
هوش مصنوعی در حال تغییر نحوه ذخیره و دسترسی به دادهها در کسبوکارها است. دلیل این امر آن است که سیستمهای ذخیرهسازی داده سنتی برای مدیریت همزمان دستورات ساده از چند کاربر طراحی شدهاند، در حالی که سیستمهای هوش مصنوعی امروزی با میلیونها عامل نیاز به دسترسی و پردازش حجم عظیمی از دادهها به طور مداوم و موازی دارند.
سیستمهای ذخیرهسازی سنتی اکنون لایههای پیچیدهی زیادی دارند که هوش مصنوعی را کند میکنند، زیرا دادهها باید قبل از رسیدن به پردازندهی گرافیکی (GPU) - پردازندهی گرافیکی که «مغز» هوش مصنوعی محسوب میشود - از لایههای متعددی عبور کنند.
Cloudian - که توسط مایکل تسو (از MIT) و هیروشی اوتا تأسیس شده است - به ذخیرهسازی دادهها کمک میکند تا با انقلاب هوش مصنوعی همگام شوند. این شرکت یک سیستم ذخیرهسازی مقیاسپذیر برای شرکتها توسعه داده است که جریان داده یکپارچهای را بین مدلهای ذخیرهسازی و هوش مصنوعی فراهم میکند.
این سیستم با اعمال محاسبات موازی به فضای ذخیرهسازی، تجمیع قابلیتهای هوش مصنوعی و دادهها در یک پلتفرم پردازش موازی واحد که قادر به ذخیره، بازیابی و پردازش مجموعه دادههای در مقیاس بزرگ است، با اتصال مستقیم پرسرعت بین فضای ذخیرهسازی و پردازندههای گرافیکی (GPU) و پردازندههای مرکزی (CPU)، پیچیدگی را کاهش میدهد.
پلتفرم ذخیرهسازی و محاسبات یکپارچه Cloudian، توسعه ابزارهای هوش مصنوعی در مقیاس تجاری را ساده میکند و در عین حال زیرساخت ذخیرهسازی را در اختیار کسبوکارها قرار میدهد که قادر به همگام شدن با رونق هوش مصنوعی است.
تسو گفت: «چیزی که مردم اغلب در مورد هوش مصنوعی نادیده میگیرند این است که همه چیز در مورد دادهها است. شما نمیتوانید عملکرد هوش مصنوعی را فقط با داشتن ۱۰٪ داده بیشتر، حتی ۱۰ برابر دادهها، ۱۰٪ افزایش دهید - شما به ۱۰۰۰ برابر دادهها نیاز دارید. ذخیره دادهها به روشی که مدیریت آن آسان باشد، در حالی که محاسبات را مستقیماً درون آن جاسازی میکنید تا به محض ورود بدون نیاز به جابجایی آن پردازش شود - این مسیری است که صنعت در پیش گرفته است.»
ذخیرهسازی شیء و هوش مصنوعی
در حال حاضر، پلتفرم Cloudian از معماری ذخیرهسازی شیءگرا استفاده میکند که در آن انواع دادهها - اسناد، ویدیوها ، دادههای حسگر - به صورت اشیاء واحد با فراداده ذخیره میشوند. ذخیرهسازی شیءگرا میتواند حجم عظیمی از دادهها را در یک ساختار مسطح مدیریت کند که برای دادههای بدون ساختار و سیستمهای هوش مصنوعی ایدهآل است، اما پیش از این ارسال مستقیم دادهها به مدل هوش مصنوعی بدون کپی کردن اولیه آن در حافظه کامپیوتر غیرممکن بود - که باعث تأخیر و مصرف بالای برق میشد.
جولای گذشته، کلودیان اعلام کرد که سیستم ذخیرهسازی شیء خود را با یک پایگاه داده برداری گسترش داده است و دادهها را در قالبی آماده برای استفاده فوری هوش مصنوعی ذخیره میکند. پس از بارگذاری دادهها، کلودیان محاسبات برداری بلادرنگ دادهها را برای پشتیبانی از ابزارهای هوش مصنوعی مانند موتورهای توصیه، موتورهای جستجو و دستیاران هوش مصنوعی انجام میدهد.
کلودین همچنین از همکاری با انویدیا برای توسعه یک سیستم ذخیرهسازی که مستقیماً با پردازندههای گرافیکی این شرکت کار میکند، خبر داد. کلودین میگوید این سیستم جدید پردازش سریعتر هوش مصنوعی را امکانپذیر کرده و هزینههای محاسباتی را کاهش میدهد.
تسو گفت: «انویدیا حدود ۱.۵ سال پیش با ما تماس گرفت، زیرا پردازندههای گرافیکی فقط زمانی مفید هستند که جریان مداومی از دادهها به آنها «تغذیه» شود. اکنون مردم متوجه شدهاند که آوردن هوش مصنوعی به دادهها آسانتر از جابجایی بلوکهای داده عظیم است. سیستم ذخیرهسازی ما بسیاری از عملکردهای هوش مصنوعی را ادغام میکند، بنابراین میتوانیم دادهها را در نزدیکی جایی که جمعآوری و ذخیره میکنیم، پیشپردازش و پسپردازش کنیم.»
فضای ذخیرهسازی ترجیحی هوش مصنوعی
کلودیَن به تقریباً ۱۰۰۰ کسبوکار در سراسر جهان، از جمله تولیدکنندگان بزرگ، مؤسسات مالی، مراکز درمانی و سازمانهای دولتی، کمک میکند تا ارزش دادههای خود را به حداکثر برسانند.
برای مثال، پلتفرم ذخیرهسازی Cloudian از یک خودروساز بزرگ با استفاده از هوش مصنوعی برای تعیین زمان نیاز به تعمیر و نگهداری روی رباتهای تولیدی پشتیبانی میکند. Cloudian همچنین با کتابخانه ملی پزشکی ایالات متحده برای ذخیره مقالات تحقیقاتی و اختراعات و با پایگاه داده ملی سرطان برای ذخیره توالیهای DNA تومور - مجموعه دادههای غنی که هوش مصنوعی میتواند برای پشتیبانی از تحقیقات در مورد درمانها یا اکتشافات جدید پردازش کند - همکاری میکند.
تسو گفت: «پردازندههای گرافیکی (GPU) نیروی محرکهی فوقالعادهای هستند. قانون مور هر دو سال قدرت محاسباتی را دو برابر میکند، اما پردازندههای گرافیکی میتوانند وظایف روی یک تراشه را موازی کنند، چندین پردازندهی گرافیکی را به هم متصل کنند و فراتر از قانون مور عمل کنند. این مقیاس، هوش مصنوعی را به سطوح جدیدی از هوش سوق میدهد، اما تنها راه برای اینکه پردازندههای گرافیکی (GPU) با ظرفیت کامل کار کنند، این است که دادهها را با سرعتی که با قدرت محاسباتی آنها مطابقت دارد، ارائه دهند - و تنها راه برای انجام این کار، حذف تمام لایههای میانی بین پردازندهی گرافیکی (GPU) و دادههای شما است.»
(طبق گفته دانشگاه MIT)
منبع: https://vietnamnet.vn/cloudian-dua-du-lieu-den-gan-ai-hon-bao-gio-het-2433241.html






نظر (0)