ابر یک پلت فرم slam dunk برای هوش مصنوعی مولد نیست

از آنجایی که ارائه دهندگان ابر عمومی به دنبال هوش مصنوعی مولد هستند، ممکن است تعجب آور باشد که دلار در جهات دیگر جریان یابد. فروشندگان و مشتریان باید چیزهای زیادی را در نظر بگیرند.

همانطور که در حدود یک سال گذشته گفته‌ام، کنفرانس‌های ابری به کنفرانس‌های هوش مصنوعی مولد تبدیل شده‌اند، همانطور که کنفرانس‌های مرکز داده، کنفرانس‌های پایگاه داده، و شما نام ببرید. این به وضوح بیش از یک روند است – این یک فشار تغییر دهنده بازی است. اما ما در ۳۰ سال گذشته بارها دیده‌ایم که این اتفاق افتاده است تا بدانیم هیچ چیز تضمینی برای یک روند واقعی نیست. “فناوری فشاری” را به خاطر دارید؟ دقیقاً.

از آنجایی که شرکت‌ها به سرعت به سمت هوش مصنوعی مولد عجله می‌کنند، انتخاب زیرساخت مناسب برای عملکرد بهینه و مقرون‌به‌صرفه بودن بسیار مهم است. مقایسه رایانش ابری و راه‌حل‌های سنتی در محل، چیزهای جالبی را نشان می‌دهد که پلتفرم‌های ابری میزبان برنامه‌های هوش مصنوعی مولد هستند. این ضعف‌ها ممکن است به این معنی باشد که پلت‌فرم‌های رایانش ابری عمومی وقتی صحبت از بهترین مکان برای زندگی سیستم‌های هوش مصنوعی مولد به میان می‌آید، بد نیست. بیایید این را بررسی کنیم.

راحتی در مقابل کارایی هزینه

در زمینه راحتی، ابر بستر بهتری برای هوش مصنوعی مولد است. پلتفرم‌های ابری عمومی به خوبی در سراسر اکوسیستم ابزارهای هوش مصنوعی مولد و کمک‌های توسعه جا افتاده‌اند، که باعث می‌شود ساخت و استقرار سیستم‌های هوش مصنوعی مولد بر روی پلت‌فرم‌های ابری عمومی «دکمه آسان» هوش مصنوعی باشد.

این واقعیت به تنهایی ابر را به اولین پلتفرمی تبدیل می کند که بیشتر کارآفرینان از آن استفاده می کنند، با توجه به اینکه آنها به تازگی در مورد موارد استفاده برای genAI و نحوه استقرار سیستم ها هوشمند می شوند. من در ۱۰ سال گذشته به دلایل مشابه در اکثر پروژه های هوش مصنوعی خود بر روی ابر تمرکز کرده ام. این ساده تر است.

اما آیا مقرون به صرفه تر است؟ تاریخ به ما می گوید که ما برای سهولت در استقرار و مقیاس پذیری به سمت ابر می رویم، اما به سرعت متوجه می شویم که پلتفرم های ابری معمولاً هزینه بیشتری نسبت به آنالوگ های داخلی دارند. مسافت پیموده شده شما ممکن است متفاوت باشد و به طور خاص به مورد استفاده شما بستگی دارد. اما به طور کلی می‌توان گفت که ابر پلتفرم گران‌تری برای هوش مصنوعی مولد خواهد بود. این موضوع از جانب شخصی است که وبلاگ ابری، پادکست ابری، کتاب ابری و کانال یوتیوب ابری دارد.

یادگیری از گذشته نزدیک

این بدان معنا نیست که شرکت‌ها باید مراکز داده خود را بخرند یا بسازند. گزینه‌های بهتر شامل ارائه‌دهندگان colocation (colo) و ارائه‌دهندگان خدمات مدیریت شده است که فضای سخت‌افزار و مرکز داده را اجاره می‌کنند و همچنین می‌توانند آن سیستم‌ها را برای شما کار کنند.

همچنین، باید ریز ابرهایی را که در حال ظهور هستند در نظر بگیرید. اینها راه اندازی های ارائه دهنده ابر .ai هستند که GPU و TPU را به عنوان یک سرویس ارائه می دهند. آنها برای رقابت باید هزینه کمتری نسبت به ارائه دهندگان ابر عمومی بپردازند. بنابراین، ممکن است برای هر شرکتی که می‌خواهد با آن‌ها شانسی داشته باشد، مقرون به صرفه‌تر باشند. می توان تصور کرد که اکثر آنها ظرف چند سال توسط ارائه دهندگان بزرگتر بلعیده می شوند.

