Размещение рабочих нагрузок искусственного интеллекта и машинного обучения в облаке

путилов_денис - stock.adobe.com

Искусственный интеллект (ИИ) и машинное обучение (МО) являются одними из наиболее разрекламированных корпоративных технологий и привлекли внимание советов директоров, обещая эффективность и снижение затрат, а также общественности такими разработками, как беспилотные автомобили и автономные системы управления. воздушное такси на квадрокоптере.

Конечно, реальность гораздо более прозаична: компании стремятся к использованию ИИ для автоматизации таких областей, как онлайн-рекомендации по продуктам или обнаружение дефектов на производственных линиях. Организации используют ИИ в вертикальных отраслях, таких как финансовые услуги, розничная торговля и энергетика, где приложения включают предотвращение мошенничества и анализ эффективности бизнеса при получении кредитов, прогнозирование спроса на сезонные продукты и обработку огромных объемов данных для оптимизации энергетических сетей.

Все это не соответствует представлению об искусственном интеллекте как разумной машине в стиле HAL из фильма «2001: Космическая одиссея». Но это по-прежнему быстрорастущий рынок, движущей силой которого являются компании, пытающиеся получить больше пользы от своих данных и автоматизировать бизнес-аналитику и аналитику для улучшения процесса принятия решений.

Например, отраслевая аналитическая фирма Gartner прогнозирует, что мировой рынок программного обеспечения для искусственного интеллекта в этом году достигнет 62 миллиардов долларов США, причем самый быстрый рост будет происходить за счет управления знаниями. По данным компании, 48% опрошенных ею ИТ-директоров уже внедрили искусственный интеллект и машинное обучение или планируют сделать это в течение следующих 12 месяцев.

Во многом этот рост обусловлен разработками в области облачных вычислений, поскольку компании могут воспользоваться преимуществами низких первоначальных затрат и масштабируемости облачной инфраструктуры. Gartner, например, называет облачные вычисления одним из пяти факторов, способствующих развитию искусственного интеллекта и машинного обучения, поскольку они позволяют компаниям «быстрее экспериментировать и внедрять искусственный интеллект с меньшими сложностями».

Кроме того, крупные поставщики общедоступных облаков разрабатывают собственные модули искусственного интеллекта, включая распознавание изображений, обработку документов и периферийные приложения для поддержки промышленных и распределительных процессов.

Некоторые из наиболее быстро развивающихся приложений для искусственного интеллекта и машинного обучения связаны с электронной коммерцией и рекламой, поскольку компании стремятся анализировать структуру расходов и давать рекомендации, а также использовать автоматизацию для таргетирования рекламы. Это позволяет воспользоваться преимуществами растущего объема бизнес-данных, которые уже находятся в облаке, сокращая затраты и сложность, связанные с перемещением данных.

Облако также позволяет организациям использовать передовые аналитические и вычислительные средства, создание которых собственными силами зачастую нерентабельно. Это включает в себя использование выделенных графических процессоров (GPU) и чрезвычайно больших объемов хранения, которые стали возможными благодаря облачному хранилищу.

«Такие возможности недоступны локальным предложениям многих организаций, таким как обработка графических процессоров. Это демонстрирует важность облачных возможностей в цифровых стратегиях организаций», — говорит Ли Хауэллс, руководитель отдела искусственного интеллекта в консультативной фирме PA Consulting.

Фирмы также наращивают опыт в использовании ИИ с помощью облачных сервисов. Одной из областей роста является AIOps, где организации используют искусственный интеллект для оптимизации своих ИТ-операций, особенно в облаке.

Другой вариант — MLOps, который, по словам Gartner, представляет собой внедрение нескольких моделей ИИ, создавая «композитную среду ИИ». Это позволяет фирмам создавать более комплексные и функциональные модели из более мелких строительных блоков. Эти блоки могут размещаться в локальных системах, внутри компании или в гибридных средах.

Подобно тому, как поставщики облачных услуг предлагают строительные блоки ИТ – вычисления, хранилища и сети – они создают ряд моделей искусственного интеллекта и машинного обучения. Они также предлагают услуги на основе искусственного интеллекта и машинного обучения, которые фирмы или сторонние технологические компании могут встраивать в свои приложения.

Эти предложения ИИ не обязательно должны быть сквозными процессами, и зачастую это не так. Вместо этого они предоставляют функциональность, обеспечение которой было бы дорогостоящим или сложным для фирмы. Но это также функции, которые можно выполнять без ущерба для безопасности компании или нормативных требований или которые предполагают крупномасштабную миграцию данных.