Kto jest drugim pilotem Drugi pilot? Dlaczego sztuczna inteligencja potrzebuje wsparcia w chmurze

Opublikowane ponownie przez Plato

Obserwuje: 0

W ciągu ostatnich dwunastu miesięcy byliśmy świadkami rozwoju ogromnej liczby nowych organizacji zajmujących się sztuczną inteligencją, wykorzystujących najnowsze osiągnięcia w podstawowych modelach, technologii i popycie. Chociaż sztuczna inteligencja jest często postrzegana jako „drugi pilot”, a nie „autopilot”, wciąż istnieje wiele niezwykłych wyczynów, które może osiągnąć w porównaniu z klasycznymi komputerami. Niedawno widzieliśmy startupy, które mogą oferować dokładne przetwarzanie tekstu na język migowy, wielojęzyczną transkrypcję i automatyczne generowanie mowy wideo z realistycznymi awatarami, by wymienić tylko kilka.

Jednak, podobnie jak wszystkie start-upy i przedsiębiorstwa typu scale-up, te nowe organizacje stoją przed wieloma wyzwaniami; niektóre są specyficzne dla branży sztucznej inteligencji, a inne są wspólne dla wszystkich rozwijających się marek. Ale przy odpowiednim poziomie wsparcia założyciele mogą się rozwijać, pomagając napędzać branżę – i ludzkość – do przodu.

Kto pilotuje pilotów? Dlaczego sztuczna inteligencja potrzebuje wsparcia w chmurze

Wysoka moc obliczeniowa do szkolenia modeli AI

Jednym z głównych wyzwań stojących przed organizacjami zajmującymi się sztuczną inteligencją jest szkolenie. Trenowanie modeli sztucznej inteligencji wymaga znacznej mocy obliczeniowej, co może stanowić wyzwanie dla firm zajmujących się głębokimi technologiami, które zwykle działają na zasadzie wydatków operacyjnych, a nie nakładów inwestycyjnych. Algorytmy głębokiego uczenia, takie jak sieci neuronowe, wymagają dużej liczby iteracji i dostosowań, aby osiągnąć optymalne wyniki. Bez dostępu do wysokowydajnych zasobów obliczeniowych może to być czasochłonne i kosztowne. Co więcej, dane te muszą być gdzieś przechowywane, a ich zakup może być nieopłacalny i kosztowny w utrzymaniu.

Elastyczność w alokacji zasobów i zarządzaniu kosztami

Wymagania dotyczące zasobów do szkolenia i wdrażania modeli AI mogą się znacznie różnić w zależności od złożoności modelu i rozmiaru zestawu danych. Podobnie jak w przypadku większości startupów, kierunek firmy może zmienić się niemal z dnia na dzień i może stanowić wyzwanie zarówno dla ludzi, jak i dla infrastruktury technologicznej. W związku z tym większość startupów zajmujących się sztuczną inteligencją jest domyślnie natywnych dla chmury, aby pomóc w przestawieniu się na nowy sprzęt, gdy sprawy zaczną zmierzać w innym kierunku.

Problemy z kompatybilnością wsteczną

Ramy sztucznej inteligencji, takie jak TensorFlow i PyTorch, są stale aktualizowane i ulepszane, ale wiele z tych iteracji nie jest wstecznie kompatybilnych z poprzednimi wersjami. Wywiera to znaczną presję na organizacje, aby były na bieżąco z najnowszymi ramami, w przeciwnym razie ryzykują problemy z funkcjonalnością, a nawet przestoje. Chociaż użytkownicy często spodziewają się, że startupy będą miały początkowe problemy, duże przestoje mogą radykalnie nadszarpnąć zaufanie.

Mając na uwadze te kwestie, w jaki sposób istniejące, odnoszące sukcesy startupy AI radzą sobie z wyzwaniami?

Kto pilotuje pilotów? Dlaczego sztuczna inteligencja potrzebuje wsparcia w chmurze

Sztuczna inteligencja w praktyce: OVHcloud rozszerza podstawowe funkcje mostu celnego

Customs Bridge to startup „deep tech”, który wykorzystuje algorytmy sztucznej inteligencji do stworzenia silnika automatycznej klasyfikacji produktów, skierowanego do europejskich importerów. Misją firmy jest stworzenie jak najbardziej wiarygodnego silnika klasyfikacji produktów, który będzie w stanie nadać właściwy kod celny produktowi, którego opis nie jest w pełni sformalizowany.

Jednak Customs Bridge stanął przed poważnymi wyzwaniami podczas szkolenia swoich modeli sztucznej inteligencji. Mieli ograniczoną infrastrukturę lokalną, wymagania dotyczące przetwarzania danych na dużą skalę i potrzebowali najnowocześniejszych platform sztucznej inteligencji. Ich istniejąca infrastruktura nie była wystarczająca do skutecznego trenowania i wdrażania modeli sztucznej inteligencji, a ponadto napotkali trudności w dostępie i przetwarzaniu dużych ilości danych wymaganych do trenowania swoich modeli.

