Skip Levens, Dyrektor Marketingu, Media & Rozrywka, Quantum – Wywiad

Skip Levens jest liderem produktu i strategiem AI w Quantum, liderze w dziedzinie rozwiązań do zarządzania danymi i nieustrukturyzowanymi danymi. Obecnie jest odpowiedzialny za rozwój zaangażowania, świadomości i wzrostu rozwiązań końcowych Quantum. W trakcie swojej kariery, która obejmowała organizacje takie jak Apple (AAPL ), Backblaze, Symply i Active Storage, skutecznie kierował marketingiem i rozwojem biznesu, ewangelizacją, wprowadzał nowe produkty, budował relacje z kluczowymi interesariuszami i generował wzrost przychodu.

Quantum oferuje kompleksowe rozwiązania do zarządzania danymi, które pomagają organizacjom zarządzać, wzbogacać i chronić nieustrukturyzowane dane, takie jak pliki wideo i audio, w dużym stopniu. Ich technologia koncentruje się na przekształcaniu danych w cenne informacje, umożliwiając firmom wyodrębnienie wartości i podejmowanie świadomych decyzji. Platforma Quantum oferuje bezpieczne, skalowalne i elastyczne rozwiązania, łącząc infrastrukturę lokalną z możliwościami chmury. Podejście firmy pozwala firmom na efektywne zarządzanie wzrostem danych, jednocześnie zapewniając bezpieczeństwo i elastyczność na całym cyklu życia danych.

Czy możesz przedstawić przegląd podejścia Quantum do zarządzania danymi z wykorzystaniem AI dla nieustrukturyzowanych danych?

Pomagając klientom w integracji sztucznej inteligencji (AI) i uczenia maszynowego (ML) w ich kluczowych operacjach biznesowych, Quantum pomaga klientom w skutecznym zarządzaniu i odblokowaniu wartości z ich nieustrukturyzowanych danych, tworząc działania biznesowe, które prowadzą do lepszych decyzji biznesowych. Budując własne narzędzia AI/ML, firmy mogą przenieść się od prostego radzenia sobie z napływem danych i treści do wykorzystania informacji jako nowego czynnika efektywności i wzmocnienia ekspertyzy ludzkiej we wszystkich fazach operacji biznesowych.

Jak technologia AI Quantum analizuje nieustrukturyzowane dane, a jakie są kluczowe innowacje, które wyróżniają Twoją platformę od konkurencji?

W początkowych etapach wdrożenia narzędzi AI/ML wiele organizacji stwierdza, że ich przepływy pracy stają się nieuporządkowane i rozłączone, a mogą stracić ślad danych, co utrudnia egzekwowanie standardów bezpieczeństwa i ochrony. Zbyt często wczesny rozwój jest utrudniony przez nieodpowiednie magazynowanie i wydajność systemu plików.

Stworzyliśmy Myriad, wysokowydajne, programowo zdefiniowane środowisko magazynowania plików i inteligentnej tkaniny, aby elegancko spełnić wyzwania integracji potoku AI/ML i wysokowydajnych przepływów pracy – ujednolicając przepływy pracy bez ograniczeń sprzętowych innych systemów. Myriad jest wyraźnym odejściem od sprzętu i ograniczeń magazynowania, a dzięki zastosowaniu najnowszych technologii magazynowania i chmury, jest całkowicie napędzany mikrousługami i orchestrowany przez Kubernetes, aby być bardzo responsywnym systemem, który rzadko wymaga interwencji administratora. Myriad jest wyłącznie zaprojektowany, aby osiągnąć najwyższą wydajność z NVMe i inteligentnej tkaniny sieciowej oraz natychmiastowego dostępu do pamięci (RDMA) między każdym komponentem. Wynikiem jest innowacyjny system, który inteligentnie i automatycznie reaguje na zmiany i wymaga minimalnej interwencji administratora do wykonywania typowych zadań. Poprzez wprowadzenie inteligentnej tkaniny do systemu, Myriad jest również intrinsicznie zbalansowanym systemem, który zapewnia wiele portów o przepustowości 100 Gbps jako jeden, zbalansowany adres IP.

Pary Myriad z naszym systemem magazynowania obiektów w chmurze, ActiveScale, umożliwiają organizacjom archiwizację i zachowanie nawet największych jezior danych i treści. Kombinacja oferuje klientom prawdziwe kompleksowe rozwiązanie do zarządzania danymi dla ich potoków AI. Co więcej, gdy dostarczony obok naszego rozwiązania CatDV, klienci mogą oznaczyć i skatalogować dane, aby dalej wzbogacić swoje dane i przygotować je do analizy i AI.

Czy możesz podzielić się spostrzeżeniami na temat wykorzystania AI w nadzorze wideo na igrzyskach olimpijskich w Paryżu, a jakie inne duże wydarzenia lub organizacje wykorzystały tę technologię?

