Кто пилотирует вторых пилотов? Почему ИИ нужна облачная поддержка

За последние двенадцать месяцев мы стали свидетелями появления огромного количества новых организаций ИИ, использующих преимущества последних достижений в базовых моделях, технологиях и спросе. Хотя ИИ часто рассматривается как «второй пилот», а не как «автопилот», он все же может совершить много замечательных подвигов по сравнению с классическими вычислениями. Недавно мы видели стартапы, которые могут предложить точный перевод текста в язык жестов, многоязычную транскрипцию и автоматическое создание речевого видео с реалистичными аватарами, и это лишь некоторые из них.

Однако, как и все стартапы и масштабы, эти новые организации сталкиваются со многими проблемами; некоторые специфичны для индустрии искусственного интеллекта, а другие являются общими для всех растущих брендов. Но при должном уровне поддержки основатели могут процветать, помогая отрасли и человечеству двигаться вперед.

Высокая вычислительная мощность для обучения моделей ИИ

Одной из основных проблем, с которыми сталкиваются организации ИИ, является обучение. Обучение моделей ИИ требует значительных вычислительных мощностей, что может быть проблемой для компаний, работающих в сфере высоких технологий, которые, как правило, работают на основе операционных, а не капитальных затрат. Алгоритмы глубокого обучения, такие как нейронные сети, требуют большого количества итераций и корректировок для достижения оптимальных результатов. Это может занять много времени и денег без доступа к высокопроизводительным вычислительным ресурсам. Кроме того, эти данные должны где-то храниться, и это может быть непомерно дорогим для покупки напрямую и дорогим в обслуживании.

Гибкость в распределении ресурсов и управлении затратами

Требования к ресурсам для обучения и развертывания моделей ИИ могут сильно различаться в зависимости от сложности модели и размера набора данных. Как и в случае с большинством стартапов, направление развития компании может измениться практически за одну ночь, что может стать проблемой как для людей, так и для технологической инфраструктуры. Следовательно, большинство стартапов ИИ по умолчанию являются облачными, чтобы помочь перейти на новое оборудование, когда дела начнут двигаться в другом направлении.

Проблемы обратной совместимости

Фреймворки искусственного интеллекта, такие как TensorFlow и PyTorch, постоянно обновляются и улучшаются, но ряд итераций этих фреймворков не имеют обратной совместимости с предыдущими версиями. Это оказывает серьезное давление на организации, чтобы они были в курсе последних версий платформы, или они рискуют проблемами с функциональностью или даже простоем. Хотя пользователи часто ожидают, что у стартапов возникнут проблемы с прорезыванием зубов, большое количество простоев может резко подорвать доверие.

Имея в виду эти проблемы, как существующие успешные стартапы ИИ преодолевают свои проблемы?

ИИ на практике: OVHcloud расширяет возможности Customs Bridge

Customs Bridge — это стартап «глубоких технологий», который использует алгоритмы искусственного интеллекта для создания механизма автоматической классификации продуктов, предназначенного для европейских импортеров. Миссия компании состоит в том, чтобы создать максимально надежную систему классификации товаров, позволяющую присвоить правильный таможенный код товару, описание которого не полностью формализовано.

Однако Customs Bridge столкнулась с серьезными проблемами при обучении своих моделей ИИ. У них была ограниченная локальная инфраструктура, требования к крупномасштабной обработке данных и потребность в самых современных платформах искусственного интеллекта. Их существующей инфраструктуры было недостаточно для эффективного обучения и развертывания их моделей ИИ, и они столкнулись с трудностями при доступе и обработке больших объемов данных, необходимых для обучения их моделей.

Чтобы преодолеть эти проблемы, Таможенный мост обратился к Решения OVHcloud для искусственного интеллекта и машинного обучения. Команда внедрила решение OVHcloud для обучения моделей, AI Training, и использовала экземпляры OVHcloud для развертывания моделей в рабочей среде и поддержки конвейера обработки данных. Это позволило Customs Bridge обрабатывать большие объемы данных, улучшать модели искусственного интеллекта и повышать общую производительность и эффективность.

