Скип Левенс, Маркетинговый Директор, СМИ и Развлечения, Quantum – Интервью

Скип Левенс является лидером продукта и стратегом ИИ в Quantum, лидере в области управления данными для ИИ и неструктурированных данных. В настоящее время он отвечает за стимулирование вовлеченности, осведомленности и роста комплексных решений Quantum. На протяжении своей карьеры, которая включала остановки в организациях such as Apple (AAPL ), Backblaze, Symply и Active Storage, он успешно возглавлял маркетинг и бизнес-развитие, евангелизм, запуск новых продуктов, построение отношений с ключевыми заинтересованными сторонами и стимулирование роста доходов.

Quantum предоставляет комплексные решения для управления данными, которые помогают организациям управлять, обогащать и защищать неструктурированные данные, такие как видео- и аудиофайлы, в масштабе. Их технология фокусируется на преобразовании данных в ценные сведения, позволяя бизнесу извлекать ценность и принимать обоснованные решения. Платформа Quantum предлагает безопасные, масштабируемые и гибкие решения, сочетая локальную инфраструктуру с облачными возможностями. Подход компании позволяет бизнесу эффективно справляться с ростом данных, обеспечивая при этом безопасность и гибкость на протяжении всего жизненного цикла данных.

Можете ли вы предоставить обзор подхода Quantum к управлению данными, управляемому ИИ, для неструктурированных данных?

Помогая клиентам интегрировать искусственный интеллект (ИИ) и машинное обучение (МО) в свои ключевые бизнес-операции, Quantum помогает клиентам эффективно управлять и открывать значимую ценность из своих неструктурированных данных, создавая действенные бизнес-инсайты, которые приводят к лучшим бизнес-решениям. Создавая свои собственные инструменты ИИ/МО, компании могут перейти от простого совладания с наплывом данных и контента к использованию сведений в качестве нового драйвера эффективности и, в конечном итоге, усиления человеческой экспертизы на всех этапах бизнес-операций.

Как технология ИИ Quantum анализирует неструктурированные данные, и какие ключевые инновации отличают вашу платформу от конкурентов?

На начальном этапе внедрения инструментов ИИ/МО многие организации обнаруживают, что их рабочие процессы становятся неорганизованными и несвязанными, и могут потерять отслеживание своих данных, что затрудняет обеспечение стандартов безопасности и защиты. Часто раннее развитие осложняется неподходящим хранилищем и производительностью файловой системы.

Мы разработали Myriad, высокопроизводительное, программно-определяемое хранилище файлов и интеллектуальную среду, чтобы элегантно решить проблемы интеграции конвейера ИИ/МО и высокопроизводительных рабочих процессов вместе – объединяя рабочие процессы без ограничений и ограничений других систем. Myriad является явным отходом от наследственных аппаратных и хранилищных ограничений и построен с использованием последних технологий хранения и облака, полностью управляемых микросервисами и оркестрированных Kubernetes, чтобы быть высокоотзывчивой системой, которая редко требует административного взаимодействия. Myriad исключительно архитектурно спроектирован для извлечения максимальной производительности из NVMe и интеллектуальной сетевой ткани и почти мгновенного удаленного доступа к памяти (RDMA) между каждым компонентом. Результатом является инновационная система, которая реагирует интеллектуально и автоматически на изменения и требует минимального административного взаимодействия для выполнения обычных задач. Сделав интеллектуальную ткань частью системы, Myriad также является внутренне сбалансированной системой, которая предоставляет несколько 100-гигабитных портов пропускной способности как один, сбалансированный IP-адрес.

Сопоставление Myriad с нашей облачной системой хранения объектов ActiveScale позволяет организациям архивировать и сохранять даже самые крупные озера данных и контента. Комбинация предлагает клиентам истинное комплексное решение для управления данными для их конвейеров ИИ. Кроме того, когда она поставляется вместе с нашим решением CatDV, клиенты могут помечать и каталогизировать данные, чтобы еще больше обогатить свои данные и подготовить их к анализу и ИИ.

