מי טייס המשנה בטייסי המשנה? מדוע AI זקוק לתמיכה בענן

מי טייס המשנה בטייסי המשנה? מדוע AI זקוק לתמיכה בענן

חותמת זמן: 24 במאי 2023 10:11
צומת המקור: 2675068

מי טייס המשנה בטייסי המשנה? מדוע AI זקוק לתמיכה בענן
ב-12 החודשים האחרונים ראינו מספר עצום של ארגוני בינה מלאכותית מתפתחים, תוך ניצול ההתקדמות העדכנית ביותר במודלים בסיסיים, בטכנולוגיה ובביקוש. למרות שלעתים קרובות רואים בינה מלאכותית כ"טייס משנה" ולא כ"טייס אוטומטי", עדיין יש הרבה הישגים מדהימים שהיא יכולה להשיג, בהשוואה למחשוב קלאסי. לאחרונה ראינו סטארט-אפים שיכולים להציע שפת טקסט לסימנים מדויקת, תמלול רב שפות ויצירת וידאו דיבור אוטומטי עם אווטרים ריאליסטיים, אם להזכיר רק כמה.

עם זאת, כמו כל סטארט-אפים ו-scale-ups, הארגונים החדשים הללו מתמודדים עם אתגרים רבים; חלקם ספציפיים לתעשיית הבינה המלאכותית, ואחרים משותפים לכל מותגי הצמיחה. אבל עם רמת התמיכה הנכונה, מייסדים יכולים לפרוח, לעזור להניע את התעשייה - ואת האנושות - קדימה.

מי טייס המשנה בטייסי המשנה? מדוע AI זקוק לתמיכה בענן

כוח חישוב גבוה לאימון מודלים של AI

אחד האתגרים העיקריים שעמם מתמודדים ארגוני בינה מלאכותית הוא ההדרכה. אימון מודלים של AI דורש כמות משמעותית של כוח חישוב, מה שעלול להיות מאתגר עבור חברות טכנולוגיות עמוקות הנוטות לפעול על בסיס opex, ולא על בסיס השקעה. אלגוריתמי למידה עמוקה, כמו רשתות עצביות, דורשים מספר רב של איטרציות והתאמות כדי להשיג תוצאות מיטביות. זה יכול לקחת זמן ויקר ללא גישה למשאבי מחשוב בעלי ביצועים גבוהים. יתרה מזאת, יש לאחסן את הנתונים הללו במקום כלשהו, ​​ורכישה זו עשויה להיות בלתי נסבלת ברכישה מוחלטת ויקרה לתחזוקה.

גמישות בהקצאת משאבים וניהול עלויות

דרישות המשאבים לאימון ופריסה של מודלים של AI עשויות להשתנות מאוד בהתאם למורכבות המודל ולגודל מערך הנתונים. כמו רוב הסטארט-אפים, הכיוון של החברה יכול להשתנות כמעט בן לילה, ויכול להיות מאתגר הן עבור אנשים והן עבור תשתית טכנולוגית. כתוצאה מכך, רוב הסטארט-אפים בינה מלאכותית הם מקוריים בענן כברירת מחדל כדי לסייע בפיבוט לחומרה חדשה כאשר דברים מתחילים לנוע בכיוון אחר.

בעיות תאימות לאחור

מסגרות בינה מלאכותית כגון TensorFlow ו- PyTorch מתעדכנות ומשופרות ללא הרף, אך מספר איטרציות מסגרת אלו לא היו תואמות לאחור לגרסאות קודמות. זה מפעיל לחץ משמעותי על ארגונים להתעדכן במסגרת העדכנית ביותר, או שהם מסתכנים בבעיות פונקציונליות או אפילו השבתה. למרות שמשתמשים מצפים לעתים קרובות לסטארט-אפים לבעיות בקיעת שיניים, כמויות גדולות של זמן השבתה עלולות לשחוק באופן דרמטי את האמון.

עם נושאים אלו בחשבון, כיצד סטארטאפים קיימים ומוצלחים בינה מלאכותית התגברו על האתגרים שלהם?

מי טייס המשנה בטייסי המשנה? מדוע AI זקוק לתמיכה בענן

בינה מלאכותית בפועל: OVHcloud מעצימה את הדברים החיוניים של Customs Bridge

Customs Bridge הוא סטארט-אפ "טכנולוגי עמוק" המשתמש באלגוריתמים של בינה מלאכותית כדי ליצור מנוע אוטומטי לסיווג מוצרים, המיועד ליבואנים אירופאים. משימתה של החברה היא ליצור את מנוע סיווג המוצרים האמין ביותר שניתן להקצות את קוד המכס הנכון למוצר שתיאורו אינו רשמי לחלוטין.

עם זאת, גשר המכס התמודד עם אתגרים משמעותיים באימון דגמי הבינה המלאכותית שלהם. היו להם תשתית מקומית מוגבלת, דרישות עיבוד נתונים בקנה מידה גדול והצורך במסגרות AI חדישות. התשתית הקיימת שלהם לא הספיקה כדי לאמן ולפרוס את דגמי הבינה המלאכותית שלהם ביעילות, והם התמודדו עם קשיים בגישה ועיבוד כמויות גדולות של נתונים הנדרשים לאימון המודלים שלהם.

