أوقف مشروعات الذكاء الاصطناعي في السحابة العامة الخاصة بك من الجفاف

تحقق من الجلسات عند الطلب من قمة Low-Code / No-Code للتعرف على كيفية الابتكار وتحقيق الكفاءة بنجاح من خلال رفع المهارات وتوسيع نطاق المطورين المواطنين. شاهد الآن.


في العام الماضي ، نشر أندريسن هورويتز منشورًا استفزازيًا على المدونة بعنوان “تكلفة السحابة ، مفارقة تريليون دولار. ” في ذلك ، جادلت شركة رأس المال الاستثماري بأن الإنفاق السحابي الخارج عن السيطرة يؤدي إلى ترك الشركات العامة مليارات الدولارات في رسملة سوقية محتملة على الطاولة. تقترح الشركة أن البديل هو إعادة المعايرة غيم الموارد في نموذج مختلط. يمكن لمثل هذا النموذج أن يعزز صافي أرباح الشركة ورأس المال المجاني للتركيز على المنتجات الجديدة والنمو.

يبقى أن نرى ما إذا كانت الشركات تتبع هذا التوجيه ، ولكن هناك شيء واحد نعرفه على وجه اليقين وهو أن مديري تقنية المعلومات يطالبون بمزيد من المرونة والأداء من البنية التحتية الداعمة الخاصة بهم. هذا بشكل خاص لأنهم يتطلعون إلى استخدام الحوسبة المعقدة والمكثفة الذكاء الاصطناعي/التعلم الالي (AI / ML) لتحسين قدرتها على اتخاذ قرارات قائمة على البيانات في الوقت الفعلي.

تحقيقا لهذه الغاية ، كانت السحابة العامة أساسية في المساعدة على إدخال الذكاء الاصطناعي في الاتجاه السائد. لكن العوامل التي جعلت السحابة العامة أرضية اختبار مثالية للذكاء الاصطناعي (أي التسعير المرن ، وسهولة الثني لأعلى أو لأسفل ، من بين عوامل أخرى) تمنع في الواقع الذكاء الاصطناعي من تحقيق إمكاناته الكاملة.

فيما يلي بعض الاعتبارات للمنظمات التي تتطلع إلى تحسين فوائد الذكاء الاصطناعي في بيئاتها.

حدث

قمة الأمن الذكي

تعرف على الدور الحاسم للذكاء الاصطناعي والتعلم الآلي في الأمن السيبراني ودراسات الحالة الخاصة بالصناعة في 8 ديسمبر. سجل للحصول على تصريح المرور المجاني اليوم.

سجل الان

بالنسبة للذكاء الاصطناعي ، فإن السحابة ليست مقاسًا واحدًا يناسب الجميع

البيانات هي شريان الحياة للمؤسسة الحديثة ، والوقود الذي يولد رؤى الذكاء الاصطناعي. ونظرًا لأن العديد من أعباء عمل الذكاء الاصطناعي يجب أن تستوعب باستمرار كميات كبيرة ومتنامية من البيانات ، فمن الضروري أن تدعم البنية التحتية هذه المتطلبات بطريقة فعالة من حيث التكلفة وعالية الأداء.

عند تحديد أفضل طريقة للتعامل مع الذكاء الاصطناعي على نطاق واسع ، يحتاج قادة تقنية المعلومات إلى مراعاة مجموعة متنوعة من العوامل. الأول هو ما إذا كان الموقع المشترك أو السحابة العامة أو المزيج المختلط هو الأنسب لتلبية الاحتياجات الفريدة لتطبيقات الذكاء الاصطناعي الحديثة.

