Ποιος συγκυβερνά τους συγκυβερνήτες; Γιατί το AI χρειάζεται υποστήριξη cloud

Τους τελευταίους δώδεκα μήνες, έχουμε δει έναν τεράστιο αριθμό νέων οργανισμών τεχνητής νοημοσύνης να αναπτύσσονται, εκμεταλλευόμενοι τις τελευταίες εξελίξεις στα βασικά μοντέλα, την τεχνολογία και τη ζήτηση. Αν και η τεχνητή νοημοσύνη θεωρείται συχνά ότι λειτουργεί ως «συν-πιλότος» και όχι ως «αυτόματος πιλότος», εξακολουθούν να υπάρχουν πολλά αξιοσημείωτα επιτεύγματα που μπορεί να επιτύχει, σε σύγκριση με την κλασική πληροφορική. Πρόσφατα είδαμε νεοφυείς επιχειρήσεις που μπορούν να προσφέρουν ακριβή γλώσσα κειμένου σε νοηματική, μεταγραφή πολλών γλωσσών και αυτόματη δημιουργία βίντεο ομιλίας με ρεαλιστικά avatar, για να αναφέρουμε μόνο μερικά.

Ωστόσο, όπως όλες οι νεοφυείς επιχειρήσεις και οι επιχειρήσεις κλίμακας, αυτοί οι νέοι οργανισμοί αντιμετωπίζουν πολλές προκλήσεις. Ορισμένα είναι ειδικά για τον κλάδο της τεχνητής νοημοσύνης και άλλα είναι κοινά σε όλες τις αναπτυσσόμενες μάρκες. Αλλά με το σωστό επίπεδο υποστήριξης, οι ιδρυτές μπορούν να ανθίσουν, συμβάλλοντας στην προώθηση της βιομηχανίας –και της ανθρωπότητας– προς τα εμπρός.

Υψηλή υπολογιστική ισχύς για εκπαίδευση μοντέλων AI

Μία από τις κύριες προκλήσεις που αντιμετωπίζουν οι οργανισμοί τεχνητής νοημοσύνης είναι αυτή της εκπαίδευσης. Η εκπαίδευση μοντέλων τεχνητής νοημοσύνης απαιτεί σημαντική ποσότητα υπολογιστικής ισχύος, η οποία μπορεί να είναι προκλητική για εταιρείες βαθιάς τεχνολογίας που τείνουν να λειτουργούν σε opex και όχι σε βάση κεφαλαίου. Οι αλγόριθμοι βαθιάς μάθησης, όπως τα νευρωνικά δίκτυα, απαιτούν μεγάλο αριθμό επαναλήψεων και προσαρμογών για την επίτευξη βέλτιστων αποτελεσμάτων. Αυτό μπορεί να είναι χρονοβόρο και δαπανηρό χωρίς πρόσβαση σε υπολογιστικούς πόρους υψηλής απόδοσης. Επιπλέον, αυτά τα δεδομένα πρέπει να αποθηκευτούν κάπου, και αυτό μπορεί να είναι απαγορευτικό από πλευράς κόστους για την οριστική αγορά και δαπανηρή η συντήρηση.

Ευελιξία στην κατανομή των πόρων και τη διαχείριση του κόστους

Οι απαιτήσεις πόρων για την εκπαίδευση και την ανάπτυξη μοντέλων τεχνητής νοημοσύνης μπορεί να ποικίλλουν σημαντικά ανάλογα με την πολυπλοκότητα του μοντέλου και το μέγεθος του συνόλου δεδομένων. Όπως οι περισσότερες νεοφυείς επιχειρήσεις, η κατεύθυνση της εταιρείας μπορεί να αλλάξει σχεδόν από τη μια μέρα στην άλλη και μπορεί να είναι προκλητική τόσο για τους ανθρώπους όσο και για τις τεχνολογικές υποδομές. Κατά συνέπεια, οι περισσότερες εκκινήσεις τεχνητής νοημοσύνης είναι από προεπιλογή εγγενείς στο cloud για να βοηθήσουν στην περιστροφή σε νέο υλικό όταν τα πράγματα αρχίζουν να κινούνται σε διαφορετική κατεύθυνση.

Προβλήματα συμβατότητας προς τα πίσω

Τα πλαίσια τεχνητής νοημοσύνης όπως το TensorFlow και το PyTorch ενημερώνονται και βελτιώνονται συνεχώς, αλλά ορισμένες από αυτές τις επαναλήψεις πλαισίου δεν ήταν συμβατές με τις προηγούμενες εκδόσεις. Αυτό ασκεί σημαντική πίεση στους οργανισμούς να είναι ενημερωμένοι με το πιο πρόσφατο πλαίσιο, διαφορετικά κινδυνεύουν με προβλήματα λειτουργικότητας ή ακόμα και διακοπές λειτουργίας. Αν και οι χρήστες συχνά περιμένουν ότι οι νεοφυείς επιχειρήσεις θα έχουν προβλήματα οδοντοφυΐας, μεγάλος χρόνος διακοπής λειτουργίας μπορεί να διαβρώσει δραματικά την εμπιστοσύνη.