Можете ли вы поделиться идеями об использовании ИИ с видеонаблюдением на Олимпийских играх в Париже и каких-либо других крупномасштабных мероприятиях или организациях, которые использовали эту технологию?

Машинное обучение может разработать повторяющиеся действия, которые распознают закономерности интереса на видео и извлекают сведения из потока реального времени видеоданных в масштабе, большем и быстрее, чем это возможно для человека. Видеонаблюдение, например, может использовать ИИ для захвата и флагирования подозрительного поведения по мере его возникновения, даже если есть сотни камер, которые подают информацию модели. Человек, пытающийся выполнить эту задачу, смог бы обработать только одно событие за раз, тогда как видеонаблюдение, управляемое ИИ, может одновременно обрабатывать тысячи случаев.

Каковы основные проблемы, с которыми сталкиваются организации при внедрении ИИ для анализа неструктурированных данных, и как Quantum помогает смягчить эти проблемы?

Организации должны полностью переосмыслить свой подход к хранению, а также управлению данными и контентом в целом. Большинство организаций растут свои возможности хранения органически, обычно в ответ на отдельные потребности, и это создает многопоставщичную путаницу и неудачную сложность.

С внедрением ИИ организации должны упростить хранение, которое подpins их операции. Часто это требует реализации “горячей” части первоначального приема данных или зоны приземления, где приложения и пользователи могут работать так быстро, как это возможно. Затем добавляется большой “холодный” тип хранения, который может легко архивировать огромные объемы данных и защитить их экономически эффективным способом, с возможностью переместить данные обратно в “горячий” рабочий процесс почти мгновенно.

Переосмысливая хранение в меньшее, более компактное решение, бремя на административный персонал значительно ниже. Это tipo “горячего/холодного” решения для управления данными идеально подходит для интеграции конвейера ИИ/МО, и решения Quantum позволяют клиентам создать высоко гибкую, простую в управлении платформу.

Как инновации ИИ Quantum интегрируются с другими инструментами и технологиями ИИ, чтобы повысить организационный рост и эффективность?

Многие люди думают, что хранение для инструментов ИИ/МО заключается только в кормлении графических процессоров (ГП), но это только небольшая часть уравнения. Хотя скорость и высокая производительность могут быть инструментальными в кормлении данных как можно быстрее ГП, которые выполняют анализ данных, большая картина вращается вокруг того, как организация может интегрировать итеративное и непрерывное развитие, обучение и вывод ИИ/МО на основе собственных данных. Часто первая и наиболее важная задача ИИ/МО, решаемая, заключается в построении “ботов знаний” или “ботов-советников” с использованием собственных данных для информирования внутренних работников знаний. Чтобы сделать этих ботов-знаний полезными и уникальными для каждой организации, требуется大量 специализированной информации для информирования модели, которая обучает их. Сигнал ИИ-управляемого хранилища: если эти собственные данные хорошо упорядочены и легко доступны в упрощенном потоке хранения, будет намного проще организовать их по типам, наборам и каталогам данных, которые, в свою очередь, обеспечат, что эти боты-знания будут высоко информированы о уникальных потребностях организации.

Можете ли вы подробнее рассказать об ИИ-управляемых функциях управления рабочим процессом и о том, как они оптимизируют процессы данных?

Мы строим ряд инструментов управления рабочим процессом, управляемых ИИ, которые интегрируются напрямую в решения для хранения, чтобы автоматизировать задачи и предоставлять ценные сведения в реальном времени, позволяя принимать быстрые и обоснованные решения во всей организации. Это связано с новыми и передовыми системами классификации и пометки данных, которые используют ИИ для организации данных и сделать их легко извлекаемыми, и даже выполнять стандартные действия с этим медиа, такие как приведение к определенному размеру, что значительно снижает ручные усилия, необходимые при организации данных в наборы обучения.

