Activarea implementărilor de inteligență artificială în lumea reală la scară

De Brad King, field CTO, Scality

Uneltele de inteligență artificială și învățare automată, precum și cele de date mari, au un lucru în comun – au nevoie de date și au nevoie de multe. Înțelepciunea convențională spune că cu cât mai mult, cu atât mai bine. Analistii prevăd că crearea globală de date va ajunge la mai mult de 180 de zettabyti până în 2025 – și în 2020, cantitatea de date create și replicate a atins un nou maxim de 64,2 zettabyti.

Aceste date sunt extrem de valoroase – adesea de neînlocuit și, uneori, reprezentând evenimente unice sau care au loc o singură dată. Aceste date trebuie stocate în siguranță și securizat; și, deși se estimează că doar un procent mic din aceste date noi este păstrat, cererea de capacitate de stocare continuă să crească. De fapt, baza instalată de capacitate de stocare se preconizează a crește cu o rată anuală compusă de 19,2% între 2020 și 2025, conform cercetătorilor de la Statista.

Cu mai multe date create – în special de către aceste sarcini de inteligență artificială și învățare automată – organizațiile au nevoie de mai multă stocare, dar nu toate soluțiile de stocare pot gestiona aceste sarcini intensive și masive. Ce este necesar este o abordare nouă a stocării. Să vedem cum organizațiile depășesc aceste provocări prin prisma a trei studii de caz.

Industria călătoriilor

În timp ce mulți dintre noi abia ne obișnuim să călătorim din nou după mai mult de un an de carantină, industria călătoriilor își propune să revină la nivelul de dinainte de pandemie într-un mod semnificativ. Și acest lucru face ca importanța datelor – în special, a aplicării și utilizării acestor date – să devină și mai importantă.

Imaginați-vă ce ați putea face cu cunoașterea locurilor în care majoritatea călătorilor din lume vor călători mâine sau unde vor merge. Pentru o agenție de călătorii, de exemplu, ar fi un lucru enorm.

Dar aceste organizații de călătorii se confruntă cu atât de multe date încât să le sorteze pentru a determina ce este semnificativ devine o perspectivă copleșitoare. Aproximativ un petabyte de date este generat în fiecare zi, iar unele dintre aceste date sunt duplicate de site-uri precum Kayak. Aceste date sunt sensibile la timp, iar companiile de călătorii au nevoie să descopere rapid care date sunt semnificative. Au nevoie de un instrument care să le permită să gestioneze acest nivel de scară mai eficient.

Industria automobilelor

Un alt exemplu vine din industria automobilelor, care este, fără îndoială, unul dintre cele mai discutate studii de caz. Industria a lucrat mult timp la unelte de asistență precum sistemele de menținere a benzii de circulație, evitarea coliziunilor și altele. Toate aceste senzori aduc cantități mari de date. Și, desigur, ele dezvoltă, testează și verifică algoritmi de conducere autonomă.

Ce are nevoie industria este o modalitate mai bună de a face sens din aceste date stocate, astfel încât să le poată utiliza pentru a analiza incidente în care ceva a mers prost, pentru a curăța ieșirile senzorilor ca un caz de test, pentru a testa algoritmi împotriva datelor senzorilor și multe altele. Au nevoie de testare QA pentru a evita regresia și au nevoie să documenteze cazurile care eşuează.

Patologia digitală

Un alt studiu de caz interesant pentru inteligența artificială și învățarea automată, care se luptă și el cu valul de date și nevoia de a face o utilizare mai bună a datelor, este patologia digitală. La fel ca și celelalte exemple, ceea ce au nevoie cu adevărat este capacitatea de a face o utilizare mai bună a acestor date, astfel încât să poată face lucruri precum detectarea automată a patologiilor în mostre de țesut, efectuarea de diagnostice la distanță și așa mai departe.

Dar stocarea de astăzi limitează utilizarea. Imaginile cu rezoluție utilă sunt prea mari pentru a fi stocate în mod economic. Cu toate acestea, stocarea rapidă a obiectelor va permite noi capacități – precum bănci de imagini care pot fi utilizate ca o resursă principală de antrenament și utilizarea curbelor de umplere a spațiului pentru a numi și a recupera imagini multirezoluționare într-un magazin de obiecte. De asemenea, permite etichetarea meta-datelor extensibile și flexibile, ceea ce face mai ușoară căutarea și înțelegerea acestor informații.

Sarcinile de inteligență artificială necesită o abordare nouă

Așa cum am văzut în cele trei cazuri de mai sus, este critic să putem agregă și orchestră cantități uriașe de date legate de sarcinile de inteligență artificială și învățare automată. Seturile de date adesea ajung la scară de multi-petabyte, cu cerințe de performanță care ar putea satura întreaga infrastructură. Când se lucrează cu astfel de seturi de date de antrenament și testare la scară largă, depășirea blocajelor de stocare (probleme de latență și/sau de debit) și limitărilor de capacitate/bariere sunt elemente cheie pentru succes.

Sarcinile de inteligență artificială, învățare automată și învățare profundă necesită o arhitectură de stocare care să poată menține datele în flux prin conductă, cu o performanță brută excelentă și o capacitate de scalare. Infrastructura de stocare trebuie să țină pasul cu cerințele din ce în ce mai exigente de-a lungul tuturor etapelor pipeline-ului de inteligență artificială și învățare automată. Soluția este o infrastructură de stocare special concepută pentru viteză și scalabilitate nelimitată.

Extrăgerea valorii

Nu trece o săptămână fără povești despre potențialul inteligenței artificiale și al învățării automate de a schimba procesele de afaceri și viețile de zi cu zi. Există multe studii de caz care demonstrează în mod clar beneficiile utilizării acestor tehnologii. Realitatea inteligenței artificiale în întreprinderile de astăzi, însă, este una de seturi de date uriașe și soluții de stocare care nu pot gestiona aceste sarcini masive. Inovațiile în automobile, sănătate și multe alte industrii nu pot continua până când problema stocării nu este rezolvată. Stocarea rapidă a obiectelor depășește provocarea de a păstra date mari, astfel încât organizațiile să poată extrage valoarea din aceste date pentru a-și dezvolta afacerile.