Έχοντας αυτά τα ζητήματα κατά νου, πώς έχουν ξεπεράσει τις προκλήσεις τους οι υπάρχουσες, επιτυχημένες startups AI;

Η τεχνητή νοημοσύνη στην πράξη: Το OVHcloud ενδυναμώνει τα βασικά στοιχεία της Customs Bridge

Η Customs Bridge είναι μια startup «deep tech» που χρησιμοποιεί αλγόριθμους τεχνητής νοημοσύνης για να δημιουργήσει μια αυτόματη μηχανή ταξινόμησης προϊόντων, που απευθύνεται σε ευρωπαίους εισαγωγείς. Η αποστολή της εταιρείας είναι να δημιουργήσει την πιο αξιόπιστη μηχανή ταξινόμησης προϊόντων για την εκχώρηση του σωστού τελωνειακού κωδικού σε ένα προϊόν του οποίου η περιγραφή δεν είναι πλήρως επισημοποιημένη.

Ωστόσο, η Customs Bridge αντιμετώπισε σημαντικές προκλήσεις στην εκπαίδευση των μοντέλων της AI. Είχαν περιορισμένη εσωτερική υποδομή, απαιτήσεις επεξεργασίας δεδομένων μεγάλης κλίμακας και την ανάγκη για πλαίσια τεχνητής νοημοσύνης τελευταίας τεχνολογίας. Η υπάρχουσα υποδομή τους δεν ήταν επαρκής για να εκπαιδεύσει και να αναπτύξει αποτελεσματικά τα μοντέλα τεχνητής νοημοσύνης τους και αντιμετώπισαν δυσκολίες στην πρόσβαση και την επεξεργασία μεγάλου όγκου δεδομένων που απαιτούνται για την εκπαίδευση των μοντέλων τους.

Για να ξεπεράσει αυτές τις προκλήσεις, η Γέφυρα Τελωνείων στράφηκε στο Λύσεις AI & Machine Learning της OVHcloud. Η ομάδα εφάρμοσε τη λύση εκπαίδευσης μοντέλων της OVHcloud, το AI Training, και χρησιμοποίησε περιπτώσεις OVHcloud για την ανάπτυξη μοντέλων στην παραγωγή και την υποστήριξη του αγωγού ισχύος δεδομένων. Αυτό επέτρεψε στην Customs Bridge να επεξεργάζεται μεγάλες ποσότητες δεδομένων, να βελτιώσει τα μοντέλα τεχνητής νοημοσύνης της και να βελτιώσει τη συνολική παραγωγικότητα και αποτελεσματικότητά της.

Η Customs Bridge μπόρεσε να αξιοποιήσει τους πόρους του OVHcloud για τη βελτίωση δεδομένων και την προηγμένη εκπαίδευση μοντέλων AI. Βασίστηκαν σε περίπου 2.5 TB δεδομένων για να εκπαιδεύσουν τα πρώτα τους μοντέλα Transformers και η εκπαίδευση των Transformers σε 250,000 γραμμές χρειάστηκε μόνο περίπου 30 λεπτά υπολογιστικού χρόνου, χάρη στις GPU NVIDIA V100 που παρέχονται από την OVHcloud. Αυτό ήταν γρήγορο και χαμηλού κόστους και επέτρεψε στην Customs Bridge να κλιμακώσει τους όγκους δεδομένων της χωρίς να περιορίσει την υποδομή της. Η προσέγγιση που βασίζεται στο cloud έδωσε στην εταιρεία μεγάλη ελευθερία να πειραματιστεί μέχρι να βρει τον όγκο που απαιτείται για να επιτύχει την ακρίβεια που ήθελε.

Εκτός από τη βελτιωμένη ευελιξία και επεκτασιμότητα για εκπαίδευση μοντέλων τεχνητής νοημοσύνης, το Customs Bridge επωφελήθηκε επίσης από την οικονομική και αποδοτική κατανομή πόρων, την απλοποιημένη υλοποίηση και ανάπτυξη πλαισίων τεχνητής νοημοσύνης και την ικανότητα να επιτρέπει την καινοτομία και τον πειραματισμό για βέλτιστα αποτελέσματα. Αξιοποιώντας τις λύσεις AI & Machine Learning της OVHcloud, η Customs Bridge κατάφερε να ξεπεράσει τις προκλήσεις της και να δημιουργήσει μια καινοτόμο και αποτελεσματική μηχανή ταξινόμησης προϊόντων.