Инструменты интеллектуальной автоматизации управляют перемещением данных, резервным копированием и задачами соответствия на основе установленных политик, обеспечивая последовательное применение и снижая административные бремена. Аналитика и мониторинг в реальном времени также предлагают немедленные сведения о моделях использования данных и потенциальных проблемах, автоматически поддерживая целостность и качество данных на протяжении всего их жизненного цикла.

Какой прогноз для управления данными, управляемого ИИ, и какие тенденции вы предвидите в ближайшие годы?

По мере эволюции этих инструментов и становления многомодальными они будут позволять более выразительным и открытým способам работы с данными. В будущем вы сможете иметь “разговор” с вашей системой и быть представленными информацией или аналитикой интереса, такой как “какой самый быстрорастущий тип данных в моей ‘горячей зоне’ сейчас?”. Этот уровень специализации будет дифференциатором для организаций, которые строят эти инструменты в свои решения для хранения, делая их более точными и эффективными, даже когда они сталкиваются с постоянными новыми потоками эволюционирующих данных.

Какова роль ваших облачных аналитических и сервисных предложений хранения в общей стратегии управления данными?

Организации с значительными и расширяющимися потребностями в хранении часто сталкиваются с трудностями в поддержании спроса, особенно при работе на ограниченных бюджетах. Облачное хранение может привести к высоким и непредсказуемым затратам, что затрудняет точную оценку и покупку летних потребностей в хранении заранее. Многие клиенты хотели бы иметь опыт публичного облака с известной проектной операционной стоимостью, но исключить сюрпризные сборы за вывод или API, которые может принести публичное облако. Чтобы ответить на эту потребность, мы разработали Quantum GO, чтобы предоставить клиентам частный опыт облака с низкой начальными затратами и низкими фиксированными ежемесячными платежами для真正щего опыта хранения в качестве сервиса в их собственном объекте. По мере роста потребностей в хранении Quantum GO дает клиентам дополнительное преимущество простой “платите-по-мере-роста” подписной модели, чтобы предложить повышенную гибкость и масштабируемость в экономически эффективной форме.

Как Quantum планирует оставаться впереди в быстро меняющемся ландшафте ИИ и управления данными?

В сегодняшнем мире быть просто “поставщиком хранения” недостаточно. Новые эволюционирующие данные и бизнес-вызовы требуют интеллектуальной, ИИ-эмпирической платформы данных, которая помогает клиентам максимально использовать ценность своих данных. В Quantum мы продолжаем инновации и инвестиции в повышенные возможности для наших клиентов, чтобы помочь им легко и эффективно работать с огромными объемами данных на протяжении всего их жизненного цикла.

Мы расширяем интеллектуальный ИИ для повышения пометки, каталогизации и организации данных, что делает их проще, чем когда-либо, найти, проанализировать и извлечь больше ценности и сведений. Мы продолжим повышать наши возможности ИИ, которые помогают с автоматической видеотранскрипцией, переводом аудио- и видеофайлов на другие языки в течение секунд, и позволяют быстро искать тысячи файлов, чтобы определить произнесенные слова или найти конкретные предметы, и многое другое.

Какой совет вы дадите организациям, только начинающим свое путешествие с ИИ и управлением неструктурированными данными?

ИИ/МО имел огромный ажиотаж, и из-за этого может быть трудно разобраться, что практично и полезно. Организации должны сначала подумать о данных, которые создаются, и определить, как они генерируются, захватываются и сохраняются. Кроме того, организации должны искать решение для хранения, которое готово получить доступ и извлечь данные по мере необходимости, и которое поможет руководить как повседневным рабочим процессом, так и будущей эволюцией. Даже если трудно согласиться с тем, какие конечные цели ИИ, принятие шагов сейчас, чтобы убедиться, что системы хранения и рабочие процессы данных упрощены, упрощены и укреплены, принесут огромные дивиденды, когда будут интегрированы текущие и будущие инициативы ИИ/МО. Организации будут тогда хорошо позиционированы, чтобы продолжать исследовать, как эти инструменты ИИ/МО могут продвинуть свою миссию, не беспокоясь о том, чтобы правильно поддержать ее с правильной платформой управления данными.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Quantum.