Customs Bridge смогла использовать ресурсы OVHcloud для улучшения данных и расширенного обучения моделей ИИ. Они использовали около 2.5 ТБ данных для обучения своих первых моделей Transformers, а обучение Transformers на 250,000 30 строк заняло всего около 100 минут вычислительного времени благодаря графическим процессорам NVIDIA VXNUMX, предоставленным OVHcloud. Это было быстро и недорого, и это позволило Customs Bridge масштабировать свои объемы данных, не ограничивая свою инфраструктуру. Облачный подход дал компании большую свободу для экспериментов, пока они не нашли объем, необходимый для достижения желаемой точности.

Помимо повышенной гибкости и масштабируемости для обучения модели ИИ, Customs Bridge также выиграла от экономичного и эффективного распределения ресурсов, упрощенного внедрения и развертывания сред ИИ, а также возможности внедрения инноваций и экспериментов для достижения оптимальных результатов. Используя решения OVHcloud для искусственного интеллекта и машинного обучения, Customs Bridge смогла преодолеть свои проблемы и создать инновационный и эффективный механизм классификации продуктов.

Повышение уровня глубоких технологий с помощью специализированных облачных сервисов

Один из первых шагов для растущего стартапа в области искусственного интеллекта — понять свою экосистему, и не только с точки зрения понимания конкурентов. Есть много организаций, которые предлагают инкубаторы, акселераторы и схемы поддержки, которые могут либо напрямую помочь в наставничестве и помощи в управлении, либо, в случае приведенного выше примера, в поддержке технологической инфраструктуры.

Облачные сервисы предлагают гибкое распределение ресурсов и управление затратами, позволяя компаниям, занимающимся глубокими технологиями, модифицировать свои ресурсы при изменении потребностей. Эта адаптивность гарантирует, что компании платят только за те ресурсы, которые им необходимы, что позволяет им более эффективно распределять свои ресурсы и работать на основе операционных, а не капитальных затрат.

Расширяемые решения для хранения данных также являются важной частью модели облачных сервисов. С помощью этих решений компании, занимающиеся глубокими технологиями, могут обрабатывать и хранить большие объемы данных, что позволяет им обучать свои модели ИИ. Эти решения созданы для легкого масштабирования, гарантируя, что фирмы ИИ могут увеличивать свои объемы данных без прерывания обслуживания — в отличие от физического хранилища, где установка и управление новыми дисками может вызвать ряд головных болей.

Движение отрасли вперед

Фирмы, занимающиеся глубокими технологиями ИИ, сталкиваются со многими из тех же проблем, что и стартапы в других отраслях, но также и с некоторыми уникальными проблемами. Например, обширные наборы данных, необходимые для обучения моделей ИИ, сопровождаются соответствующей потребностью в мощных вычислительных мощностях и возможностях хранения, которые часто недоступны для молодых организаций, работающих на начальном финансировании.

Вот почему многие ИИ-компании по умолчанию работают в облаке. Облако позволяет таким организациям легче масштабироваться без предоплаты за инфраструктуру, не говоря уже о преимуществах управляемых решений, которые устраняют необходимость повседневного управления со стороны основателей и их команд. Тем не менее, стартапы должны проявлять осторожность при заключении соглашения об облачных услугах и избегать как растущих, так и скрытых затрат; неправильная настройка или неправильный провайдер — например, завышение стоимости входящего/исходящего трафика — может привести к технологической нагрузке. Но с правильным партнером, правильным решением и по-настоящему совместным подходом стартапы могут забыть об административных деталях и вместо этого сосредоточиться на своей основной миссии: создании нового мира ИИ.

• SEO-контент и PR-распределение. Получите усиление сегодня.
• ПлатонАйСтрим. Анализ данных Web3. Расширение знаний. Доступ здесь.
• Чеканка будущего с Эдриенн Эшли. Доступ здесь.
• Покупайте и продавайте акции компаний PREIPO® с помощью PREIPO®. Доступ здесь.
• Источник: https://dataconomy.com/2023/05/24/who-co-pilots-the-co-pilots-why-ai-needs-cloud-support/