Kunstig intelligens endrer hvordan bedrifter lagrer og får tilgang til data. Dette er fordi tradisjonelle datalagringssystemer ble designet for å håndtere enkle kommandoer fra noen få brukere samtidig, mens dagens AI-systemer med millioner av agenter må få tilgang til og behandle enorme mengder data kontinuerlig og parallelt.
Tradisjonelle lagringssystemer har nå mange komplekse lag, noe som bremser ned AI fordi data må passere gjennom flere lag før de når GPU-en – grafikkprosessoren, som regnes som «hjernen» til AI.
Cloudian – medgrunnlagt av Michael Tso (fra MIT) og Hiroshi Ohta – hjelper datalagring med å holde tritt med AI-revolusjonen. Selskapet har utviklet et skalerbart lagringssystem for bedrifter, som muliggjør sømløs dataflyt mellom lagring og AI-modeller.
Dette systemet reduserer kompleksiteten ved å bruke parallell databehandling til lagring, konsolidere AI-funksjonalitet og data på én parallell prosesseringsplattform som er i stand til å lagre, hente og behandle store datasett, med høyhastighets direkte tilkobling mellom lagring og både GPU-er og CPU-er.
Cloudians integrerte lagrings- og databehandlingsplattform forenkler utviklingen av AI-verktøy i kommersiell skala, samtidig som den gir bedrifter en lagringsinfrastruktur som er i stand til å holde tritt med AI-boomen.
«Én ting folk ofte overser med AI er at det handler om data», sa Tso. «Du kan ikke øke AI-ytelsen med 10 % bare ved å ha 10 % mer data, ikke engang 10 ganger så mange data – du trenger 1000 ganger så mange data. Å lagre data på en måte som er enkel å administrere, samtidig som man integrerer beregninger rett i dem slik at de kan behandles så snart de legges inn uten å måtte flytte dem – det er retningen bransjen er på vei i.»
Objektlagring og AI
For tiden bruker Cloudians plattform en objektlagringsarkitektur, der alle typer data – dokumenter, videoer , sensordata – lagres som enkeltstående objekter med metadata. Objektlagring kan håndtere enorme mengder data i en flat struktur, ideelt for ustrukturerte data og AI-systemer, men tidligere var det umulig å sende data direkte til AI-modellen uten først å kopiere dem til datamaskinens minne – noe som forårsaket ventetid og høyt strømforbruk.
I juli i fjor annonserte Cloudian at de hadde utvidet objektlagringssystemet sitt med en vektordatabase, som lagrer data i et format som er klart for umiddelbar bruk med AI. Når dataene er lastet inn, utfører Cloudian sanntidsvektorberegninger av dataene for å støtte AI-verktøy som anbefalingsmotorer, søkemotorer og AI-assistenter.
Cloudian annonserte også et samarbeid med NVIDIA for å utvikle et lagringssystem som fungerer direkte med selskapets GPU-er. Cloudian sier at dette nye systemet muliggjør raskere AI-prosessering og reduserer databehandlingskostnader.
«NVIDIA kontaktet oss for omtrent 1,5 år siden fordi GPU-er bare er nyttige når det er en kontinuerlig strøm av data som «mater» dem», sa Tso. «Nå innser folk at det er enklere å bringe AI til data enn å flytte massive datablokker. Lagringssystemet vårt integrerer mange AI-funksjoner, slik at vi kan forhånds- og etterbehandle data i nærheten av der vi samler inn og lagrer dem.»
AI-foretrukket lagring
Cloudian hjelper omtrent 1000 bedrifter over hele verden med å maksimere verdien av dataene sine, inkludert store produsenter, finansinstitusjoner, helseinstitusjoner og offentlige etater.
For eksempel støtter Cloudians lagringsplattform en stor bilprodusent som bruker AI for å bestemme når vedlikehold er nødvendig på individuelle produksjonsroboter. Cloudian samarbeider også med U.S. National Library of Medicine for å lagre forskningsartikler og patenter, og med National Cancer Database for å lagre tumor-DNA-sekvenser – rike datasett som AI kan behandle for å støtte forskning på nye behandlinger eller oppdagelser.
«GPU-er er en fantastisk drivkraft», sa Tso. «Moores lov dobler datakraften annethvert år, men GPU-er kan parallellisere oppgaver på en brikke, koble flere GPU-er sammen og gå langt utover Moores lov. Denne skalaen presser AI til nye intelligensnivåer, men den eneste måten GPU-er kan jobbe med full kapasitet på er å levere data med en hastighet som samsvarer med datakraften deres – og den eneste måten å gjøre det på er å eliminere alle mellomlagene mellom GPU-en og dataene dine.»
(Ifølge MIT)
Kilde: https://vietnamnet.vn/cloudian-dua-du-lieu-den-gan-ai-hon-bao-gio-het-2433241.html
Kommentar (0)