Kunstig intelligens kræver næste generation af datacentre

Udgivet den 21/05/2019

Kunstig intelligens (AI) er hurtigt blevet en afgørende drivkraft for innovation, konkurrencefordele og nye forretningsmuligheder. De store mængder af data, der bliver produceret i dag, muliggør gennembrud i mange forskellige industrier, fra sundhedspleje og transport og til energi og kommunikation. Imidlertid vil en af de mest mærkbare  transformationer udløst af kunstig intelligens ske inden for virksomhedsteknologi (entreprise technology).

Baseret på vores omfattende erfaring i VMware ser vi tre primære faktorer, der skaber brændstof til nutidens AI innovation i virksomhedsteknologi:

  1. Beregning (The Need for Speed): Fra CPU’er og GPU’er via FPGA’er og ASIC’er har IT ressourcer til beregning gjort store fremskridt de seneste par år, så vi kan behandle data hurtigere, bredere og dybere end nogensinde før. Derudover giver nye kanaler til udrulning (fx public cloud GPU’er/ASIC’er) virksomhederne mulighed for at balancere Capex i forhold til Opex i deres AI-initiativer.
  2. Algoritmer (The Modern Day Equation): Algoritmer er det teoretiske fundament, der ligger til grund for maskinlæring og AI, fra simple neurale netværk hen mod komplicerede neutrale netværk med convolutionel arkitektur. Mange af disse algoritmer kan spores flere årtier tilbage i tiden – men har først for nylig ført til egentlige gennembrud. Dette skyldes delvist udviklingen inden for beregning, men i endnu højere udviklingen inden for data.
  3. Data (Data Is the New Oil): Mange af de store fremskridt inden for AI, som fx AlphaGo, har trænet på enorme datasæt, som ingen mennesker ville have mulighed for behandle, selv hvis de brugte hele livet på det. Uden tilstrækkelig volumen af data til at lære kan maskinlæring imidlertid ikke nå et tilfredsstillende niveau. For blot 10 år siden siden var mængden af virksomhedsdata til rådighed for maskinlæring kun en brøkdel af hvad, der er tilgængeligt i dag – det gælder for alt fra logfiler og beregninger til spor og konfigurationsevents. Men nu er der masser af data, og det åbner store muligheder.

Muligheden inden for AI: Selvoptimerende datacentre

Eksplosionen i mængden af operationelle data er både en velsignelse og forbandelse. I datacentre og clouds af i dag forsøger virksomheder desperat at holde trit med oversvømmende mængder af rå information – men sakker længere bagud hvert år. Mængden af data har overhalet de værktøjer og platforme, der er tilgængelige. Det giver menneskelige operatører en konstant voksende arbejdsbyrde, som virker uoverkommelig for selv de mest specialiserede.

Faktisk nævner en rapport fra 2018 fra Enterprise Management Associates, at 30-40% af en udviklers tid i gennemsnit bliver brugt på udrulning af produktioner, konfiguration, test, debugging og support – snarere end på udvikling af nye features (Kilde: EMA blog – 3 Key Lessons from DockerCon 2018: Strategic Analysis of the Container Market Place). Denne operationelle byrde er uacceptabel for virksomheder i stærkt konkurrenceprægede industrier, hvor hastigheden i at udvikle nye features er en af vigtigste drivkræfter.

AI vil give virksomhederne mulighed for at omdanne denne operationelle byrde til en strategisk fordel – og at gå over til en global driftsmodel, hvor de kan udnytte den fulde værdi af deres data og skabe indsigter i real-time med styrket værdi for forretningen. AI vil mindske afstanden mellem operationel kompleksitet og operationel kapacitet, og virksomheder kan udnytte AI til at forbedre deres datacentre til bl.a. at forbedre driftseffektiviteten, øge sikkerheden og endda optimere deres systemer til at måle forretningens performance.

Kæmp ikke mod overfloden af data – omfavn den i stedet for

Den stigende operationelle kompleksitet kommer ikke til at blive mindre i nærmeste fremtid. Afstanden mellem menneskelig kapacitet og maskinkapacitet øges fortsat. Organisationer, der ikke styrker og udvikler deres datacentre, cloud og edge computing strategier ved at implementere AI teknologier risikerer at sakke yderligere bagud. Omvendt kan organisationer, der effektivt udnytter AI og maskinlæring, øge deres konkurrencefordele betydeligt.

Vi forudser i VMware hybride datacentre, cloud og egde, der er selvhelende og selvoptimerende og herved kan reducere virksomhedernes administrative byrde og i stedet få mulighed for at fokusere på strategisk innovation og kundernes oplevelser. Samtidig tror vi i på, at en AI-understøttet infrastruktur vil give et niveau for selvregulering, som ligger langt ud over dagens muligheder styret af politikker.

Gør jeres datacenter klar til AI hurtigst muligt!

At forberede jeres datacenter til den moderne verden er ikke en simpel opgave. Her er fire vigtige punkter til at komme videre:

  1. Start med at fremtidssikre jeres datacenter, så det kan danne grundlag for de AI-understøttede teknologier, der er lige rundt om hjørnet.
  2. Hvad angår data, bør man overveje at implementere edge computing, hvilket gør det muligt at indsamle data og analyser tæt ved datakilden.
  3. Virksomheder bør investere i softwaredefineret infrastruktur som en vigtig forudsætning for denne proces.
  4. Sidst, men ikke mindst, bør man udforske en multi-cloud-strategi for at tilbyde den mest fleksible IT-infrastruktur, når virksomheden forbereder sig på den hurtigt omskiftelige og maskinlæringsdrevne fremtid.

Kategori: Business, Forretning

Tags: , , ,

Relaterede artikler

Udgivet den 31/03/2019 af blogadmin

Lad kunstig intelligens gøre arbejdet

På den ene side vil kunstig intelligens (AI) medføre, at 75 millioner arbejdspladser forsvinder frem mod 2022. På den anden side forventes teknologierne at skabe 133 millioner nye job – altså en vækst på 58 millioner jobs. Så det er bare om at komme i gang for danske virksomheder. Men de tøver.

3 Læs
Udgivet den 16/04/2019 af blogadmin

Løs disse fire udfordringer for at få succes med AIOps

Succesfuld implementering af AIOps kræver, at man er opmærksom på de potentielle problemer forbundet med et sådant skift.  Her beskriver vi de fire centrale udfordringer, som organisationer står over for i forbindelse med implementering af AIOps-løsninger, og hvordan de bedst kan adressere disse risici.

4 Læs
Udgivet den 11/07/2019 af blogadmin

Innovativ adoption af VMware teknologi i forbindelse med OL

Af Rasmus Holtet Rüsz, Snr. Director Systems Engineering, Japan, VMware K.K. Da jeg blev ansat i VMware som en af de første i Danmark i 2005, var jeg ikke klar over, hvilken rejse der ventede både rent menneskeligt såvel som fagligt. Min indgang til VMware, der stadig var et “startup”-foretagende, blev stillingen som Systems Engineer. […]

5 Læs

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