درس هایی که در گذشته اخیر آموخته ایم در اینجا قابل اجرا هستند. ابرهای عمومی خوب هستند، اما هزینه‌ای دارند که بسیاری از شرکت‌ها آن را کمتر مفید می‌دانند، تقریباً ۲.۵ برابر بیشتر از آنچه فکر می‌کردند. بر اساس تجربه من، این عدد دلخواه اما بسیار دقیق است.

البته، بیشتر این هزینه‌های بیش از حد، زخم‌هایی هستند که خود ایجاد می‌کنند. بسیاری از شرکت‌ها حجم‌های کاری را به فضای ابری منتقل می‌کنند تا در مقطعی آن‌ها را مدرن‌سازی کنند تا پول کمتری بسوزانند. آنها هرگز این کار را نکردند و اکنون برخی از آنها به سیستم های داخلی بازگردانده می شوند. سیستم‌های هوش مصنوعی مولد عمدتاً جدید خواهند بود، بنابراین این نوع اشتباهات «با لگد زدن به قوطی» نباید رخ دهد.

چه چیزی را در نظر بگیریم؟

البته، غیر از هزینه، مسائل دیگری نیز وجود دارد. امنیت به ذهن می رسد. نگهداری داده‌های حساس در فضای ابری نگرانی‌های امنیتی را افزایش می‌دهد، زیرا ارائه‌دهندگان ابر ممکن است سطح امنیت را به اندازه تنظیمات داخلی ارائه ندهند. صنایع خاصی در مورد ذخیره سازی و پردازش داده ها خواسته های قانونی خاصی دارند.

برخی از این ادراک در مقابل واقعیت است. در بسیاری از موارد، ارائه‌دهندگان ابر عمومی می‌توانند امنیت بهتری نسبت به فضای داخلی ارائه دهند. با این حال، برخی از موارد استفاده شامل داده‌های بسیار حساس و مدل‌های دانشی است که اگر آن داده‌ها از بین بروند، یک موقعیت تجاری محسوب می‌شوند. بنابراین بسیاری از شرکت ها اصرار دارند که داده ها و مدل های هوش مصنوعی را در داخل خود نگه دارند.

به‌علاوه، زیرساخت‌های ابری می‌توانند تأخیر ایجاد کنند به دلیل انتقال داده‌ها به مکان‌های پردازش از راه دور، و ماهیت توزیع‌شده تنظیمات ابری ممکن است نگرانی‌های مربوط به حریم خصوصی داده‌ها را آشکار کند. همچنین، دسترسی به خدمات ابری نیاز به یک اتصال اینترنتی پایدار برای عملیات بدون درز دارد. قطع‌ها می‌توانند در دسترس بودن خدمات را مختل کنند و بر تداوم عملیات تأثیر بگذارند.

در نهایت، سناریوهای ابری ترکیبی ممکن است برای ساختاردهی مناسب داده‌ها برای چندین پلتفرم و مدیریت قابلیت‌های مختلف در محیط‌های مختلف با چالش‌هایی مواجه شوند. مدیریت فرآیندهای همگام‌سازی و اطمینان از سازگاری داده‌ها می‌تواند در تنظیمات داده‌های توزیع‌شده پیچیده باشد، یعنی همان رایانش ابری.

همه اینها به این معنی است که افرادی که ابر را تنها پلتفرم سیستم‌های هوش مصنوعی مولد می‌دانند، هنوز این صورت حساب را درک نکرده‌اند. من گمان می کنم که چند سال در فضای ابری، میلیون ها هزینه زیرساخت ابری پرداخت می شود، و این واقعیت که سخت افزار اکنون ارزان است، بسیاری از شرکت ها را به مراکز داده سنتی برای هوش مصنوعی مولد برمی گرداند.

در پاسخ، فکر می‌کنم بسیاری از ارائه‌دهندگان ابری به امید قفل کردن بازیکنان شرکت‌های بزرگ، موقتاً قیمت‌های خود را پایین می‌آورند و بعداً آن‌ها را افزایش می‌دهند. آنها میلیاردها دلار سرمایه گذاری کرده اند تا به طور مستحکم وارد فضای هوش مصنوعی مولد شوند و در نهایت باید سرمایه خود را جبران کنند.

همه ما باید در مورد اینکه چه چیزی بیشترین ارزش را به کسب و کار مربوطه ما باز می گرداند، تصمیماتی اتخاذ کنیم. من اکنون خطوط نبرد را می بینم که ترسیم شده است. باشد که پلتفرمی که بیشترین ارزش را دارد برنده شود.