وتنفيذ السياسات في الطبقة التشغيلية بدلاً من إضافتها فيما بعد.

مع زيادة ديناميكية وحساسية الحمولات للذكاء الاصطناعي، أصبحت تجاوزات التكلفة قلقًا كبيرًا. ما هي أكثر الأخطاء الشائعة التي يرتكبها المؤسسون عند محاولة توسيع البنية التحتية للذكاء الاصطناعي، وكيف يمكنهم تجنبها؟

تركز العديد من المنظمات على الحصول على المزيد من القدرة الحاسوبية قبل فهم كيفية استخدام البنية التحتية الحالية بكفاءة.

نرى بيئات تظل نشطة بعد انتهاء المشاريع، وموارد وحدة معالجة الرسومات محجوزة لحمولات لا تعمل أبدًا، وقلة الرؤية فيما يتعلق بفرق أو تطبيقات تقود التكلفة البنية التحتية. تعزز الحمولات للذكاء الاصطناعي تلك اللامكفاءة لأن الطلب يتغير بسرعة والبنية التحتية للوحدة المعраль مكلفة.

الحل يبدأ بالحوكمة. يجب أن يكون لكل بيئة مالك محدد، وغرض تجاري، ودورة حياة، وملف التكلفة من لحظة توفيرها. عندما تجمع المنظمات بين توفير السياسات الآلي وتفكيك تلقائي ومراقبة مستمرة لاستخدام وحدة معالجة الرسومات، يصبح إنفاق البنية التحتية أسهل في التنبؤ والتحقق.

نظرًا إلى الأمام، ما الذي سيفصل المنظمات التي تنجح في تشغيل الذكاء الاصطناعي على نطاق واسع عن تلك التي تواجه صعوبات، وما هي الاتجاهات البنية التحتية التي يجب على قادة التكنولوجيا الانتباه إليها الآن والتي لا تزال طائرة تحت الرادار؟

ستنجح المنظمات التي تعامل البنية التحتية للذكاء الاصطناعي على أنها قدرة تشغيلية بدلاً من مجموعة تكنولوجية. ستستمر النماذج في التحسين، وستستمر الأجهزة في أن تصبح أكثر قوة. تشغيل تلك البيئات بشكل متسق عبر الفرق والمنصات المختلفة سوف يبقى التحدي الأصعب.

اتجاه يستحق المزيد من الاهتمام هو التحول نحو ذكاء البنية التحتية. بدأت منصات البنية التحتية في فهم سياق ما يديرونه، ومن يملك البيئة، وما الحمل الذي تدعمه، وما التكلفة، وما إذا كانت تتوافق مع السياسة، وماذا يجب تحسينها أو إيقافها. ذلك السياق التشغيلي سوف يصبح أكثر قيمة مع نشر المؤسسات لمزيد من وكلاء الذكاء الاصطناعي ومزيد من البنية التحتية الهجينة.

أعتقد أيضًا أن الحوكمة سوف تصبح ميزة تنافسية. المنظمات التي يمكنها توفير البنية التحتية بسرعة مع الحفاظ على الرؤية، وتنفيذ السياسات، ومراقبة التكلفة، ومراقبة الأمان، سوف تنتقل مبادرات الذكاء الاصطناعي من مرحلة الاختبار إلى الإنتاج بشكل أسرع من تلك التي لا تزال تعتمد على نماذج تشغيلية منقسمة.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Quali.