Αναβάθμιση της βαθιάς τεχνολογίας με εξειδικευμένες υπηρεσίες cloud

Ένα από τα πρώτα βήματα για μια αναπτυσσόμενη startup τεχνητής νοημοσύνης είναι να κατανοήσει το οικοσύστημά της – και όχι μόνο από την άποψη της κατανόησης του ανταγωνισμού. Υπάρχουν πολλοί οργανισμοί που προσφέρουν θερμοκοιτίδες, επιταχυντές και προγράμματα υποστήριξης που μπορούν είτε να βοηθήσουν άμεσα με καθοδήγηση και βοήθεια διαχείρισης, είτε στην περίπτωση του παραπάνω παραδείγματος, υποστήριξη τεχνολογικής υποδομής.

Οι υπηρεσίες cloud προσφέρουν ευέλικτη κατανομή πόρων και διαχείριση κόστους, επιτρέποντας στις εταιρείες βαθιάς τεχνολογίας να τροποποιούν τους πόρους τους όταν αλλάζουν οι ανάγκες. Αυτή η προσαρμοστικότητα εγγυάται ότι οι εταιρείες πληρώνουν μόνο για τους πόρους που απαιτούν, γεγονός που τους επιτρέπει να κατανέμουν τους πόρους τους πιο αποτελεσματικά και να λειτουργούν με βάση το opex και όχι το capex.

Οι επεκτάσιμες λύσεις αποθήκευσης αποτελούν επίσης σημαντικό μέρος του μοντέλου των υπηρεσιών cloud. Με αυτές τις λύσεις, οι εταιρείες βαθιάς τεχνολογίας μπορούν να επεξεργάζονται και να αποθηκεύουν μεγάλες ποσότητες δεδομένων, επιτρέποντάς τους να εκπαιδεύουν τα μοντέλα τεχνητής νοημοσύνης τους. Αυτές οι λύσεις δημιουργούνται για να κλιμακώνονται εύκολα, διασφαλίζοντας ότι οι εταιρείες τεχνητής νοημοσύνης μπορούν να αυξήσουν τον όγκο δεδομένων τους χωρίς καμία διακοπή στην υπηρεσία - σε αντίθεση με τη φυσική αποθήκευση, όπου η εγκατάσταση και η διαχείριση νέων μονάδων δίσκου μπορεί να προκαλέσει αρκετούς πονοκεφάλους.

Οδηγώντας τη βιομηχανία προς τα εμπρός

Οι εταιρείες τεχνητής νοημοσύνης βαθιάς τεχνολογίας αντιμετωπίζουν πολλά από τα ίδια προβλήματα με τις νεοφυείς επιχειρήσεις σε άλλους κλάδους, αλλά και μερικές μοναδικές προκλήσεις. Τα τεράστια σύνολα δεδομένων που απαιτούνται για την εκπαίδευση μοντέλων τεχνητής νοημοσύνης, για παράδειγμα, συνοδεύονται από την αντίστοιχη ανάγκη για υπολογιστικές και αποθηκευτικές δυνατότητες υψηλής ισχύος, οι οποίες είναι συχνά απρόσιτες για νέους οργανισμούς που λειτουργούν με χρηματοδότηση εκκίνησης.

Αυτός είναι ο λόγος για τον οποίο πολλές εταιρείες τεχνητής νοημοσύνης είναι από προεπιλογή εγγενείς στο cloud. Το Cloud επιτρέπει σε οργανισμούς σαν αυτούς να κλιμακώνονται πιο εύκολα χωρίς να πληρώνουν προκαταβολικά για την υποδομή, για να μην αναφέρουμε ότι επωφελούνται από διαχειριζόμενες λύσεις που αφαιρούν την ανάγκη για καθημερινή διαχείριση από τους ιδρυτές και τις ομάδες τους. Ωστόσο, οι νεοφυείς επιχειρήσεις πρέπει να δίνουν προσοχή όταν συντάσσουν τη συμφωνία τους για τις υπηρεσίες cloud και να φροντίζουν να αποφεύγουν τόσο το σπειροειδές όσο και το κρυφό κόστος. η λανθασμένη ρύθμιση ή ο λάθος πάροχος – για παράδειγμα, η υπερβολική χρέωση για το κόστος εισόδου/εξόδου – μπορεί να οδηγήσει σε τεχνολογική επιβάρυνση. Αλλά με τον κατάλληλο συνεργάτη, τη σωστή λύση και μια πραγματικά συνεργατική προσέγγιση, οι νεοφυείς επιχειρήσεις μπορούν να ξεχάσουν τις διοικητικές λεπτομέρειες και αντ' αυτού να επικεντρωθούν στην κύρια αποστολή τους: τη δημιουργία ενός νέου κόσμου τεχνητής νοημοσύνης.

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoAiStream. Web3 Data Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• Minting the Future με την Adryenn Ashley. Πρόσβαση εδώ.
• Αγορά και πώληση μετοχών σε εταιρείες PRE-IPO με το PREIPO®. Πρόσβαση εδώ.
• πηγή: https://dataconomy.com/2023/05/24/who-co-pilots-the-co-pilots-why-ai-needs-cloud-support/