Περιεχόμενα Άρθρου
Είμαστε σχεδόν στο σημείο όπου η τεχνητή νοημοσύνη δεν μπορεί πλέον να οριστεί απλώς ως μια αναδυόμενη τεχνολογία. Είναι εδώ, και ανθεί. Σύμφωνα με τη McKinsey, πάνω από το 70% των εταιρειών παγκοσμίως είτε έχουν ήδη αναπτύξει τεχνολογία βασισμένη στην τεχνητή νοημοσύνη είτε διερευνούν σοβαρά τις δυνατότητές της. Αυτό είναι μόλις 20% το 2017. Μόνο τον περασμένο χρόνο έχουμε δει απίστευτες εξελίξεις στον χώρο της τεχνητής νοημοσύνης, ιδιαίτερα όταν πρόκειται για τη δημιουργία τεχνητής νοημοσύνης και τη χρήση μοντέλων μεγάλων γλωσσών (LLM) για υπολογισμό, προβλέψεις, δημιουργία περιεχομένου και αναλύστε μεγάλα σύνολα δεδομένων σε πραγματικό χρόνο για μια πληθώρα εφαρμογών.
Μελέτες από εταιρείες όπως το HubSpot και η IBM αποκαλύπτουν ότι η τεχνητή νοημοσύνη μπορεί να εξοικονομήσει τους υπαλλήλους περίπου 2,5 ώρες την ημέρα και οι επιχειρήσεις μπορούν να μειώσουν το συνολικό τους κόστος σχεδόν κατά το ένα τρίτο. Ένα ολόκληρο οικοσύστημα συνεργατών και συμπληρωματικών υπηρεσιών διαμορφώνεται τώρα γύρω από την τεχνητή νοημοσύνη και η απήχησή του δεν περιορίζεται μόνο στις επιχειρήσεις. Οι χρήστες του ChatGPT μπορούν πλέον να έχουν ζωντανές συνομιλίες με AI. Η ενημέρωση Llama 3.2 της Meta επιτρέπει στον βοηθό της AI να διαβάζει και να σχολιάζει εικόνες και η Apple Intelligence πρόκειται να εγκαταλείψει την έκδοση beta και να επιτρέπει στους χρήστες να κάνουν τα πάντα, από τη δημιουργία κώδικα έως τη δημιουργία νέων γραφικών, όλα με την τεχνολογία που μπορούν να έχουν στις τσέπες τους.
Η τεχνολογία εκτινάσσεται στα ύψη, αλλά όπως ένας πολυσύχναστος δρόμος με υπερβολική κίνηση, υπάρχει πάντα ένα σημείο συμφόρησης. Η υιοθέτηση της τεχνητής νοημοσύνης είναι εκτός γραφημάτων, οι επιχειρηματικές φιλοδοξίες είναι ισχυρές, αλλά έχουμε την υποδομή συνδεσιμότητας για να ανταποκριθούμε στις ανάγκες χαμηλής καθυστέρησης των νέων εφαρμογών τεχνητής νοημοσύνης; Έρχεται η κίνηση. ίσως ήρθε η ώρα να στρέψουμε την προσοχή μας στους δρόμους.
Το αόρατο εμπόδιο
Οι στάσεις για την τεχνητή νοημοσύνη είναι σε μεγάλο βαθμό θετικές, αλλά μέρος αυτού οφείλεται στην καινοτομία. Μια μέτρηση που έχει πραγματικά σημασία, η απόδοση της επένδυσης (ROI), εξακολουθεί να αποδεικνύεται άπιαστη για τις περισσότερες αναπτύξεις επιχειρηματικής τεχνητής νοημοσύνης. Τα τρία τέταρτα των επιχειρήσεων δεν έχουν προχωρήσει πέρα από τα «baby steps», δηλαδή ένα ή δύο πιλοτικά έργα (MIT Technology Review). Και, παρόλο που το 50% των ερωτηθέντων αναμένουν να αναπτύξουν τεχνητή νοημοσύνη σε κλίμακα σε όλες τις επιχειρηματικές λειτουργίες εντός δύο ετών, ανέφεραν προκλήσεις και σημεία συμφόρησης – όχι λόγω κεφαλαίου, κουλτούρας ή έλλειψης τεχνογνωσίας, αλλά στην υποδομή που μεταφέρει τα δεδομένα τους.
Ας είμαστε ξεκάθαροι. Αυτά δεν είναι μόνο προβλήματα οδοντοφυΐας. Είναι αναμενόμενοι βραχυπρόθεσμοι λόξυγκας στην αρχή του έργου, αλλά οι υποκείμενες προκλήσεις υλοποίησης που έχουν επισημάνει οι επιχειρήσεις δείχνουν ένα πιο θεμελιώδες, διαρθρωτικό ζήτημα με τη σκοπιμότητα της ανάπτυξης τεχνητής νοημοσύνης.
