वास्तविक दुनिया में एआई तैनाती को बड़े पैमाने पर सक्षम करना

ब्रैड किंग, फील्ड सीटीओ, स्कैलिटी

एआई/एमएल और बड़े डेटा के टूल्स में एक सामान्य धागा है – उन्हें डेटा की आवश्यकता है, और उन्हें बहुत सारे डेटा की आवश्यकता है। पारंपरिक ज्ञान कहता है कि जितना अधिक, उतना बेहतर। विश्लेषकों का अनुमान है कि वैश्विक डेटा निर्माण 2025 तक 180 ज़ेटाबाइट्स से अधिक हो जाएगा – और 2020 में, नए बनाए गए डेटा और प्रतिलिपि बनाए गए डेटा की मात्रा ने एक नए उच्च स्तर को छुआ, जो 64.2 ज़ेटाबाइट्स थी।

यह डेटा बहुत मूल्यवान है – अक्सर अप्रतिस्थापित और कभी-कभी एक बार की घटनाओं का प्रतिनिधित्व करता है। इस डेटा को सुरक्षित रूप से और सुरक्षित रूप से संग्रहीत किया जाना चाहिए; और जबकि अनुमान है कि इस नए बनाए गए डेटा का केवल एक छोटा सा प्रतिशत संग्रहीत किया जाता है, स्टोरेज क्षमता की मांग बढ़ती रहती है। वास्तव में, स्टोरेज क्षमता का स्थापित आधार 2020 और 2025 के बीच 19.2% की संयुक्त वार्षिक वृद्धि दर से बढ़ने का अनुमान है, शोधकर्ताओं के अनुसार स्टैटिस्टा।

एआई/एमएल वर्कलोड्स के साथ अधिक डेटा बनाया जा रहा है – विशेष रूप से इन एआई/एमएल वर्कलोड्स द्वारा – संगठनों को अधिक स्टोरेज की आवश्यकता है, लेकिन सभी स्टोरेज समाधान इन तीव्र और विशाल वर्कलोड्स को संभाल नहीं सकते हैं। इसके लिए स्टोरेज के लिए एक नया दृष्टिकोण की आवश्यकता है। आइए तीन उपयोग के मामलों के माध्यम से देखें कि संगठन इन चुनौतियों का सामना कैसे कर रहे हैं।

यात्रा उद्योग

जबकि हममें से अधिकांश लोग लॉकडाउन के एक साल से अधिक समय के बाद फिर से यात्रा करने की आदत डाल रहे हैं, यात्रा उद्योग पूर्व-महामारी के समय में वापस आने के लिए एक बड़े तरीके से देख रहा है। और यह डेटा के महत्व को – विशेष रूप से, उस डेटा के प्रासंगिक अनुप्रयोग और उपयोग को – और भी महत्वपूर्ण बना रहा है।

कल्पना कीजिए कि आप दुनिया के अधिकांश एयरलाइन यात्रियों के बारे में जानकारी प्राप्त कर सकते हैं कि वे अगले दिन कहां जाने वाले हैं या कल कहां जाने वाले हैं। एक यात्रा एजेंसी के लिए, उदाहरण के लिए, यह बहुत बड़ा होगा।

लेकिन ये यात्रा संगठन इतने सारे डेटा से निपट रहे हैं कि यह पता लगाना कि कौन सा डेटा महत्वपूर्ण है, एक अभिभूत करने वाला प्रस्ताव है। प्रतिदिन लगभग एक पेटाबाइट डेटा उत्पन्न होता है, और कुछ डेटा को साइटों द्वारा दोहराया जाता है जैसे कि कायाक। यह डेटा समय-संवेदनशील है, और यात्रा कंपनियों को जल्दी से पता लगाने की आवश्यकता है कि कौन सा डेटा महत्वपूर्ण है। उन्हें इस पैमाने को अधिक प्रभावी ढंग से प्रबंधित करने के लिए एक उपकरण की आवश्यकता है।

ऑटोमोबाइल उद्योग

एक और उदाहरण ऑटोमोबाइल उद्योग से आता है, जो निश्चित रूप से सबसे अधिक चर्चित उपयोग के मामलों में से एक है। उद्योग लेन माइंडर्स, कollision बचाव और इस तरह के सहायता उपकरणों के साथ लंबे समय से काम कर रहा है। सभी सेंसर बड़ी मात्रा में डेटा ला रहे हैं। और, जैसा कि वे स्व-ड्राइविंग एल्गोरिदम विकसित कर रहे हैं, परीक्षण कर रहे हैं और सत्यापित कर रहे हैं।

