Çalakkirina Sazkirina AI-a Cîhanê ya Rastîn li Scale

Ji hêla Brad King, CTO zeviyê, Scality

Amûrên AI / ML û daneyên mezin xwedî mijarek hevpar in - ew hewceyê daneyê ne, û ji wan re pir hewce ne. Aqilmendiya kevneşopî dibêje ku çiqas bêtir, çêtir e. Analîst pêşbînî dikin ku dê çêkirina daneya gerdûnî mezin bibe heya sala 180-an ji 2025 zetabyte zêdetir - û di sala 2020-an de, mîqdara daneyên ku hatine afirandin û dubare kirin 64.2 zettabytes bilindtir bû.

Ew dane pir bi qîmet e - bi gelemperî nayê veguheztin û carinan jî bûyerên yek carî an yek carî temsîl dike. Pêdivî ye ku ev dane bi ewlehî û bi ewle were hilanîn; û dema ku tê texmîn kirin ku tenê rêjeyek piçûk a vê daneya nû hatî afirandin tête parastin, daxwaziya kapasîteya hilanînê her ku diçe mezin dibe. Bi rastî, bingeha sazkirî ya kapasîteya hilanînê tê pêşbînîkirin ku di navbera 19.2 û 2020-an de bi rêjeyek mezinbûna salane ya tevlihev a% 2025 mezin bibe, li gorî lêkolînerên li Statista.

Digel ku bêtir daneyên ku têne afirandin - nemaze ji hêla van barkêşên AI / ML-ê ve - rêxistin hewceyê bêtir hilanînê ne, lê ne hemî çareseriyên hilanînê nikanin van barkêşên giran û girseyî hilgirin. Tiştê ku hewce ye nêzîkatiyek nû ya hilanînê ye. Werin em binihêrin ka rêxistin çawa van pirsgirêkan bi lensên sê dozên karanîna derbas dikin.

Pîşesaziya rêwîtiyê

Dema ku gelek ji me piştî zêdetirî salek qefilandinê ji nû ve bi rê ve dibin, pîşesaziya rêwîtiyê lê digere ku bi rengek girîng vegere demên pêş-pandemîk. Û ev girîngiya daneyê - bi taybetî, serîlêdana têkildar û karanîna wê daneyê - hîn girîngtir dike.

Bifikirin ku hûn dikarin çi bikin bi zanîna ku piraniya rêwiyên rêwiyên balafirê yên cîhanê dê li kuderê biçin an sibê diçin ku derê. Mînakî, ji bo ajansek rêwîtiyê, ew ê mezin be.

Lê ev rêxistinên rêwîtiyê bi ew qas daneyan re mijûl dibin ku veqetandina wê ji bo ku fêm bikin ka çi watedar e perspektîfek berbiçav e. Nêzîkî petabyte daneyan her roj têne hilberandin, û hin dane ji hêla malperên mîna Kayak ve têne dubare kirin. Ev dane hesas e, û pargîdaniyên rêwîtiyê hewce ne ku zû kifş bikin ka kîjan dane watedar e. Ji wan re amûrek pêdivî ye ku karibin vê astê pîvanê bi bandortir îdare bikin.

Pîşesaziya otomobîlan

Mînakek din ji pîşesaziya otomobîlê tê, ku bê guman yek ji wan bûyerên karanîna herî zêde tê axaftin. Pîşesazî ji bo demek dirêj bi amûrên arîkariyê yên mîna hişbirên rê, dûrketina ji pevçûnê û yên wekî wan re dijwar e. Hemî van senzoran mîqdarên mezin daneyê tînin. Û, bê guman, ew algorîtmayên xwe-ajotinê pêş dixin, ceribandin û verast dikin.

