Skip Levens, Marketing Director, Media & Entertainment, Quantum – Interviewreeks

Skip Levens is een productleider en AI-strateeg bij Quantum, een leider in datamanagementsoplossingen voor AI en ongestructureerde data. Hij is momenteel verantwoordelijk voor het stimuleren van betrokkenheid, bewustzijn en groei voor Quantum’s end-to-end-oplossingen. Gedurende zijn carrière – die onder meer stops heeft gehad bij organisaties als Apple (AAPL ), Backblaze, Symply en Active Storage – heeft hij succesvol marketing en business development, evangelisatie, het lanceren van nieuwe producten, het opbouwen van relaties met belangrijke stakeholders en het stimuleren van omzetgroei geleid.

Quantum biedt end-to-end datamanagementsoplossingen die organisaties helpen om ongestructureerde data, zoals video- en audiobestanden, op grote schaal te beheren, te verrijken en te beschermen. Hun technologie richt zich op het omzetten van data in waardevolle inzichten, waardoor bedrijven waarde kunnen extraheren en geïnformeerde beslissingen kunnen nemen. Quantum’s platform biedt beveiligde, schaalbare en flexibele oplossingen, die on-premise-infrastructuur combineren met cloud-mogelijkheden. De aanpak van het bedrijf stelt bedrijven in staat om efficiënt om te gaan met datagroei, terwijl ze zekerheid en flexibiliteit bieden gedurende de gehele datalevenscyclus.

Kunt u een overzicht geven van Quantum’s aanpak voor AI-gedreven datamanagement voor ongestructureerde data?

Door klanten te helpen om kunstmatige intelligentie (AI) en machine learning (ML) in hun belangrijkste bedrijfsprocessen te integreren, helpt Quantum klanten om hun ongestructureerde data effectief te beheren en waardevolle inzichten te extraheren, waardoor actiegerichte bedrijfsinzichten ontstaan die leiden tot betere bedrijfsbeslissingen. Door hun eigen AI/ML-hulpmiddelen te bouwen, kunnen bedrijven overgaan van het enkel omgaan met de toevloed van data en inhoud naar het benutten van inzichten als een nieuwe driver van efficiëntie en uiteindelijk het versterken van menselijke expertise in alle fasen van bedrijfsprocessen.

Hoe analyseert Quantum’s AI-technologie ongestructureerde data, en wat zijn enkele belangrijke innovaties die uw platform onderscheiden van concurrenten?

In de eerste fasen van de adoptie van AI/ML-hulpmiddelen, raken veel organisaties hun workflows verward en losgekoppeld, en kunnen ze hun data kwijtraken, waardoor het moeilijk wordt om beveiligings- en beschermingsnormen af te dwingen. Te vaak wordt de vroege ontwikkeling gehinderd door ongeschikte opslag en bestandssysteemprestaties.

We hebben Myriad ontwikkeld, een high-performance, software-gedefinieerde bestandssysteem en intelligente stofomgeving om de uitdagingen van het integreren van AI/ML-pijplijn en high-performance-workflows samen te komen – workflows te verenigen zonder de hardwarebeperkingen en -beperkingen van andere systemen. Myriad is een duidelijke afwijking van legacy-hardware en opslagbeperkingen, en is gebouwd met de nieuwste opslag- en clouddeskundigheid, volledig microservices-gedreven en georkestreerd door Kubernetes om een zeer responsief systeem te zijn dat zelden admin-interactie vereist. Myriad is exclusief geïntegreerd om de hoogste prestaties te halen uit NVMe en intelligente stofnetwerken en near-instantaneous remote direct memory access (RDMA)-verbindingen tussen alle componenten. Het resultaat is een innovatief systeem dat intelligent en automatisch reageert op veranderingen en minimale admin-interactie vereist om algemene taken uit te voeren. Door intelligente stof deel te maken van het systeem, is Myriad ook een intrinsiek load-balanced systeem dat meerdere 100Gbps-poorten van bandbreedte biedt als een enkele, gebalanceerde IP-adres.

Myriad combineren met onze cloud-achtige objectopslagsysteem, ActiveScale, stelt organisaties in staat om te archiveren en te bewaren, zelfs de grootste datalakes en inhoud. De combinatie biedt klanten een echte end-to-end datamanagementsoplossing voor hun AI-pijplijn. Bovendien, wanneer geleverd naast onze CatDV-oplossing, kunnen klanten data taggen en catalogiseren om hun data verder te verrijken en voor te bereiden op analyse en AI.

Kunt u inzichten delen over het gebruik van AI met videosurveillance bij de Olympische Spelen in Parijs, en welke andere grote evenementen of organisaties deze technologie hebben gebruikt?