उद्योग को इस संग्रहीत डेटा को बेहतर ढंग से समझने के लिए एक बेहतर तरीके की आवश्यकता है ताकि वे इसका उपयोग घटनाओं का विश्लेषण करने के लिए कर सकें जहां कुछ गलत हो गया, परीक्षण मामले के रूप में सेंसर आउटपुट को क्यूरेट करें, एल्गोरिदम को सेंसर डेटा के खिलाफ परीक्षण करें और अधिक। उन्हें प्रतिगमन से बचने के लिए क्यूए टेस्टिंग की आवश्यकता है, और उन्हें विफल होने वाले मामलों का दस्तावेजीकरण करने की आवश्यकता है।

डिजिटल पैथोलॉजी

एआई/एमएल के लिए एक और दिलचस्प उपयोग का मामला जो डेटा की बाढ़ और डेटा का बेहतर उपयोग करने की आवश्यकता से जूझ रहा है, वह है डिजिटल पैथोलॉजी। जैसा कि अन्य उदाहरणों में, उन्हें वास्तव में इस डेटा का बेहतर उपयोग करने की क्षमता की आवश्यकता है ताकि वे ऊतक नमूनों में स्वचालित रूप से पैथोलॉजी का पता लगा सकें, दूरस्थ निदान कर सकें और इसी तरह।

लेकिन आज स्टोरेज उपयोग को सीमित कर रहा है। उपयोगी रिज़ॉल्यूशन वाली छवियां आर्थिक रूप से संग्रहीत करने के लिए बहुत बड़ी हैं। हालांकि, फास्ट ऑब्जेक्ट स्टोरेज नए क्षमताओं को सक्षम करेगा – जैसे कि छवि बैंक जो एक प्रमुख प्रशिक्षण संसाधन के रूप में उपयोग किए जा सकते हैं और स्पेस-फिलिंग कर्व्स का उपयोग करके मल्टी-रिज़ॉल्यूशन छवियों को नाम देने और पुनर्प्राप्त करने के लिए एक ऑब्जेक्ट स्टोर में। यह एक्सटेंसिबल और लचीले मेटाडेटा टैगिंग को भी सक्षम बनाता है, जो इस जानकारी को खोजने और समझने में आसान बनाता है।

एआई वर्कलोड्स के लिए एक नया दृष्टिकोण की आवश्यकता है

जैसा कि हमने उपरोक्त तीन मामलों में देखा है, यह महत्वपूर्ण है कि एआई/एमएल वर्कलोड्स से संबंधित विशाल मात्रा में डेटा को एकत्रित और समन्वित किया जा सके। डेटा सेट अक्सर मल्टी-पेटाबाइट स्केल तक पहुंच जाते हैं, जो पूरे बुनियादी ढांचे को संतृप्त कर सकते हैं। इतने बड़े पैमाने पर प्रशिक्षण और परीक्षण डेटा सेट के साथ, स्टोरेज बोतलनेक (लेटेंसी और/या थ्रूपुट मुद्दों) और क्षमता सीमाओं/बाधाओं को पार करना सफलता के लिए महत्वपूर्ण तत्व हैं।

एआई/एमएल/डीएल वर्कलोड्स को एक स्टोरेज आर्किटेक्ट की आवश्यकता होती है जो पाइपलाइन में डेटा को प्रवाहित रख सके, जिसमें उत्कृष्ट कच्चे आई/ओ प्रदर्शन और क्षमता स्केलिंग क्षमता दोनों हों। स्टोरेज इन्फ्रास्ट्रक्चर को एआई/एमएल/डीएल पाइपलाइन के सभी चरणों में बढ़ती मांगों के साथ तालमेल बिठाना चाहिए। समाधान एक स्टोरेज इन्फ्रास्ट्रक्चर है जो विशेष रूप से गति और असीमित स्केल के लिए बनाया गया है।

मूल्य निकालना

एक सप्ताह नहीं गुजरता है जब एआई और एमएल की संभावनाओं के बारे में कहानियां नहीं होती हैं जो व्यवसाय प्रक्रियाओं और दैनिक जीवन को बदल सकती हैं। कई उपयोग के मामले हैं जो इन प्रौद्योगिकियों का उपयोग करने के लाभों को स्पष्ट रूप से प्रदर्शित करते हैं। हालांकि, एआई की वास्तविकता आज उद्यम में एक ऐसी है जिसमें बड़े डेटा सेट और स्टोरेज समाधान हैं जो इन विशाल वर्कलोड्स को संभाल नहीं सकते हैं। ऑटोमोबाइल, स्वास्थ्य सेवा और कई अन्य उद्योगों में नवाचार तब तक आगे नहीं बढ़ सकते जब तक कि स्टोरेज समस्या का समाधान नहीं हो जाता। फास्ट ऑब्जेक्ट स्टोरेज बड़े डेटा को बनाए रखने की चुनौती को पार करता है ताकि संगठन इस डेटा से मूल्य निकाल सकें और अपने व्यवसाय को आगे बढ़ा सकें।