Uczenie maszynowe może rozwijać powtarzalne działania, które rozpoznają wzorce zainteresowania wideo i wyodrębniają informacje z potoku danych wideo w czasie rzeczywistym w skali większej i szybszej niż jest to możliwe przez ludzkie wysiłki. Nadzór wideo, na przykład, może wykorzystywać AI do przechwytywania i oznaczania podejrzanych zachowań, gdy występują, nawet jeśli jest setki kamer dostarczających informacje do modelu. Człowiek próbujący wykonać to zadanie mógłby tylko przetworzyć jeden wydarzenie na raz, podczas gdy nadzór wideo zasilany przez AI może jednocześnie podejmować tysiące przypadków.

Jakie są główne wyzwania, przed którymi stają organizacje wdrażające AI do analizy nieustrukturyzowanych danych, a jak Quantum pomaga łagodzić te wyzwania?

Organizacje muszą całkowicie przemyśleć swoje podejście do magazynowania, a także zarządzania danymi i treściami jako całości. Większość organizacji rozwija swoje możliwości magazynowania organicznie, zwykle w odpowiedzi na jednorazowe potrzeby, co tworzy wieloznaczną konfuzję i niefortunną złożoność.

Przy wdrożeniu AI organizacje muszą uproszczyć magazynowanie, które podtrzymuje ich operacje. Często wymaga to wdrożenia „gorącej” części początkowego pobierania danych, lub strefy, w której aplikacje i użytkownicy mogą pracować tak szybko, jak to możliwe. Następnie dodaje się duże „zimne” magazynowanie, które może łatwo archiwizować ogromne ilości danych i chronić je w sposób ekonomiczny, z możliwością przeniesienia danych z powrotem do „gorącego” przepływu przetwarzania prawie natychmiast.

Przez uproszczenie magazynowania do mniejszych, bardziej kompaktowych rozwiązań, obciążenie personelu administracyjnego jest znacznie mniejsze. Tego rodzaju „gorące/zimne” rozwiązanie do zarządzania danymi jest idealne do integracji przepływu pracy AI/ML, a rozwiązania Quantum umożliwiają klientom tworzenie bardzo zwinnej, elastycznej platformy, która jest zwięzła i łatwa w zarządzaniu.

Jak innowacje AI Quantum integrują się z innymi narzędziami i technologiami AI, aby zwiększyć wzrost i wydajność organizacyjną?

Wiele osób uważa, że magazynowanie dla narzędzi AI/ML dotyczy tylko karmienia jednostek przetwarzania graficznego (GPU), ale to tylko mała część równania. Chociaż szybkość i wysoka wydajność mogą być instrumentalne w karmieniu danych tak szybko, jak to możliwe, GPU, które wykonują analizę danych, większy obraz dotyczy tego, jak organizacja może zintegrować iteracyjny i ciągły rozwój, szkolenie i inferencję AI/ML opartą na danych niestandardowych. Często pierwszym i najważniejszym zadaniem AI/ML jest budowanie „botów wiedzy” lub „botów doradczych” przy użyciu danych niestandardowych, aby poinformować wewnętrznych pracowników wiedzy. Aby uczynić te boty wiedzy użytecznymi i unikalnymi dla każdej organizacji, wymagane są duże ilości specjalistycznych informacji, aby poinformować model, który je szkoli. Sygnał do rozwiązania magazynowania AI: jeśli te dane niestandardowe są dobrze uporządkowane i łatwo dostępne w uproszczonym przepływie magazynowania, będzie znacznie łatwiej je zorganizować w typy, zestawy i katalogi danych, co z kolei zapewni, że boty wiedzy będą bardzo poinformowane o unikalnych potrzebach organizacji.

Czy możesz wyjaśnić funkcje zarządzania przepływem pracy z obsługą AI i jak strumieniują one procesy danych?

Budujemy szereg narzędzi do zarządzania przepływem pracy z obsługą AI, które integrują się bezpośrednio z rozwiązaniami magazynowania, aby zautomatyzować zadania i zapewnić cenne informacje w czasie rzeczywistym, umożliwiając szybkie i świadome podejmowanie decyzji w organizacjach. Wynika to z nowych i zaawansowanych systemów klasyfikacji i oznaczania danych, które wykorzystują AI do organizacji danych i ułatwienia ich odzyskiwania, a nawet wykonują standardowe akcje na tych mediach, takie jak dostosowanie do określonego rozmiaru, co znacznie redukuje wymagane wysiłki ręczne przy organizowaniu danych w zestawy szkoleniowe.

Inteligentne narzędzia automatyzacji zarządzają przenoszeniem danych, kopiami zapasowymi i zadaniami zgodności na podstawie ustalonych zasad, zapewniając spójne stosowanie i redukując obciążenie administracyjne. Analiza i monitorowanie w czasie rzeczywistym oferują natychmiastowe informacje o wzorcach użycia danych i potencjalnych problemach, automatycznie utrzymując integralność i jakość danych na całym ich cyklu życia.