Machine Learning kan herhaalbare acties ontwikkelen die patronen van interesse op video herkennen en inzichten ontlenen uit een overvloed aan real-time videodata op een schaal die groter en sneller is dan wat door menselijke inspanningen alleen mogelijk is. Videosurveillance kan bijvoorbeeld AI gebruiken om verdachte gedragingen te detecteren en te markeren terwijl ze plaatsvinden, zelfs als er honderden camera’s de modellinformatie voeden. Een mens die deze taak zou proberen uit te voeren, zou alleen in staat zijn om één gebeurtenis tegelijk te verwerken, terwijl AI-gestuurde videosurveillance duizenden gevallen tegelijk kan aanpakken.

Een andere toepassing is crowd sentiment-analyse, die lange wachtrijen kan volgen en potentiële frustraties kan identificeren. Dit zijn allemaal acties die een beveiligingsexpert betrouwbaar kan markeren, maar door AI/ML-systemen te gebruiken om gelijktijdig meerdere feeds te bekijken, worden deze experts in staat gesteld om passende actie te ondernemen wanneer nodig, waardoor de algehele effectiviteit en veiligheid aanzienlijk worden verhoogd.

Wat zijn de primaire uitdagingen waar organisaties mee te maken krijgen bij de implementatie van AI voor ongestructureerde data-analyse, en hoe helpt Quantum deze uitdagingen te mitigeren?

Organisaties moeten hun aanpak van opslag, evenals data- en inhoudsbeheer als geheel, volledig opnieuw bedenken. De meeste organisaties groeien hun opslagmogelijkheden organisch, meestal als reactie op eenmalige behoeften, en dit creëert een multi-vendor-verwarring en ongelukkige complexiteit.

Met de adoptie van AI, moeten organisaties nu hun opslag vereenvoudigen die hun operaties ondersteunt. Vaak vereist dit het implementeren van een “hot” deel van de initiële data-inname, of een landingzone waar applicaties en gebruikers zo snel mogelijk kunnen werken. Vervolgens wordt een grote “cold” type van opslag toegevoegd dat gemakkelijk grote hoeveelheden data kan archiveren en beschermen op een kosteneffectieve manier, met de mogelijkheid om de data terug te brengen in een “hot” verwerkingwerkstroom bijna onmiddellijk.

Door opslag te herscheppen in minder, compactere oplossingen, is de belasting op admin-personeel veel lager. Dit type “hot/cold” datamanagementsoplossing is ideaal voor AI/ML-workflow-integratie, en Quantum-oplossingen stellen klanten in staat om een zeer agile, flexibele platform te creëren dat concies en gemakkelijk te beheren is.

Hoe integreren Quantum’s AI-innovaties met andere AI-gestuurde hulpmiddelen en technologieën om organisatorische groei en efficiëntie te verhogen?

Veel mensen denken dat opslag voor AI/ML-hulpmiddelen alleen gaat over het voeden van graphics processing units (GPUs), maar dat is maar een klein deel van de vergelijking. Hoewel snelheid en high-performance instrumenteel kunnen zijn in het voeden van data zo snel mogelijk naar de GPUs die data-analyse uitvoeren, draait het grotere plaatje om hoe een organisatie iteratieve en voortdurende AI/ML-ontwikkeling, training en inferentie-loops kan integreren op basis van aangepaste data. Vaak is de eerste en meest belangrijke AI/ML-taak die wordt aangepakt het bouwen van “kennisbots” of “adviesbots” met behulp van propriëtaire data om interne kenniswerkers te informeren. Om deze kennisbots nuttig en uniek voor elke organisatie te maken, zijn grote hoeveelheden gespecialiseerde informatie vereist om het model te informeren dat hen traint. Dan komt een AI-gestuurde oplossing voor opslag: als deze propriëtaire data goed geordend en gemakkelijk beschikbaar is in een gestroomlijnde opslagwerkstroom, zal het veel gemakkelijker zijn om te organiseren in typen, sets en catalogi van data, die op hun beurt ervoor zullen zorgen dat deze kennisbots zeer goed geïnformeerd zijn over de unieke behoeften van de organisatie.

Kunt u uitgebreider ingaan op de AI-geactiveerde workflowbeheerfuncties en hoe ze dataprocessen stroomlijnen?

We bouwen een reeks AI-geactiveerde workflowbeheerhulpmiddelen die rechtstreeks in opslagoplossingen integreren om taken te automatiseren en waardevolle real-time inzichten te bieden, waardoor snelle en geïnformeerde beslissingen mogelijk worden over de hele organisatie. Dit is te danken aan nieuwe en geavanceerde dataclassificatie- en tag-systeem die AI gebruiken om zowel data te organiseren als gemakkelijk op te halen, en zelfs standaardacties uit te voeren op die media, zoals conformeren aan een bepaalde grootte, wat de handmatige inspanningen aanzienlijk vermindert die nodig zijn bij het organiseren van data in trainingssets.

