Quantumrun

ATTĒLA KREDĪTS:

iStock

AI mākonī: pieejami AI pakalpojumi

AI tehnoloģijas bieži ir dārgas, taču mākoņpakalpojumu sniedzēji ļauj lielākam skaitam uzņēmumu atļauties šīs infrastruktūras.

Autors:
Autors nosaukums
Quantumrun Foresight
Novembris 1, 2023

Ieskata kopsavilkums

AI-as-a-Service (AIaaS) parādīšanās no mākoņdatošanas milžiem atvieglo mašīnmācīšanās modeļu izstrādi un testēšanu, jo īpaši palīdzot mazākām organizācijām, samazinot sākotnējos ieguldījumus infrastruktūrā. Šī sadarbība paātrina progresu tādās lietojumprogrammās kā dziļa mācīšanās. Tas optimizē mākoņa efektivitāti, automatizē manuālos uzdevumus un sniedz dziļāku ieskatu no datiem. Turklāt tas rada jaunas specializētas darba lomas, ietekmē nākotnes darba ainavas un, iespējams, paātrina tehnoloģiju attīstību dažādās nozarēs. Plašākais scenārijs norāda uz mašīnmācīšanās tehnoloģiju demokratizāciju, intensīvāku globālo konkurenci par AI zināšanām, jauniem kiberdrošības izaicinājumiem un stimulu mākoņdatošanas pakalpojumu sniedzējiem ieguldīt lietotājam draudzīgās mašīnmācīšanās platformās.

AI mākoņa kontekstā

Mākoņu nodrošinātāji, piemēram, Amazon Web Services (AWS), Microsoft Azure un Google Cloud Platform (GCP), vēlas, lai izstrādātāji un datu zinātnieki savos mākoņos izstrādātu un testētu mašīnmācības (ML) modeļus. Šis pakalpojums sniedz labumu mazākiem uzņēmumiem vai jaunizveidotiem uzņēmumiem, jo prototipu testēšanai bieži ir nepieciešamas daudzas infrastruktūras, savukārt ražošanas modeļiem bieži ir nepieciešama augsta pieejamība. Tā kā mākoņdatošanas pakalpojumu sniedzēji piedāvā risinājumus, lai sāktu izmantot AI tehnoloģiju, neieguldot lielus ieguldījumus iekšējās infrastruktūras pārbūvēšanā, uzņēmumi var nekavējoties piekļūt (un pārbaudīt) AI mākoņpakalpojumus, lai virzītu savas digitālās iniciatīvas. Mākoņdatošana ļauj ātri un progresīvāk izstrādāt visprogresīvākās AI funkcijas, piemēram, dziļo apmācību (DL), kurai ir tālejošas lietojumprogrammas. Dažas DL sistēmas var padarīt drošības kameras viedākas, atklājot modeļus, kas var signalizēt par briesmām. Šāda tehnoloģija var arī identificēt fotogrāfiskus objektus (objektu atpazīšana). Pašbraucošs transportlīdzeklis ar DL algoritmiem var atšķirt cilvēku no ceļa zīmēm.

Programmatūras uzņēmuma Redhat pētījums atklāja, ka 78 procenti uzņēmumu AI/ML projektu tiek veidoti, izmantojot hibrīda mākoņu infrastruktūru, tāpēc publiskajiem mākoņiem ir lielākas iespējas piesaistīt partnerības. Publiskajos mākoņos ir pieejamas dažādas datu glabāšanas iespējas, tostarp bezserveru datu bāzes, datu noliktavas, datu ezeri un NoSQL datu bāzes. Šīs opcijas ļauj uzņēmumiem izveidot modeļus to datu tuvumā. Turklāt mākoņpakalpojumu sniedzēji piedāvā populāras ML tehnoloģijas, piemēram, TensorFlow un PyTorch, padarot tās par vienas pieturas aģentūrām datu zinātnes komandām, kuras vēlas izvēlēties.

Traucējoša ietekme

Ir vairāki veidi, kā AI maina mākoni un uzlabo tā potenciālu. Pirmkārt, algoritmi padara mākoņdatošanu efektīvu, analizējot uzņēmuma kopējo datu krātuvi un identificējot jomas, kurās var būt nepieciešami uzlabojumi (jo īpaši tās, kuras ir neaizsargātas pret kiberuzbrukumiem). Turklāt mākslīgais intelekts var automatizēt uzdevumus, kas pašlaik tiek veikti manuāli, tādējādi atbrīvojot laiku un resursus citiem sarežģītākiem procesiem. AI arī padara mākoni viedāku, ļaujot uzņēmumiem gūt ieskatu no saviem mākoņdatošanas datiem, kas nekad agrāk nebūtu bijis iespējams. Algoritmi var “mācīties” no informācijas un identificēt modeļus, ko cilvēki nekad nevarētu redzēt.

Viens no aizraujošākajiem veidiem, kā AI sniedz labumu mākonim, ir jaunu darba iespēju radīšana. AI un mākoņdatošanas savienošana pārī veicina jaunu lomu attīstību, kurām nepieciešamas īpašas prasmes. Piemēram, uzņēmumiem tagad var būt nepieciešami darbinieki, kas ir eksperti abās jomās, lai novērstu problēmas un izpētītu problēmas. Turklāt mākoņa efektivitātes palielināšanās, iespējams, radīs jaunas pozīcijas, kas vērstas uz šīs tehnoloģijas pārvaldību un uzturēšanu. Visbeidzot, AI maina mākoni, būtiski ietekmējot darba nākotni. Piemēram, automatizēti uzdevumi var novest pie darbinieku pārkvalificēšanās citiem amatiem. Ātrāka un efektīvāka mākoņdatošana var nodrošināt arī virtuālās un paplašinātās realitātes (VR/AR) darba vietas, piemēram, Metaverse.

AI ietekme mākonī

Plašāka AI ietekme mākonī var ietvert:

Pieaugošā ML tehnoloģiju demokratizācija, kas kļūs pieejama maziem un vidējiem uzņēmumiem, kas vēlas ieviest jauninājumus šajā jomā.
Palielināta konkurence par globālajiem AI talantiem, kas var pasliktināt pašreizējo AI pētnieku un zinātnieku intelektuālā darbaspēka aizplūšanu no akadēmiskajām aprindām uz starptautiskiem uzņēmumiem. Dramatiski pieaugs arī AI talantu vervēšanas un nodarbināšanas izmaksas.
Kibernoziedznieki, kas pēta mākoņdatošanas pakalpojumus, lai labāk atrastu savus un to uzņēmumu vājās vietas, kas izmanto šādus pakalpojumus.
Ātrāka jaunu tehnoloģiju attīstība, jo īpaši autonomo transportlīdzekļu un lietiskā interneta (IoT) nozarēs, kur nepieciešami lielāki datu un skaitļošanas resursi.
Mākoņdatošanas pakalpojumu sniedzēji palielina savus ieguldījumus bezkoda vai zema koda ML programmatūrā un platformās.