Η χαμηλή απόδοση της τεχνητής νοημοσύνης είναι κακή για τις επιχειρήσεις, και όχι μόνο με την έννοια ότι δεν θα συνειδητοποιήσει την απόδοση της επένδυσής της, αλλά επειδή οι γνώσεις και τα άλλα αποτελέσματα είναι περιορισμένα. Αυτό συμβαίνει όταν τα συστήματα τεχνητής νοημοσύνης δυσκολεύονται να αποκτήσουν πρόσβαση και να ερμηνεύσουν δεδομένα σε ολόκληρο τον οργανισμό σε πραγματικό χρόνο. Το πλήρες δυναμικό της τεχνητής νοημοσύνης μπορεί να αξιοποιηθεί μόνο όταν οι οργανισμοί διαθέτουν την κατάλληλη υποδομή για να υποστηρίξουν την εφαρμογή της. Μια κρίσιμη πτυχή που συχνά παραβλέπεται είναι η σημασία της διασύνδεσης δικτύου. Δείτε πώς γίνεται αυτό σε μια τυπική επιχείρηση.
Cloud και AI – ένας νικηφόρος συνδυασμός
Το cloud computing παίζει κρίσιμο ρόλο στην εφαρμογή της τεχνητής νοημοσύνης. Εν μέρει ως απόκριση στον επιταχυνόμενο ρυθμό παραγωγής δεδομένων που σημαίνει ότι η αποθήκευση δεδομένων εσωτερικής εγκατάστασης καθίσταται μη βιώσιμη και εν μέρει λόγω των πολλών πλεονεκτημάτων προσβασιμότητας από την αποθήκευση ακατέργαστων και δομημένων δεδομένων στο cloud, οι επιχειρήσεις μεταφέρουν όλο και περισσότερο λίμνες και αποθήκες δεδομένων στο cloud. επιτρέποντας επεκτασιμότητα και πρόσβαση σε τεράστια υπολογιστική ισχύ. Η AI Infrastructure Alliance έδειξε ότι το 38% των οργανισμών είχαν την υποδομή AI τους πλήρως ρυθμισμένη στο cloud, ενώ το 29% λειτουργεί σε υβριδικό περιβάλλον.
Αυτοί οι οργανισμοί βαθμολόγησαν τη διαθεσιμότητα κόστους και υπολογιστικής ισχύος ως την υπ’ αριθμόν ένα πρόκληση κατά την κλιμάκωση της τεχνητής νοημοσύνης και η υπ’ αριθμόν ένα ανησυχία τους ήταν η καθυστέρηση (28%). Μια παρόμοια εικόνα εμφανίζεται και σε διαφορετικές περιοχές. Για παράδειγμα, μια κοινή έρευνα ευρωπαϊκών οργανισμών από την DE-CIX και την IDC ανέδειξε την απόδοση του δικτύου και τον λανθάνοντα χρόνο (22%) ως το κύριο μέλημα, ειδικά όταν οι περιπτώσεις χρήσης τεχνητής νοημοσύνης απαιτούν δεδομένα σε πραγματικό χρόνο.
Το αίνιγμα της συνδεσιμότητας
Ας εξετάσουμε πώς οι οργανισμοί χρησιμοποιούν συνήθως την τεχνητή νοημοσύνη. Πρώτον, πρέπει να εκπαιδεύσουν μοντέλα τεχνητής νοημοσύνης, είτε για πρώτη φορά ανάπτυξη είτε την περιοδική επανεκπαίδευση που χρειάζονται τα μοντέλα από καιρό σε καιρό. Για αυτό, η καθυστέρηση δεν είναι τόσο μεγάλο ζήτημα, αλλά η συνδεσιμότητα υψηλού εύρους ζώνης είναι κρίσιμη. Στο cloud, είναι καλύτερο να χρησιμοποιείτε τη λύση συνδεσιμότητας του ίδιου του παρόχου cloud (όπως το Microsoft ExpressRoute ή το AWS Direct Connect), προσβάσιμο από μια σειρά ανταλλαγών cloud, για να αποφύγετε δαπανηρές γενικές δαπάνες για την έξοδο δεδομένων. Δεύτερον, χρειάζονται τεχνητή νοημοσύνη για να λειτουργήσει σε πραγματικό χρόνο, όπου η καθυστέρηση έχει σημασία. Πολλές περιπτώσεις χρήσης εμπίπτουν σε αυτήν την κατηγορία, από ρομπότ εξυπηρέτησης πελατών έως υποστήριξη προϊόντων όπου η αλληλεπίδραση σε πραγματικό χρόνο είναι επιθυμητή μέχρι εκεί όπου είναι κρίσιμη, όπως αυτόνομα οχήματα, υγειονομική περίθαλψη και ορισμένες περιπτώσεις χρήσης χρηματοοικονομικών υπηρεσιών. Εδώ, τα μοντέλα τεχνητής νοημοσύνης χρειάζονται πρόσβαση σε πραγματικό χρόνο στις πηγές δεδομένων, καθώς και στους προβλεπόμενους χρήστες των πληροφοριών και των πρακτόρων τεχνητής νοημοσύνης για διαφορετικές υπηρεσίες και φόρτους εργασίας.
