Kuka ohjaa perämiehiä? Miksi tekoäly tarvitsee pilvituen

Julkaissut Platon

seuraajia: 0

Viimeisen kahdentoista kuukauden aikana olemme nähneet valtavan määrän uusia tekoälyorganisaatioita kehittyneen hyödyntäen uusimpia edistysaskeleita perusmalleissa, teknologiassa ja kysynnässä. Vaikka tekoälyn nähdään usein toimivan "perämiehenä" eikä "automaattiohjaajana", se voi silti saavuttaa monia merkittäviä saavutuksia verrattuna klassiseen tietojenkäsittelyyn. Olemme viime aikoina nähneet startup-yrityksiä, jotka voivat tarjota tarkan tekstin viittomakielen, monikielisen transkription ja automaattisen puhevideon luomisen realistisilla avatarilla.

Kuitenkin, kuten kaikki startupit ja laajenevat yritykset, nämä uudet organisaatiot kohtaavat monia haasteita; jotkut ovat ominaisia tekoälyteollisuudelle, ja toiset ovat yhteisiä kaikille kasvubrändeille. Mutta oikealla tuella perustajat voivat kukoistaa ja auttaa viemään alaa – ja ihmiskuntaa – eteenpäin.

Kuka ohjaa perämiehiä? Miksi tekoäly tarvitsee pilvituen

Suuri laskentateho tekoälymallien harjoittamiseen

Yksi tekoälyorganisaatioiden suurimmista haasteista on koulutus. Tekoälymallien kouluttaminen vaatii huomattavan määrän laskentatehoa, mikä voi olla haastavaa syväteknologiayhtiöille, jotka toimivat yleensä opex-periaatteella eikä capex-periaatteella. Syväoppimisalgoritmit, kuten hermoverkot, vaativat suuren määrän iteraatioita ja säätöjä optimaalisten tulosten saavuttamiseksi. Tämä voi olla aikaa vievää ja kallista ilman korkean suorituskyvyn laskentaresursseja. Lisäksi nämä tiedot on tallennettava jonnekin, ja niiden ostaminen voi olla kustannuksiltaan estettävää ja kallista ylläpitää.

Joustavuutta resurssien allokoinnissa ja kustannusten hallinnassa

Tekoälymallien koulutuksen ja käyttöönoton resurssivaatimukset voivat vaihdella suuresti riippuen mallin monimutkaisuudesta ja tietojoukon koosta. Kuten useimmat startupit, myös yrityksen suunta voi muuttua melkein yhdessä yössä ja voi olla haastavaa sekä ihmisille että teknologiainfrastruktuurille. Näin ollen useimmat AI-käynnistysyritykset ovat oletuksena pilvipohjaisia, jotta ne voivat siirtyä uuteen laitteistoon, kun asiat alkavat liikkua eri suuntaan.

Taaksepäin yhteensopivuusongelmia

Tekoälykehykset, kuten TensorFlow ja PyTorch, päivitetään ja parannetaan jatkuvasti, mutta monet näistä viitekehyksen iteraatioista eivät ole olleet taaksepäin yhteensopivia aiempien versioiden kanssa. Tämä asettaa organisaatioille merkittäviä paineita pysyä ajan tasalla uusimmasta viitekehyksestä, tai ne vaarantavat toiminnallisuusongelmia tai jopa käyttökatkoksia. Vaikka käyttäjät odottavat usein startup-yrityksillä syntyviä ongelmia, suuret seisokit voivat heikentää luottamusta dramaattisesti.

Kun nämä ongelmat ovat mielessä, kuinka nykyiset menestyvät tekoälystartupit ovat voineet haasteensa?

Kuka ohjaa perämiehiä? Miksi tekoäly tarvitsee pilvituen

Tekoäly käytännössä: OVHcloud antaa käyttöön Customs Bridgen olennaiset asiat

Customs Bridge on "deep tech" -startup, joka käyttää tekoälyalgoritmeja luodakseen automaattisen tuoteluokitusmoottorin, joka on suunnattu eurooppalaisille maahantuojille. Yrityksen missiona on luoda mahdollisimman luotettava tuoteluokituskoneisto, jolla voidaan antaa oikea tullikoodi tuotteelle, jonka kuvausta ei ole täysin virallistettu.

Tulli Bridge kohtasi kuitenkin merkittäviä haasteita tekoälymallien kouluttamisessa. Heillä oli rajallinen paikan päällä oleva infrastruktuuri, laajamittaiset tietojenkäsittelyvaatimukset ja tarve uusimpien AI-kehysten käyttöön. Heidän nykyinen infrastruktuurinsa ei riittänyt AI-malliensa tehokkaaseen kouluttamiseen ja käyttöönottoon, ja heillä oli vaikeuksia saada ja käsitellä suuria määriä mallien kouluttamiseen tarvittavaa dataa.