في حين أن السحابة العامة كانت لا تقدر بثمن في إدخال الذكاء الاصطناعي إلى السوق ، إلا أنها لا تأتي بدون نصيبها من التحديات. وتشمل هذه:

  • قبضة الباعة في: تشكل معظم الخدمات المستندة إلى السحابة بعض مخاطر الإغلاق. ومع ذلك ، فإن بعض خدمات الذكاء الاصطناعي المستندة إلى السحابة المتاحة اليوم خاصة بالمنصة بشكل كبير ، ولكل منها الفروق الدقيقة الخاصة بها والتكاملات المتميزة المتعلقة بالشركاء. نتيجة لذلك ، تميل العديد من المؤسسات إلى دمج أعباء عمل الذكاء الاصطناعي الخاصة بها مع مورد واحد. وهذا يجعل من الصعب عليهم تغيير البائعين في المستقبل دون تكبد تكاليف كبيرة.
  • التسعير المرن: إن القدرة على الدفع مقابل ما تستخدمه فقط هو ما يجعل السحابة العامة خيارًا جذابًا للشركات ، لا سيما أولئك الذين يأملون في تقليل إنفاقهم الرأسمالي. غالبًا ما يكون استهلاك خدمة السحابة العامة عن طريق التنقيط منطقيًا اقتصاديًا على المدى القصير. لكن المؤسسات ذات الرؤية المحدودة لاستخدامها السحابي كثيرًا ما تجد أنها تستهلكها في كل مكان. عند هذه النقطة تصبح الضريبة التي تخنق الابتكار.
  • رسوم الخروج: باستخدام عمليات نقل البيانات السحابية ، لا يحتاج العميل إلى الدفع مقابل البيانات التي يرسلها إلى السحابة. لكن إخراج هذه البيانات من السحابة يتطلب منهم دفع رسوم الخروج ، والتي يمكن أن تزيد بسرعة. على سبيل المثال ، غالبًا ما يتم توزيع أنظمة التعافي من الكوارث عبر المناطق الجغرافية لضمان المرونة. هذا يعني أنه في حالة حدوث اضطراب ، يجب تكرار البيانات باستمرار عبر مناطق التوفر أو الأنظمة الأساسية الأخرى. نتيجة لذلك ، بدأ قادة تكنولوجيا المعلومات يفهمون أنه في مرحلة معينة ، كلما زاد عدد البيانات التي يتم دفعها إلى السحابة العامة ، زاد احتمال وضعها في الزاوية المالية.
  • سيادة البيانات: تعد حساسية البيانات ومكانها عاملاً حاسمًا آخر في تحديد موفر السحابة الأنسب. بالإضافة إلى ذلك ، كطوف جديد لوائح خصوصية البيانات التي تفرضها الدولة تدخل حيز التنفيذ ، سيكون من المهم التأكد من أن جميع البيانات المستخدمة للذكاء الاصطناعي في بيئات السحابة العامة تتوافق مع لوائح خصوصية البيانات السائدة.

ثلاثة أسئلة يجب طرحها قبل نقل الذكاء الاصطناعي إلى السحابة

إن اقتصاديات الحجم التي يجلبها موفرو السحابة العامة إلى الطاولة جعلت منها أرضية إثبات طبيعية لمشاريع الذكاء الاصطناعي الأكثر تطلبًا في الوقت الحاضر. ومع ذلك ، قبل الدخول في الكل في السحابة العامة ، يجب على قادة تكنولوجيا المعلومات التفكير في الأسئلة الثلاثة التالية لتحديد ما إذا كان هذا هو بالفعل أفضل خيار لهم.

في أي نقطة تتوقف السحابة العامة عن المنطق الاقتصادي؟

توفر عروض السحابة العامة مثل AWS و Azure للمستخدمين القدرة على توسيع نطاق أعباء عمل الذكاء الاصطناعي الخاصة بهم بسرعة وبتكلفة زهيدة نظرًا لأنك تدفع فقط مقابل ما تستخدمه. ومع ذلك ، لا يمكن التنبؤ بهذه التكاليف دائمًا ، خاصة وأن هذه الأنواع من أعباء العمل كثيفة البيانات تميل إلى التكاثر في الحجم لأنها تستوعب المزيد من البيانات من مصادر مختلفة ، مثل التدريب وتحسين نماذج الذكاء الاصطناعي. في حين أن “الدفع عن طريق التنقيط” أسهل وأسرع وأرخص على نطاق أصغر ، لا يستغرق الأمر وقتًا طويلاً حتى تتراكم هذه القطرات في دلاء ، مما يدفعك إلى مستوى تسعير أكثر تكلفة.

