Хто пілотує других пілотів? Чому ШІ потрібна хмарна підтримка

Хто пілотує других пілотів? Чому ШІ потрібна хмарна підтримка

Мітка часу: 24 травня 2023 10:11
Вихідний вузол: 2675068

Хто пілотує других пілотів? Чому ШІ потрібна хмарна підтримка
За останні дванадцять місяців ми спостерігали за розробкою величезної кількості нових організацій ШІ, використовуючи переваги останніх досягнень у базових моделях, технологіях і попиті. Хоча штучний інтелект часто вважається «другим пілотом», а не «автопілотом», у порівнянні з класичними обчисленнями він може досягти багатьох чудових результатів. Нещодавно ми бачили стартапи, які можуть запропонувати точне перетворення тексту в мову жестів, багатомовну транскрипцію та автоматичну генерацію відеомовлення з реалістичними аватарами, і це лише деякі з них.

Однак, як і всі стартапи та масштаби, ці нові організації стикаються з багатьма проблемами; деякі є специфічними для галузі штучного інтелекту, а інші є спільними для всіх брендів, що розвиваються. Але за належного рівня підтримки засновники можуть процвітати, допомагаючи розвивати галузь і людство.

Хто пілотує других пілотів? Чому ШІ потрібна хмарна підтримка

Висока обчислювальна потужність для навчання моделей ШІ

Одна з головних проблем, з якою стикаються організації ШІ, – це навчання. Навчання моделей штучного інтелекту вимагає значної обчислювальної потужності, що може бути складним для компаній глибоких технологій, які працюють на основі операційних витрат, а не капітальних. Алгоритми глибокого навчання, такі як нейронні мережі, потребують великої кількості ітерацій і коригувань для досягнення оптимальних результатів. Без доступу до високопродуктивних обчислювальних ресурсів це може зайняти багато часу та витрат. Крім того, ці дані потрібно десь зберігати, і це може бути непомірно дорогим для прямого придбання та дорогим для обслуговування.

Гнучкість у розподілі ресурсів і управлінні витратами

Вимоги до ресурсів для навчання та розгортання моделей ШІ можуть значно відрізнятися залежно від складності моделі та розміру набору даних. Як і більшість стартапів, напрямок діяльності компанії може змінитися майже миттєво, і це може бути складним як для людей, так і для технологічної інфраструктури. Отже, більшість стартапів зі штучним інтелектом за замовчуванням працюють у хмарі, щоб допомогти перейти на нове обладнання, коли щось починає рухатися в іншому напрямку.

Проблеми із зворотною сумісністю

Фреймворки AI, такі як TensorFlow і PyTorch, постійно оновлюються та вдосконалюються, але деякі з цих ітерацій фреймворків не були зворотно сумісними з попередніми версіями. Це створює суттєвий тиск на організації, щоб оновлювати найновішу структуру, інакше вони ризикують проблемами з функціональністю або навіть простоєм. Хоча користувачі часто очікують, що стартапи матимуть проблеми з прорізуванням зубів, велика кількість простоїв може різко підірвати довіру.

З огляду на ці проблеми, як існуючі успішні стартапи зі штучним інтелектом подолали свої виклики?

Хто пілотує других пілотів? Чому ШІ потрібна хмарна підтримка

ШІ на практиці: OVHcloud розширює можливості Customs Bridge

Customs Bridge — це «глибокий» стартап, який використовує алгоритми штучного інтелекту для створення механізму автоматичної класифікації продуктів, орієнтованого на європейських імпортерів. Місія компанії полягає в тому, щоб створити найнадійніший механізм класифікації продуктів, щоб призначити правильний митний код продукту, опис якого не є повністю формалізованим.

Однак Customs Bridge зіткнувся зі значними труднощами під час навчання своїх моделей ШІ. У них була обмежена локальна інфраструктура, вимоги до великомасштабної обробки даних і потреба в найсучасніших структурах ШІ. Існуюча інфраструктура була недостатньою для ефективного навчання та розгортання моделей штучного інтелекту, і вони зіткнулися з труднощами в доступі та обробці великих обсягів даних, необхідних для навчання своїх моделей.