Aby sprostać tym wyzwaniom, Customs Bridge zwrócił się do Rozwiązania AI i uczenia maszynowego OVHcloud. Zespół wdrożył rozwiązanie do szkolenia modeli OVHcloud, AI Training, i wykorzystał instancje OVHcloud do wdrożenia modeli do produkcji i obsługi potoku zasilania danymi. Dzięki temu Customs Bridge mógł przetwarzać duże ilości danych, ulepszać swoje modele sztucznej inteligencji oraz poprawiać ogólną produktywność i wydajność.

Customs Bridge był w stanie wykorzystać zasoby OVHcloud do ulepszania danych i zaawansowanego szkolenia w zakresie modeli sztucznej inteligencji. Oparli się na około 2.5 TB danych, aby wytrenować swoje pierwsze modele Transformers, a wytrenowanie Transformers na 250,000 30 linii zajęło tylko około 100 minut czasu obliczeniowego dzięki procesorom graficznym NVIDIA VXNUMX dostarczonym przez OVHcloud. Rozwiązanie to było zarówno szybkie, jak i niedrogie, a także umożliwiło mostowi celnemu skalowanie wolumenu danych bez ograniczania jego infrastruktury. Podejście oparte na chmurze dało firmie dużą swobodę eksperymentowania, dopóki nie znalazła wolumenu potrzebnego do osiągnięcia pożądanej precyzji.

Oprócz zwiększonej elastyczności i skalowalności szkolenia w zakresie modeli sztucznej inteligencji, most celny skorzystał również z opłacalnej i wydajnej alokacji zasobów, uproszczonej implementacji i wdrażania ram sztucznej inteligencji oraz możliwości umożliwienia innowacji i eksperymentowania w celu uzyskania optymalnych wyników. Wykorzystując rozwiązania OVHcloud oparte na sztucznej inteligencji i uczeniu maszynowym, firma Customs Bridge była w stanie sprostać wyzwaniom i zbudować innowacyjny i skuteczny silnik klasyfikacji produktów.

Podnieś poziom głębokiej technologii dzięki wyspecjalizowanym usługom w chmurze

Jednym z pierwszych kroków dla rozwijającego się startupu zajmującego się sztuczną inteligencją jest zrozumienie jego ekosystemu – i to nie tylko pod kątem zrozumienia konkurencji. Istnieje wiele organizacji, które oferują inkubatory, akceleratory i programy wsparcia, które mogą albo bezpośrednio pomóc w postaci mentoringu i pomocy w zarządzaniu, albo w przypadku powyższego przykładu, wsparcia w zakresie infrastruktury technologicznej.

Usługi w chmurze oferują elastyczną alokację zasobów i zarządzanie kosztami, pozwalając firmom zajmującym się zaawansowanymi technologiami modyfikować swoje zasoby, gdy zmieniają się potrzeby. Ta zdolność adaptacji gwarantuje, że firmy płacą tylko za zasoby, których potrzebują, co pozwala im na bardziej efektywną alokację zasobów i działanie na zasadzie wydatków operacyjnych, a nie nakładów inwestycyjnych.

Rozszerzalne rozwiązania pamięci masowej są również ważną częścią modelu usług w chmurze. Dzięki tym rozwiązaniom firmy zajmujące się zaawansowanymi technologiami mogą przetwarzać i przechowywać duże ilości danych, co pozwala im trenować modele sztucznej inteligencji. Rozwiązania te są tworzone z myślą o łatwym skalowaniu, dzięki czemu firmy zajmujące się sztuczną inteligencją mogą zwiększać ilość danych bez żadnych przerw w świadczeniu usług — w przeciwieństwie do fizycznych pamięci masowych, w przypadku których instalacja nowych dysków i zarządzanie nimi może powodować wiele problemów.

Napędzanie branży do przodu

Firmy zajmujące się sztuczną inteligencją deep tech napotykają wiele takich samych problemów, jak start-upy w innych branżach, ale także pewne wyjątkowe wyzwania. Na przykład ogromne zbiory danych wymagane do szkolenia modeli sztucznej inteligencji wiążą się z odpowiednim zapotrzebowaniem na moc obliczeniową i pamięć masową, które często są poza zasięgiem młodych organizacji korzystających z funduszy początkowych.

Właśnie dlatego wiele firm zajmujących się sztuczną inteligencją jest domyślnie natywnych dla chmury. Chmura umożliwia takim organizacjom łatwiejsze skalowanie bez płacenia z góry za infrastrukturę, nie wspominając o korzystaniu z rozwiązań zarządzanych, które eliminują potrzebę codziennego zarządzania od założycieli i ich zespołów. Jednak startupy muszą zachować ostrożność przy zawieraniu umowy na usługi w chmurze i uważać, aby uniknąć zarówno spirali, jak i ukrytych kosztów; niewłaściwa konfiguracja lub niewłaściwy dostawca — na przykład nadmierne obciążanie kosztami wejścia/wyjścia — może skutkować obciążeniem technologicznym. Ale mając odpowiedniego partnera, właściwe rozwiązanie i prawdziwie oparte na współpracy podejście, startupy mogą zapomnieć o szczegółach administracyjnych i zamiast tego skupić się na swojej głównej misji: tworzeniu nowego świata sztucznej inteligencji.