Näiden haasteiden voittamiseksi Tulli Bridge kääntyi OVHcloudin tekoäly- ja koneoppimisratkaisut. Tiimi otti käyttöön OVHcloudin mallikoulutusratkaisun, AI Trainingin, ja hyödynsi OVHcloud-instansseja mallien käyttöönottoon tuotantoon ja datan tehoputkiston tukemiseen. Tämä antoi Customs Bridgelle mahdollisuuden käsitellä suuria tietomääriä, parantaa tekoälymallejaan ja parantaa yleistä tuottavuuttaan ja tehokkuuttaan.

Customs Bridge pystyi hyödyntämään OVHcloudin resursseja tietojen parantamiseen ja edistyneeseen tekoälymallikoulutukseen. He luottivat noin 2.5 Tt:n tietoihin ensimmäisten Transformers-malliensa kouluttamisessa, ja Transformersin kouluttaminen 250,000 30 linjalla kesti vain noin 100 minuuttia laskenta-aikaa OVHcloudin toimittamien NVIDIA VXNUMX -grafiikkasuorittimien ansiosta. Tämä oli sekä nopeaa että edullista, ja sen ansiosta Customs Bridge saattoi skaalata tietomääriään rajoittamatta infrastruktuuriaan. Pilvipohjainen lähestymistapa antoi yritykselle paljon vapautta kokeilla, kunnes he löysivät tarvittavan volyymin saavuttaakseen halutun tarkkuuden.

Tekoälymallikoulutuksen parannetun joustavuuden ja skaalautuvuuden lisäksi Customs Bridge hyötyi myös kustannustehokkaasta ja tehokkaasta resurssien allokoinnista, tekoälykehysten yksinkertaistetusta toteutuksesta ja käyttöönotosta sekä kyvystä mahdollistaa innovointi ja kokeilu optimaalisten tulosten saavuttamiseksi. Hyödyntämällä OVHcloudin tekoäly- ja koneoppimisratkaisuja, Customs Bridge pystyi voittamaan haasteensa ja rakentamaan innovatiivisen ja tehokkaan tuoteluokitusmoottorin.

Syväteknologian nostaminen erikoistuneiden pilvipalvelujen avulla

Yksi kasvavan tekoälystartupin ensimmäisistä askeleista on ymmärtää sen ekosysteemi – eikä vain kilpailun ymmärtämisen kannalta. Monet organisaatiot tarjoavat yrityshautomoita, kiihdyttimiä ja tukijärjestelmiä, jotka voivat auttaa joko suoraan mentorointi- ja johtamisavussa tai yllä olevan esimerkin tapauksessa teknologiainfrastruktuurin tukena.

Pilvipalvelut tarjoavat joustavan resurssien allokoinnin ja kustannusten hallinnan, jolloin syväteknologiayritykset voivat muokata resurssejaan tarpeiden muuttuessa. Tämä sopeutumiskyky takaa sen, että yritykset maksavat vain tarvitsemistaan resursseista, jolloin ne voivat kohdentaa resurssejaan tehokkaammin ja toimia käyttöomaisuuden sijaan.

Myös laajennettavat tallennusratkaisut ovat tärkeä osa pilvipalvelumallia. Näiden ratkaisujen avulla syväteknologiayritykset voivat käsitellä ja tallentaa suuria määriä dataa, jolloin ne voivat kouluttaa tekoälymallejaan. Nämä ratkaisut on luotu skaalautumaan helposti ja varmistavat, että tekoälyyritykset voivat lisätä tietomääriään ilman palvelun keskeytyksiä – toisin kuin fyysinen tallennus, jossa uusien asemien asennus ja hallinta voivat aiheuttaa päänsärkyä.

Ajaa alaa eteenpäin

Deep tech AI -yritykset kohtaavat monia samoja ongelmia kuin startup-yritykset muilla toimialoilla, mutta myös ainutlaatuisia haasteita. Esimerkiksi tekoälymallien kouluttamiseen tarvittavat valtavat tietojoukot edellyttävät vastaavasti suuritehoisia laskenta- ja tallennusominaisuuksia, jotka ovat usein siemenrahoituksella toimivien nuorten organisaatioiden ulottumattomissa.

Tästä syystä monet tekoälyyritykset ovat oletuksena pilvipohjaisia. Pilvi mahdollistaa tällaisten organisaatioiden skaalaamisen helpommin maksamatta etukäteen infrastruktuurista, puhumattakaan siitä, että ne hyötyvät hallituista ratkaisuista, jotka poistavat perustajien ja heidän tiimiensä päivittäisen hallinnan tarpeen. Startup-yritysten tulee kuitenkin kiinnittää huomiota pilvipalvelusopimustaan solmiessaan ja välttää sekä kierteisiä että piilokustannuksia; väärä asennus tai väärä palveluntarjoaja – esimerkiksi sisään- ja poistumiskulujen ylihinnoittelu – voi aiheuttaa teknologiataakan. Mutta oikean kumppanin, oikean ratkaisun ja aidosti yhteistyöhön perustuvan lähestymistavan avulla startupit voivat unohtaa hallinnolliset yksityiskohdat ja keskittyä sen sijaan päätehtäväänsä: uuden tekoälyn maailman luomiseen.