כדי להתגבר על האתגרים הללו, פנה גשר המכס פתרונות בינה מלאכותית ולמידת מכונה של OVHcloud. הצוות הטמיע את פתרון הדרכה למודלים של OVHcloud, AI Training, והשתמש במופעי OVHcloud כדי לפרוס מודלים לייצור ולתמוך בצינור החשמל של הנתונים. זה איפשר ל-Customs Bridge לעבד כמויות גדולות של נתונים, לשפר את דגמי הבינה המלאכותית שלו ולשפר את הפרודוקטיביות והיעילות הכוללת שלו.

Customs Bridge הצליח למנף את המשאבים של OVHcloud לשיפור נתונים והדרכה מתקדמת של מודל AI. הם הסתמכו על כ-2.5 טרה-בייט של נתונים כדי להכשיר את דגמי הרובוטריקים הראשונים שלהם, ואימון רובוטריקים על 250,000 קווים ארך רק כ-30 דקות של זמן מחשוב, הודות למעבדי ה-NVIDIA V100 GPU שסופקו על ידי OVHcloud. זה היה מהיר וגם זול, וזה איפשר ל- Customs Bridge להגדיל את נפחי הנתונים שלו מבלי להגביל את התשתית שלו. הגישה מבוססת הענן העניקה לחברה חופש רב להתנסות עד שמצאו את הנפח הדרוש כדי להשיג את הדיוק שרצו.

בנוסף לגמישות והרחבה משופרות לאימון מודלים של בינה מלאכותית, Customs Bridge נהנתה גם מהקצאת משאבים חסכונית ויעילה, הטמעה ופריסה מפושטת של מסגרות בינה מלאכותית, והיכולת לאפשר חדשנות וניסויים לתוצאות מיטביות. על ידי מינוף פתרונות הבינה המלאכותית ו- Machine Learning של OVHcloud, Customs Bridge הצליח להתגבר על האתגרים שלו ולבנות מנוע סיווג מוצרים חדשני ויעיל.

טכנולוגיה עמוקה משדרגת עם שירותי ענן מיוחדים

אחד הצעדים הראשונים של סטארט-אפ בינה מלאכותית צומחת הוא להבין את המערכת האקולוגית שלו - ולא רק במונחים של הבנת המתחרים. ישנם ארגונים רבים המציעים חממות, מאיצים ותכניות תמיכה שיכולות לסייע ישירות בהדרכה ובסיוע בניהול, או במקרה של הדוגמה לעיל, תמיכה בתשתית טכנולוגית.

שירותי ענן מציעים הקצאת משאבים גמישה וניהול עלויות, המאפשרים לחברות טכנולוגיה עמוקה לשנות את המשאבים שלהן כאשר הצרכים משתנים. יכולת הסתגלות זו מבטיחה שחברות משלמות רק עבור המשאבים שהן דורשות, מה שמאפשר להן להקצות את המשאבים שלהן בצורה יעילה יותר, ולפעול על בסיס אופקס, ולא השקעה.

פתרונות אחסון הניתנים להרחבה הם גם חלק חשוב ממודל שירותי הענן. עם פתרונות אלה, חברות טכנולוגיות עמוקות יכולות לעבד ולאחסן כמויות גדולות של נתונים, מה שמאפשר להן לאמן את מודל הבינה המלאכותית שלהן. פתרונות אלה נוצרו להרחבה בקלות, מה שמבטיח שחברות בינה מלאכותית יכולות להגדיל את נפחי הנתונים שלהן ללא כל הפרעה לשירות - בניגוד לאחסון פיזי, שבו התקנה וניהול של כוננים חדשים יכולים לגרום למספר כאבי ראש.

מניע את הענף קדימה

חברות בינה מלאכותית עמוקה חוות הרבה מאותן בעיות כמו סטארט-אפים בתעשיות אחרות, אבל גם כמה אתגרים ייחודיים. מערכי הנתונים העצומים הנדרשים להכשרת מודלים של בינה מלאכותית, למשל, מגיעים עם צורך מקביל ליכולות מחשוב ואחסון בעלות הספק גבוה, שלעתים קרובות אינם בהישג ידם של ארגונים צעירים הפועלים על מימון ראשוני.

זו הסיבה שחברות בינה מלאכותיות רבות הן מקוריות בענן כברירת מחדל. ענן מאפשר לארגונים כמו אלה להתרחב בקלות רבה יותר מבלי לשלם מראש עבור תשתית, שלא לדבר על תועלת מפתרונות מנוהלים שמסירים את הצורך בניהול שוטף מהמייסדים והצוותים שלהם. עם זאת, סטארט-אפים חייבים לשים לב בעת הגדרת הסכם שירותי הענן שלהם ולדאוג למנוע הן עלויות ספירליות והן עלויות נסתרות; ההגדרה השגויה או הספק השגוי - חיוב יתר עבור עלויות כניסה / יציאה, למשל - עלול לגרום לעומס טכנולוגי. אבל עם השותף הנכון, הפתרון הנכון וגישה שיתופית באמת, סטארטאפים יכולים לשכוח מהפרטים הניהוליים ובמקום זאת להתמקד במשימה העיקרית שלהם: יצירת עולם חדש של AI.



בול זמן:

עוד מ דאטונומיה