AI a zrod datového centra příští generace

Posted on 13/03/2019

Vzestup AI

Umělá inteligence se rychle stala jedním z hlavních hnacích motorů inovací, který přináší konkurenční výhody a nové obchodní příležitosti. Růst objemů dat umožňuje revoluční změny v mnoha různých odvětvích, od přepravy a energetiky přes zdravotnictví po telekomunikace. Jedna z nejvýraznějších transformací spojených s využitím AI se však odehraje ve světě podnikových technologií.

Na základě našich rozsáhlých zkušeností s celým spektrem podnikových technologií pozorujeme tři zásadní faktory, které zásadním způsobem přispěly k dnešním inovacím v oblasti umělé inteligence:

  1. Výpočetní výkon (rychlost, rychlost, rychlost): Výpočetní zdroje od CPU a GPU přes FPGA po ASIC v posledních několika letech zaznamenaly nesmírný pokrok. Umožňují nám zpracovávat data rychleji, ve větším rozsahu a podrobněji než kdy dříve. Nové možnosti, např. GPU/ASIC ve veřejném cloudu, navíc zákazníkům umožňují vhodně u svých AI projektů vyvážit investiční a provozní náklady.
  2. Algoritmy (moderní rovnice): Algoritmy jsou teoretickým základem strojového učení a umělé inteligence, od jednoduchých neurálních sítí po složitější rekurentní a konvolučních architektury. Řada z těchto algoritmů je stará desítky let, ale teprve v nedávné době nalezla praktické uplatnění. Důvodem je nárůst dosažitelného výpočetního výkonu, ale především…
  3. Data (data jsou novou ropou): Techniky strojového učení v porovnání s člověkem výrazně méně efektivně nakládají s daty. Mnohé z halasně vyzdvihovaných pokroků ve schopnostech AI, např. AlphaGo, by nebyly možné bez učení z obřích souborů dat, jaké žádný člověk nespatří za celý svůj život. Bez dostatečného objemu učebních dat nedosahuje strojové učení uspokojivých výsledků. A ještě před deseti lety činil objem podnikových dat použitelných pro strojové učení nepatrný zlomek objemu dat dostupného dnes, od logů a výsledků měření po trasování a změny konfigurace.

 

Příležitost pro AI: sebeoptimalizující datová centra

Tento růst objemu provozních dat je požehnáním i prokletím. V dnešním světě datových center a center and cloudů se podniky zoufale snaží udržet krok se záplavou nezpracovaných informací a rok od roku stále více zaostávají. Objem dat překonal možnosti dnešních nástrojů a platforem a klade stále větší nároky na lidskou obsluhu – i vývojáře nových funkcí.

Nedávno vydaná studie analytické společnosti Enterprise Management Associates (EMA) uvádí, že vývojáři stráví v průměru 30-40 % času řešením problémů při zavádění do provozu, konfigurací, testováním, laděním a podporou namísto vývoje nových funkcí (Zdroj: EMA blog – 3 Key Lessons from DockerCon 2018: Strategic Analysis of the Container Market Place). Takováto „provozní daň“ je nepřijatelná pro firmy ve vysoce konkurenčních oborech, kde rychlost uvádění nových funkcí je klíčovým faktorem úspěchu.

AI podnikům pomůže proměnit toto provozní břemeno ve strategickou výhodu. Umožní jim přejít na globální provozní model, kde budou moci zkoumat data v celém hloubi a v reálném čase získávat poznatky, které budou přínosem pro obchodní činnost. AI umožní rozšiřovat provozní schopnosti, aniž by to vedlo k nadměrnému zvyšování složitosti. Mezi obvyklé způsoby, jak mohou podniky využít AI ke zlepšování ve svých datových centrech, patří úspornější provoz, vyvažování nákladů a výkonu v reálném čase, bezpečnost nebo optimalizace obchodních metrik.

Nebojujte se záplavou dat – využijte ji ke svému prospěchu.

Složitost provozu v dohledné době nepřestane stoupat. Rozdíl mezi lidským měřítkem a strojovým měřítkem nadále narůstá. Podniky, které nebudou schopné rozšířit své strategie pro datová centra, cloud a edge computing o technologie AI, riskují, že budou dále zaostávat. A naopak, podniky, které dokáží strojové učení efektivně využít, získají významnou konkurenční výhodu.

Naší vizí je hybridní datové centrum, cloud a okraj sítě, které se dokáží samy opravovat a optimalizovat. To výrazně sníží nároky na správu a umožní podnikům zaměřit se na strategické inovace a zkušenost zákazníka. Věříme také, že infrastruktura podporovaná AI bude mít podstatně širší schopnosti seberegulace, než jaké umožňuje dnešní přístup založených na pravidlech.

A co dál?

Připravit datové centrum na moderní svět není triviální úkol. Začněte přizpůsobením datového centra pro ne příliš vzdálený nástup technologií založených na AI. Například na řídicí rovině to znamená zavést princip infrastruktury jako kódu (IAC) a všude, kde to lze, zpřístupnit tradiční manuální procesy pomocí API. Co se týče dat, zvažte zavedení edge computingu, který umožňuje provádět sběr a analýzu dat blízko jejich zdroje. Podniky by měly rovněž investovat do softwarově definované infrastruktury jako klíčového prvku umožňujícího takový proces. Ve neposlední řadě je vhodné se zaměřit na multicloudovou strategii, která vaší infrastruktuře dodá maximální agilitu a flexibilitu. Tu budete potřebovat jako základ pro vysoce dynamickou, strojovým učením řízenou budoucnost.


Category: SDDC, Virtualization

Tags:

Related Articles

No related posts found

Comments

No comments yet

Add a comment

Your email address will not be published.

*

This site uses cookies to improve the user experience. By using this site you agree to the privacy policy