Intelligente automatiseringshulpmiddelen beheren dataverplaatsing, back-up en compliance-taken op basis van vastgestelde beleid, waardoor consistentie en administratieve lasten worden verminderd. Real-time analytics en monitoring bieden onmiddellijke inzichten in datapatroon en potentiële problemen, waardoor data-integriteit en -kwaliteit gedurende de gehele levenscyclus worden gehandhaafd.

Wat is de verwachting voor AI-gestuurde datamanagement, en welke trends ziet u in de komende jaren?

Naarmate deze hulpmiddelen evolueren en multi-modaal worden, zal dit meer expressieve en open-eindige manieren van werken met uw data mogelijk maken. In de toekomst zult u in staat zijn om een “gesprek” te voeren met uw systeem en worden gepresenteerd met informatie of analytics van interesse, zoals ‘wat is het snelst groeiende type data in mijn “hot zone” nu?’. Dit niveau van specialisatie zal een differentiator zijn voor de organisaties die deze hulpmiddelen in hun opslagoplossingen integreren, waardoor ze nog nauwkeuriger en efficiënter worden, zelfs wanneer geconfronteerd met constante nieuwe stromen van evoluerende data.

Wat is de rol van uw cloud-gebaseerde analytics en storage-as-a-service-aanbod in de algehele datamanagementstrategie?

Organisaties met aanzienlijke en uitbreidende opslagbehoeften hebben vaak moeite om bij te blijven met de vraag, vooral wanneer ze opereren met beperkte budgetten. Openbare cloudopslag kan leiden tot hoge en onvoorspelbare kosten, waardoor het moeilijk wordt om nauwkeurig te schatten en jarenlange opslagbehoeften van tevoren te kopen. Veel klanten zouden de openbare cloudervaring van een bekende geplande operationele kosten willen hebben, maar zonder de verrassende egress- of API-kosten die openbare cloud kan brengen. Om aan deze behoefte te voldoen, hebben we Quantum GO ontwikkeld om klanten die private cloudervaring te bieden met een lage initiële toegangsprijs en lage vaste maandelijkse betalingsmogelijkheden voor een echte storage-as-a-service-ervaring in hun eigen faciliteit. Wanneer opslagbehoeften toenemen, biedt Quantum GO klanten het voordeel van een eenvoudig ‘pay-as-you-grow’-abonnementsmodel om verbeterde flexibiliteit en schaalbaarheid te bieden op een kosteneffectieve manier.

Hoe gaat Quantum voorop blijven lopen in het snel evoluerende AI- en datamanagementlandschap?

In de huidige wereld is het enkel een “opslagprovider” zijn niet genoeg. Nieuw evoluerende data- en bedrijfsuitdagingen vereisen een intelligente, AI-empowerende dataplatform die klanten helpt om de waarde van hun data te maximaliseren. Bij Quantum blijven we innoveren en investeren in verbeterde mogelijkheden voor onze klanten om hen te helpen gemakkelijk en effectief te werken met schatten aan data gedurende hun gehele levenscyclus.

We breiden intelligente AI uit om het taggen, catalogiseren en organiseren van data te verhogen, waardoor het gemakkelijker wordt om te zoeken, te vinden en te analyseren om meer waarde en inzicht te extraheren. We zullen onze AI-mogelijkheden blijven verbeteren die helpen bij automatische videotranscriptie, het vertalen van audio- en videobestanden in andere talen binnen seconden, en het mogelijk maken van snelle zoekopdrachten in duizenden bestanden om gesproken woorden of specifieke items te identificeren, en meer.

Wat is uw advies aan organisaties die net beginnen met hun reis met AI en ongestructureerde datamanagement?

AI/ML heeft enorm veel hype, en vanwege dat, kan het moeilijk zijn om uit te maken wat praktisch en nuttig is. Organisaties moeten eerst nadenken over de data die wordt gegenereerd, en identificeren hoe deze wordt gegenereerd, vastgelegd en bewaard. Verder moeten organisaties op zoek gaan naar een oplossing voor opslag die klaar is om data op te halen en op te slaan zoals nodig, en die zal helpen bij het leiden van zowel dagelijkse workflow als toekomstige evolutie. Zelfs als het moeilijk is om overeen te komen over wat de uiteindelijke AI-doelen zijn, door stappen te nemen om ervoor te zorgen dat opslagsystemen en data-workflows gestroomlijnd, vereenvoudigd en robuust zijn, zal dit enorme voordelen opleveren wanneer ze huidige en toekomstige AI/ML-initiatieven integreren. Organisaties zullen dan goed gepositioneerd zijn om te blijven verkennen hoe deze AI/ML-hulpmiddelen hun missie kunnen verder helpen zonder zich zorgen te maken over het kunnen ondersteunen met het juiste dataplatform. Bedankt voor het geweldige interview, lezers die meer willen leren, moeten bezoeken Quantum.