Εν ολίγοις, η τεχνητή νοημοσύνη χρειάζεται τόσο υψηλό εύρος ζώνης όσο και χαμηλή λανθάνουσα απόδοση δικτύου. Α, και αναφέραμε ότι όλα αυτά πρέπει να είναι απρόσκοπτα;
Ο κρίκος που λείπει είναι η διασύνδεση
Εδώ είναι πότε γίνεται εμφανές το σημείο συμφόρησης στην απόδοση του δικτύου. Πάρα πολλές επιχειρήσεις εξακολουθούν να βασίζονται στο δημόσιο Διαδίκτυο ή τη μεταφορά τρίτων για τη σύνδεση δεδομένων και συστημάτων τεχνητής νοημοσύνης. Αυτό δημιουργεί σημαντικά ζητήματα απόδοσης και ασφάλειας, με τις επιχειρήσεις να έχουν ελάχιστο ή καθόλου έλεγχο στις διαδρομές δεδομένων, στο εύρος ζώνης του δικτύου και στην καθυστέρηση, καθώς και στην ασφάλεια των κρίσιμων εταιρικών δεδομένων κατά τη μεταφορά.
Για τον έλεγχο των ροών δεδομένων, οι επιχειρήσεις πρέπει να ελέγχουν τον τρόπο διασύνδεσης των δικτύων μεταξύ τους. Αυτός είναι ο λόγος για τον οποίο ολοένα και περισσότεροι οργανισμοί επιλέγουν λύσεις διασύνδεσης δικτύου, οι οποίες παρέχουν ασφαλείς, αποκλειστικές συνδέσεις μεταξύ συστημάτων εσωτερικής εγκατάστασης και υπηρεσιών τεχνητής νοημοσύνης που βασίζονται σε cloud. Δημιουργώντας άμεσους συνδέσμους υψηλής απόδοσης, οι επιχειρήσεις διασφαλίζουν τον έλεγχο της απόδοσης, της ασφάλειας και της δρομολόγησης δεδομένων. Στην πράξη, αυτή η διασύνδεση δικτύου δημιουργεί αποκριτικά, διαλειτουργικά περιβάλλοντα για σενάρια cloud και multi-cloud, επιτρέποντας πρόσβαση χαμηλής καθυστέρησης σε προσφορές AI-as-a-service και ανάλυση δεδομένων σε πραγματικό χρόνο. Διασφαλίζει την ασφαλή ανταλλαγή δεδομένων εντός των συνεργαζόμενων οικοσυστημάτων και βελτιώνει τη συνολική ανθεκτικότητα του περιβάλλοντος υποδομής cloud, επιτρέποντας στις επιχειρήσεις να αναπτύξουν εφαρμογές τεχνητής νοημοσύνης σε κλίμακα που να προσφέρουν την επιδιωκόμενη απόδοση επένδυσης (ROI).
Οι επιχειρήσεις χρειάζονται υποδομή έτοιμη για AI
Η τεχνητή νοημοσύνη προσφέρει στους οργανισμούς άνευ προηγουμένου ευκαιρίες να μεταμορφώσουν τις δραστηριότητές τους και τη δημιουργία εσόδων. Οι εντυπωσιακές δυνατότητες των μοντέλων AI και των εργαλείων ανάλυσης δεδομένων προσελκύουν φυσικά αρκετά μεγάλη προσοχή, αλλά οι οργανισμοί πρέπει να διασφαλίσουν ότι η υποκείμενη υποδομή που υποστηρίζει εφαρμογές τεχνητής νοημοσύνης είναι εξίσου επεκτάσιμη και ανθεκτική ώστε η τεχνητή νοημοσύνη να ανταποκρίνεται στις δυνατότητές της. Η επένδυση σε μια ισχυρή στρατηγική διασύνδεσης παράλληλα με τη μετανάστευση στο cloud είναι ζωτικής σημασίας για τις επιχειρήσεις να ξεπεράσουν τα σημεία συμφόρησης συνδεσιμότητας με τεχνητή νοημοσύνη και να ξεκλειδώσουν πραγματικά τις μετασχηματιστικές της δυνατότητες.
Η συνεργασία με παρόχους διασύνδεσης υψηλής απόδοσης μπορεί να βοηθήσει στο σχεδιασμό ενός ασφαλούς, επεκτάσιμου δικτύου προσαρμοσμένου στις συγκεκριμένες ανάγκες της τεχνητής νοημοσύνης. Το μέλλον της τεχνητής νοημοσύνης έχει ήδη φτάσει. απλά πρέπει να βεβαιωθούμε ότι είμαστε έτοιμοι για αυτό.
Παρουσιάσαμε την καλύτερη υπηρεσία διαχείρισης υποδομής πληροφορικής.
Αυτό το άρθρο δημιουργήθηκε ως μέρος του καναλιού Expert Insights της TechRadarPro, όπου παρουσιάζουμε τα καλύτερα και πιο έξυπνα μυαλά στον κλάδο της τεχνολογίας σήμερα. Οι απόψεις που εκφράζονται εδώ είναι αυτές του συγγραφέα και δεν είναι απαραίτητα αυτές της TechRadarPro ή της Future plc. Αν ενδιαφέρεστε να συνεισφέρετε, μάθετε περισσότερα εδώ: https://www.techradar.com/news/submit-your-story-to-techradar-pro