يمكنك التخفيف من تكلفة هذه المجموعات من خلال الالتزام بعقود طويلة الأجل مع خصومات كبيرة الحجم ، ولكن اقتصاديات هذه العقود المتعددة السنوات نادراً ما تنفد. يوفر ظهور الذكاء الاصطناعي كخدمة خارج السحابة العامة خيارات لأولئك الذين يريدون الراحة وإمكانية التنبؤ بالتكلفة لنموذج استهلاك OpEx مع موثوقية البنية التحتية المخصصة.

هل يجب التعامل مع جميع أعباء عمل الذكاء الاصطناعي بنفس الطريقة؟

من المهم أن تتذكر أن الذكاء الاصطناعي ليس لعبة محصلتها صفر. غالبًا ما يكون هناك مساحة لكل من البنية التحتية السحابية والمخصصة أو شيء بينهما (مختلط). بدلاً من ذلك ، ابدأ بالنظر في سمات تطبيقاتك وبياناتك ، واستثمر الوقت مقدمًا في فهم المتطلبات التقنية المحددة لأعباء العمل الفردية في بيئتك ونتائج الأعمال المرغوبة لكل منها. ثم ابحث عن نموذج معماري يمكّنك من مطابقة نموذج تسليم موارد تكنولوجيا المعلومات الذي يناسب كل مرحلة من مراحل رحلة تطوير الذكاء الاصطناعي.

ما هو نموذج السحابة الذي سيمكنك من نشر الذكاء الاصطناعي على نطاق واسع؟

في أرض التدريب على نموذج الذكاء الاصطناعي ، يجب تغذية البيانات الجديدة بانتظام في مكدس الحوسبة لتحسين قدرات التنبؤ لتطبيقات الذكاء الاصطناعي التي تدعمها. على هذا النحو ، أصبح قرب مستودعات الحوسبة والبيانات معايير اختيار مهمة بشكل متزايد. بالطبع ، لن تتطلب جميع أحمال العمل اتصالاً مخصصًا ومستمرًا ذي نطاق ترددي عالٍ. ولكن بالنسبة لأولئك الذين يفعلون ذلك ، يمكن أن يؤدي زمن انتقال الشبكة غير المبرر إلى إعاقة إمكاناتهم بشدة. بخلاف مشكلات الأداء ، هناك عدد متزايد من لوائح خصوصية البيانات التي تحدد كيفية ومكان الوصول إلى بيانات معينة ومعالجتها. يجب أن تكون هذه اللوائح أيضًا جزءًا من عملية قرار نموذج السحابة.

كانت السحابة العامة ضرورية لإدخال الذكاء الاصطناعي في الاتجاه السائد. لكن هذا لا يعني أنه من المنطقي تشغيل كل تطبيق من تطبيقات الذكاء الاصطناعي في السحابة العامة. إن استثمار الوقت والموارد في بداية مشروع الذكاء الاصطناعي الخاص بك لتحديد نموذج السحابة الصحيح سيقطع شوطًا طويلاً نحو التحوط ضد فشل مشروع الذكاء الاصطناعي.

هولاند باري هو نائب أول للرئيس ومدير تقني ميداني في Cyxtera.

صانعي القرار

مرحبًا بك في مجتمع VentureBeat!

DataDecisionMakers هو المكان الذي يمكن للخبراء ، بما في ذلك الأشخاص الفنيون الذين يقومون بعمل البيانات ، مشاركة الأفكار والابتكارات المتعلقة بالبيانات.

إذا كنت تريد أن تقرأ عن الأفكار المتطورة والمعلومات المحدثة ، وأفضل الممارسات ، ومستقبل البيانات وتكنولوجيا البيانات ، انضم إلينا في DataDecisionMakers.

يمكنك حتى التفكير المساهمة بمقال خاص بك!

قراءة المزيد من DataDecisionMakers

The Information Weblog The place You Get The Information First
VentureBeat

brain2gain