副操縦士は誰ですか？ AI にクラウド サポートが必要な理由

過去 XNUMX か月間、私たちは基礎モデル、テクノロジー、需要における最新の進歩を活用して、膨大な数の新しい AI 組織が開発されるのを見てきました。 AI は「自動操縦」ではなく「副操縦士」として機能すると見なされることも多いですが、古典的なコンピューティングと比較して、AI が達成できる驚くべき偉業は依然として数多くあります。 最近、正確なテキストから手話への変換、多言語の文字起こし、リアルなアバターによる自動音声ビデオ生成などを提供できるスタートアップを目にしました。

しかし、すべてのスタートアップやスケールアップと同様、これらの新しい組織も多くの課題に直面しています。 AI 業界に特有のものもあれば、すべての成長ブランドに共通のものもあります。 しかし、適切なレベルのサポートがあれば、創業者は成功し、業界と人類を前進させることができます。

AI モデルをトレーニングするための高い計算能力

AI 組織が直面する主な課題の XNUMX つはトレーニングです。 AI モデルのトレーニングには大量の計算能力が必要ですが、設備投資ベースではなく運用コストで運営する傾向があるディープテック企業にとっては困難になる可能性があります。 ニューラル ネットワークなどの深層学習アルゴリズムでは、最適な結果を達成するために多数の反復と調整が必要です。 高性能コンピューティング リソースにアクセスできない場合、これには時間と費用がかかる可能性があります。 さらに、このデータはどこかに保存する必要があり、完全に購入すると法外な費用がかかり、維持にも費用がかかる可能性があります。

リソース割り当てとコスト管理の柔軟性

AI モデルのトレーニングとデプロイに必要なリソース要件は、モデルの複雑さとデータセットのサイズによって大きく異なります。 ほとんどの新興企業と同様に、会社の方向性はほぼ一夜にして変わる可能性があり、人材とテクノロジー インフラストラクチャの両方にとって困難になる可能性があります。 その結果、ほとんどの AI スタートアップは、物事が別の方向に動き始めたときに新しいハードウェアに方向転換できるように、デフォルトでクラウドネイティブになっています。

下位互換性の問題

TensorFlow や PyTorch などの AI フレームワークは継続的に更新および改善されていますが、これらのフレームワークの反復の多くには以前のバージョンとの下位互換性がありません。 これにより、組織は最新のフレームワークを常に最新の状態に保つことが重要なプレッシャーとなり、機能上の問題が発生したり、ダウンタイムが発生したりする危険性があります。 ユーザーはスタートアップ企業が初期の問題を抱えていると予想することがよくありますが、ダウンタイムが長時間に及ぶと信頼が劇的に損なわれる可能性があります。

これらの問題を念頭に置いて、成功している既存の AI スタートアップ企業はどのように課題を克服しているのでしょうか?

AI の実践: OVHcloud が Customs Bridge の必須機能を強化

Customs Bridge は、人工知能アルゴリズムを使用して、ヨーロッパの輸入業者を対象とした自動製品分類エンジンを作成する「ディープ テック」スタートアップです。 同社の使命は、説明が完全に正式化されていない製品に正しい税関コードを割り当てるために、可能な限り最も信頼性の高い製品分類エンジンを作成することです。

しかし、Customs Bridge は AI モデルのトレーニングにおいて大きな課題に直面していました。 オンプレミスのインフラストラクチャには制限があり、大規模なデータ処理要件があり、最先端の AI フレームワークが必要でした。 既存のインフラストラクチャでは、AI モデルを効果的にトレーニングしてデプロイするには十分ではなく、モデルのトレーニングに必要な大量のデータにアクセスして処理することが困難でした。

これらの課題を克服するために、Customs Bridge は次のことに目を向けました。 OVHcloud の AI および機械学習ソリューション。 チームは、OVHcloud のモデル トレーニング ソリューションである AI Training を実装し、OVHcloud インスタンスを利用してモデルを本番環境にデプロイし、データ パワー パイプラインをサポートしました。 これにより、Customs Bridge は大量のデータを処理し、AI モデルを強化し、全体的な生産性と効率を向上させることができました。