Щоб подолати ці виклики, Митний міст звернувся до Рішення OVHcloud для штучного інтелекту та машинного навчання. Команда реалізувала рішення для навчання моделям OVHcloud, AI Training, і використовувала екземпляри OVHcloud для розгортання моделей у виробництві та підтримки конвеєра живлення даних. Це дозволило Customs Bridge обробляти великі обсяги даних, вдосконалювати моделі ШІ та покращувати загальну продуктивність і ефективність.

Customs Bridge зміг використати ресурси OVHcloud для вдосконалення даних і вдосконаленого навчання моделі ШІ. Вони покладалися на приблизно 2.5 ТБ даних для навчання своїх перших моделей Transformers, а навчання Transformers на 250,000 30 рядків зайняло лише близько 100 хвилин обчислювального часу завдяки графічним процесорам NVIDIA VXNUMX, наданим OVHcloud. Це було швидко й дешево, і це дозволило Customs Bridge збільшити обсяги даних, не обмежуючи свою інфраструктуру. Хмарний підхід дав компанії багато свободи для експериментів, доки вони не знайшли обсяг, необхідний для досягнення потрібної точності.

На додаток до покращеної гнучкості та масштабованості для навчання моделям AI, Customs Bridge також виграв від рентабельного та ефективного розподілу ресурсів, спрощеного впровадження та розгортання фреймворків AI, а також можливості впроваджувати інновації та експериментувати для досягнення оптимальних результатів. Використовуючи рішення OVHcloud зі штучним інтелектом і машинним навчанням, Customs Bridge зміг подолати труднощі та створити інноваційний і ефективний механізм класифікації продуктів.

Розвиток глибоких технологій за допомогою спеціалізованих хмарних сервісів

Одним із перших кроків для зростаючого стартапу зі штучним інтелектом є розуміння його екосистеми, а не лише з точки зору розуміння конкуренції. Є багато організацій, які пропонують інкубатори, прискорювачі та схеми підтримки, які можуть або допомогти безпосередньо з наставництвом та допомогою в управлінні, або, у випадку з наведеного вище прикладу, підтримкою технологічної інфраструктури.

Хмарні сервіси пропонують гнучкий розподіл ресурсів і управління витратами, що дозволяє компаніям із глибокими технологіями змінювати свої ресурси, коли потреби змінюються. Ця адаптивність гарантує, що компанії платять лише за ті ресурси, які їм потрібні, що дозволяє їм розподіляти ресурси більш ефективно та працювати на основі операційних витрат, а не капітальних.

Розширювані рішення для зберігання даних також є важливою частиною моделі хмарних сервісів. За допомогою цих рішень компанії глибоких технологій можуть обробляти та зберігати великі обсяги даних, що дозволяє їм навчати свої моделі ШІ. Ці рішення створено для легкого масштабування, гарантуючи, що фірми зі штучним інтелектом можуть збільшувати обсяги своїх даних без будь-яких перерв у обслуговуванні – на відміну від фізичних сховищ, де встановлення та керування новими дисками може спричинити низку головних болів.

Просування галузі вперед

Компанії, що займаються глибокими технологіями штучного інтелекту, стикаються з багатьма проблемами, що й стартапи в інших галузях, але також мають деякі унікальні проблеми. Величезні набори даних, необхідні для навчання моделей штучного інтелекту, наприклад, пов’язані з відповідною потребою у потужних обчислювальних ресурсах і можливостях зберігання, які часто недоступні для молодих організацій, які працюють на початковому фінансуванні.

Ось чому багато компаній зі штучним інтелектом за замовчуванням працюють у хмарі. Хмара дозволяє подібним організаціям легше масштабуватися, не сплачуючи заздалегідь за інфраструктуру, не кажучи вже про переваги керованих рішень, які позбавляють засновників та їхні команди потреби в повсякденному управлінні. Однак стартапи повинні бути уважними під час укладання угоди про хмарні послуги та подбати про те, щоб уникнути спіральних і прихованих витрат; неправильне налаштування або неправильний постачальник – наприклад, завищення вартості входу/виходу – може призвести до технологічного тягаря. Але з правильним партнером, правильним рішенням і підходом до справжньої співпраці стартапи можуть забути про адміністративні деталі та натомість зосередитися на своїй головній місії: створенні нового світу ШІ.



Часова мітка:

Більше від Економіка даних