वास्तविक दुनिया में एआई तैनाती को बड़े पैमाने पर सक्षम करना

ब्रैड किंग, फील्ड सीटीओ, स्कैलिटी

एआई/एमएल और बड़े डेटा के उपकरणों में एक सामान्य धागा है – उन्हें डेटा की आवश्यकता है, और उन्हें बहुत अधिक डेटा की आवश्यकता है। पारंपरिक ज्ञान कहता है कि जितना अधिक, उतना बेहतर। विश्लेषकों का अनुमान है कि वैश्विक डेटा निर्माण 2025 तक 180 ज़ेटाबाइट से अधिक हो जाएगा – और 2020 में, डेटा की मात्रा जो बनाई गई और प्रतिलिपि बनाई गई थी, वह 64.2 ज़ेटाबाइट के नए उच्च स्तर पर पहुंच गई।

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

जैसे-जैसे 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 संगठनों को इन चुनौतियों का सामना करने के तरीके पर एक नज़र डालें।

यात्रा उद्योग

जबकि हम में से अधिकांश लोग लॉकडाउन के एक साल से अधिक समय के बाद फिर से यात्रा करने की आदत डाल रहे हैं, यात्रा उद्योग बड़े पैमाने पर पूर्व-महामारी के समय में वापस आने की कोशिश कर 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 जानते हैं कि वे अगले दिन कहां जाने वाले हैं या कल कहां जा रहे हैं। एक यात्रा एजेंसी के लिए, उदाहरण के लिए, यह बहुत बड़ा होगा।

लेकिन ये यात्रा संगठन इतने अधिक डेटा से निपट रहे हैं कि यह पता लगाना कि क्या महत्वपूर्ण है, एक अभिभूत करने वाला प्रस्ताव है। प्रतिदिन लगभग एक पेटाबाइट डेटा उत्पन्न होता है, और कुछ डेटा 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 स्तर के पैमाने का प्रबंधन करने में सक्षम होने 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 मामलों में से एक है। उद्योग लेन माइंडर्स, कोलिजन 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 अल्गोरिदम विकसित कर रहे हैं, परीक्षण और सत्यापन कर रहे हैं।

उद्योग को जो चाहिए वह इस संग्रहीत डेटा को समझने का एक बेहतर तरीका है ताकि वे इसका उपयोग घटनाओं का विश्लेषण करने के लिए कर सकें जहां कुछ गलत हो गया था, सेंसर आउटपुट को एक परीक्षण मामले के रूप में क्यूरेट करें, सेंसर डेटा के खिलाफ अल्गोरिदम का परीक्षण करें और अधिक। उन्हें प्रतिगमन से बचने के लिए क्यूए परीक्षण की आवश्यकता है, और उन्हें उन मामलों का दस्तावेजीकरण करने की आवश्यकता है जो विफल हो जाते हैं।

डिजिटल पैथोलॉजी

एक और दिलचस्प उपयोग का मामला एआई/एमएल के लिए डिजिटल पैथोलॉजी है जो डेटा के बाढ़ और डेटा का बेहतर उपयोग करने की आवश्यकता से जूझ रहा है। जैसे कि अन्य उदाहरणों में, उन्हें जो वास्तव में चाहिए वह इस डेटा का बेहतर उपयोग करने की क्षमता है ताकि वे टिश्यू नमूनों में पैथोलॉजी का स्वचालित रूप से 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, तेज़ 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 एक ऑब्जेक्ट स्टोर में मल्टी-रिज़ॉल्यूशन छवियों को नाम/स्टोर और पुनर्प्राप्त करने के लिए। 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

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, जिनकी प्रदर्शन मांगें पूरे बुनियादी ढांचे को संतृप्त कर सकती हैं। इतने बड़े पैमाने पर प्रशिक्षण और परीक्षण डेटा सेट के साथ काम करते समय, स्टोरेज बोतलनेक (विलंबता और/या थ्रूपुट मुद्दों) और क्षमता सीमाओं/बाधाओं को पार करना सफलता के लिए महत्वपूर्ण तत्व हैं।

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

मूल्य निकालना

एआई और एमएल की क्षमता के बारे में व्यवसाय प्रक्रियाओं और दैनिक जीवन को बदलने के लिए कहानियां एक सप्ताह से अधिक नहीं गुजरती हैं। कई उपयोग के मामले हैं जो इन प्रौद्योगिकियों का उपयोग करने के लाभों को स्पष्ट रूप से प्रदर्शित करते हैं। एआई की वास्तविकता आज उद्यम में एक ऐसी है जिसमें बड़े पैमाने पर डेटा सेट और स्टोरेज समाधान शामिल हैं जो इन विशाल वर्कलोड्स का प्रबंधन नहीं कर 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। तेज़ 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।