Jaki jest perspektywa zarządzania danymi z wykorzystaniem AI, a jakie trendy przewidujesz w nadchodzących latach?

Gdy te narzędzia ewoluują i stają się wielomodalne, umożliwią bardziej wyraziste i otwarte sposoby pracy z danymi. W przyszłości będziesz mógł „rozmawiać” ze swoim systemem i zostać przedstawionym informacjami lub analizami interesującymi, takimi jak „jaki jest najszybciej rosnący typ danych w mojej strefie ‘gorącej’ teraz?”. Ten poziom specjalizacji będzie różnicą dla organizacji, które zbudują te narzędzia w swoich rozwiązaniach magazynowania, czyniąc je bardziej dokładnymi i wydajnymi, nawet w obliczu ciągłych nowych strumieni ewoluujących danych.

Jaką rolę odgrywają Twoje chmurowe rozwiązania analityczne i usługi magazynowania w ogólnej strategii zarządzania danymi?

Organizacje z znaczącymi i rosnącymi wymaganiami magazynowania często mają trudności z utrzymaniem tempa, zwłaszcza przy ograniczonych budżetach. Magazynowanie w chmurze publicznej może prowadzić do wysokich i nieprzewidywalnych kosztów, utrudniając dokładne szacowanie i zakup potrzeb magazynowych na lata do przodu. Wielu klientów chciałoby doświadczenia chmury publicznej z znanym przewidywanym kosztem operacyjnym, ale bez niespodzianek związanych z opłatami za wyjście lub API, które mogą pojawić się w chmurze publicznej. Aby odpowiedzieć na tę potrzebę, stworzyliśmy Quantum GO, aby dać klientom doświadczenie chmury prywatnej z niskim punktem wejścia i niskimi, stałymi opcjami płatności miesięcznych za prawdziwe doświadczenie usługi magazynowania w ich własnej placówce. Gdy wymagania magazynowania rosną, Quantum GO daje klientom dodatkową zaletę prostego modelu subskrypcyjnego „płacisz, jak rośniesz”, aby zapewnić zwiększoną elastyczność i skalowalność w sposób ekonomiczny.

Jak Quantum planuje pozostać na czele w szybko ewoluującym krajobrazie AI i zarządzania danymi?

W dzisiejszym świecie bycie po prostu „dostawcą magazynowania” nie jest wystarczające. Nowo ewoluujące wyzwania danych i biznesu wymagają inteligentnej, zasilanej AI platformy danych, która pomaga klientom w maksymalizowaniu wartości ich danych. W Quantum kontynuujemy innowacje i inwestujemy w ulepszone możliwości dla naszych klientów, aby pomóc im łatwo i skutecznie pracować z ogromnymi ilościami danych na całym ich cyklu życia.

Rozszerzamy inteligentne AI, aby ulepszyć oznaczanie, katalogowanie i organizowanie danych, czyniąc je łatwiejszymi do wyszukania, znalezienia i analizy w celu wyodrębnienia większej wartości i wglądu. Będziemy kontynuować ulepszanie naszych możliwości AI, które pomagają w automatycznej transkrypcji wideo, tłumaczeniu plików audio i wideo na inne języki w ciągu kilku sekund, oraz umożliwiają szybkie wyszukiwania w tysiącach plików, aby zidentyfikować wypowiedziane słowa lub znaleźć określone elementy i wiele więcej.

Jakie porady dałbyś organizacjom, które dopiero zaczynają swoją podróż z AI i zarządzaniem nieustrukturyzowanymi danymi?

AI/ML miało ogromne szumy, a przez to może być trudno rozróżnić, co jest praktyczne i użyteczne. Organizacje muszą najpierw pomyśleć o danych, które są tworzone, i wskazać, jak są one generowane, przechwytywane i zachowywane. Organizacje muszą również szukać rozwiązania magazynowania, które jest gotowe do dostępu i odzyskiwania danych w miarę potrzeb, oraz które pomoże im w prowadzeniu codziennych przepływów pracy i ewolucji w przyszłości. Nawet jeśli trudno zgodzić się na ostateczne cele AI, podejmowanie kroków teraz, aby upewnić się, że systemy magazynowania i przepływy danych są uproszczone, uporządkowane i zwarte, przyniesie ogromne korzyści, gdy organizacje będą integrować bieżące i przyszłe inicjatywy AI/ML. Organizacje będą wtedy dobrze przygotowane do dalszego eksplorowania, w jaki sposób te narzędzia AI/ML mogą zaawansować ich misję, bez martwienia się o to, czy będą w stanie właściwie wesprzeć ją odpowiednią platformą zarządzania danymi.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Quantum.