Tiştê ku pîşesaziyê hewce dike rêyek çêtir e ku meriv vê daneya hilanîn fêm bike da ku ew bikarin wê bikar bînin da ku bûyerên ku tiştek xelet derketiye analîz bikin, encamên senzorê wekî dozek ceribandinê rast bikin, algorîtmayên ceribandinê li dijî daneyên sensor û hêj bêtir. Ew hewceyê ceribandina QA-yê ne ku ji paşveçûnê dûr bikevin, û ew hewce ne ku dozên ku têk diçin belge bikin.

Patolojiya dîjîtal

Bûyerek din a karanîna balkêş a ji bo AI / ML-ê ku di heman demê de bi danûstendina daneyê re têkildar e û hewcedariya çêtir karanîna daneyan jî patolojiya dîjîtal e. Mîna mînakên din, ya ku ew bi rastî hewce ne ev e ku ew bikarin çêtir van daneyan bikar bînin da ku ew karibin tiştên wekî bixweber patholojiyên di nimûneyên tevnê de tespît bikin, tespîtkirina dûr û hwd bikin.

Lê hilanîn îro karanîna sînordar dike. Wêneyên bi çareseriya kêrhatî ji bo hilanîna aborî pir mezin in. Lêbelê, hilanîna hêmanên bilez dê karînên nû bike - mîna bankên wêneyan ku dikarin wekî çavkaniyek perwerdehiyê ya sereke were bikar anîn û karanîna kelûpelên dagirtina cîhê ji bo navkirin / hilanîn û wergirtina wêneyên pir-çareseriyê di firotgehek tiştan de. Di heman demê de ew nîşankirina metadata berfereh û maqûl dike, ku lêgerîna vê agahiyê hêsantir dike û têgihîştina wê hêsantir dike.

Karên AI-ê nêzîkatiyek nû hewce dike

Wekî ku me di sê dozên li jor de dît, girîng e ku meriv bikaribe mîqdarên mezin ên daneyên ku bi barkêşiya AI/ML-ê ve girêdayî ne berhev bike û birêkûpêk bike. Komên daneyan bi gelemperî digihîjin pîvana pir-petabyte, digel daxwazên performansê yên ku dikarin tevahî binesaziyê têr bikin. Dema ku meriv bi berhevokên daneya perwerdehiyê û ceribandinê yên wusa mezin re mijûl dibe, derbaskirina kelûpelên hilanînê (pirsgirêkên derengmayîn û/an guheztinê) û tixûbên kapasîteyê / asteng hêmanên bingehîn ên serkeftinê ne.

Karê AI / ML / DL pêdivî bi mîmariyek hilanînê heye ku dikare daneyan di nav lûleyê de biherike, hem bi performansa I/O ya xav û hem jî bi kapasîteya pîvandina kapasîteyê re. Pêdivî ye ku binesaziya hilanînê li seranserê hemî qonaxên lûleya AI / ML / DL li gorî hewcedariyên ku zêde daxwaz dikin rê li ber bigire. Çareserî binesaziyek hilanînê ye ku bi taybetî ji bo bilez û pîvana bêsînor hatî çêkirin.

Nirx derxistin

Hefteyek derbas nabe bêyî çîrokên li ser potansiyela AI û ML ji bo guhertina pêvajoyên karsaziyê û jiyana rojane. Gelek dozên karanîna hene ku bi zelalî feydeyên karanîna van teknolojiyên nîşan didin. Rastiya AI-ê di pargîdaniyê de îro, her çend, yek ji berhevokên daneya pir mezin û çareseriyên hilanînê ye ku nekare van barkêşên xebata girseyî birêve bibe. Nûjeniyên di otomobîl, lênihêrîna tenduristî û gelek pîşesaziyên din de heya ku pirsgirêka hilanînê neyê çareser kirin, nekarin pêşde biçin. Hilberîna tiştana bilez dijwariya girtina daneya mezin derbas dike, ji ber vê yekê rêxistin dikarin nirxê ji vê daneyê derxînin da ku karsaziyên xwe pêş ve bibin.