Customs Bridge は、OVHcloud のリソースをデータ強化と高度な AI モデル トレーニングに活用することができました。 彼らは最初の Transformers モデルをトレーニングするために約 2.5 TB のデータに依存していましたが、OVHcloud が提供する NVIDIA V250,000 GPU のおかげで、30 ラインでの Transformers のトレーニングにかかる​​コンピューティング時間はわずか約 100 分でした。 これは高速かつ低コストであり、Customs Bridge はインフラストラクチャを制限することなくデータ量を拡張できるようになりました。 クラウドベースのアプローチにより、同社は、希望する精度を達成するために必要な量が見つかるまで、自由に実験できるようになりました。

AI モデル トレーニングの柔軟性とスケーラビリティの向上に加えて、Customs Bridge は、費用対効果が高く効率的なリソース割り当て、AI フレームワークの実装と展開の簡素化、最適な結果を得るためにイノベーションと実験を可能にする機能からも恩恵を受けました。 OVHcloud の AI および機械学習ソリューションを活用することで、Customs Bridge は課題を克服し、革新的で効果的な商品分類エンジンを構築することができました。

特化したクラウド サービスでディープ テクノロジーを進化させる

成長を続ける AI スタートアップの最初のステップの XNUMX つは、競合他社を理解するという観点だけではなく、そのエコシステムを理解することです。 メンタリングや管理支援、または上記の例の場合はテクノロジー インフラストラクチャのサポートを直接支援できるインキュベーター、アクセラレーター、サポート スキームを提供する組織が数多くあります。

クラウド サービスは柔軟なリソース割り当てとコスト管理を提供するため、ディープテック企業はニーズが変化したときにリソースを変更できます。 この適応性により、企業は必要なリソースに対してのみ支払うことが保証され、リソースをより効率的に割り当て、設備投資ではなく運用コストに基づいて運営できるようになります。

拡張可能なストレージ ソリューションもクラウド サービス モデルの重要な部分です。 これらのソリューションを使用すると、ディープテック企業は大量のデータを処理して保存し、AI モデルをトレーニングできるようになります。 これらのソリューションは、容易に拡張できるように作成されており、新しいドライブの設置と管理が多くの問題を引き起こす可能性がある物理ストレージとは異なり、AI 企業がサービスを中断することなくデータ量を増やすことができます。

業界を前進させる

ディープテック AI 企業は、他の業界の新興企業と同じ問題の多くを経験していますが、いくつかの特有の課題も抱えています。 たとえば、AI モデルのトレーニングに必要な膨大なデータセットには、それに対応して高出力のコンピューティング機能とストレージ機能が必要ですが、シード資金で運営している若い組織には手が届かないことがよくあります。

これが、多くの AI 企業がデフォルトでクラウドネイティブである理由です。 クラウドを使用すると、このような組織は、インフラストラクチャに前払いすることなく、より簡単に拡張できるようになり、創設者やそのチームによる日常の管理の必要性がなくなるマネージド ソリューションの恩恵を受けることは言うまでもない。 ただし、スタートアップ企業はクラウド サービス契約を設定する際に注意を払い、スパイラルなコストと隠れたコストの両方を回避するように注意する必要があります。 間違ったセットアップや間違ったプロバイダー (たとえば、受信/送信コストの過剰請求) は、技術的な負担を引き起こす可能性があります。 しかし、適切なパートナー、適切なソリューション、真に協力的なアプローチがあれば、スタートアップ企業は管理上の詳細を忘れて、代わりに AI の新しい世界を創造するという主要な使命に集中することができます。

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• プラトアイストリーム。 Web3 データ インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• 未来を鋳造する w エイドリエン・アシュリー。 こちらからアクセスしてください。
• PREIPO® を使用して PRE-IPO 企業の株式を売買します。 こちらからアクセスしてください。
• 情報源： https://dataconomy.com/2023/05/24/who-co-pilots-the-co-pilots-why-ai-needs-cloud-support/