یک رویکرد متعادل برای انتخاب پلتفرم هوش مصنوعی

در افزایش هوش مصنوعی، شرکت‌ها برای انتخاب فضای ابری یا داخلی تحت فشار هستند. بیایید از اشتباهات گذشته درس بگیریم و متوجه شویم که راه حل به ندرت یک اندازه مناسب است.

من مطمئن نیستم که چرا صنعت ما مدام در دام می افتد که وقتی یک مفهوم جدید ظاهر می شود، تقریباً بلافاصله اعلامیه هایی وجود دارد که بهترین عملکرد را روی یک پلتفرم دارد. شرکت ها حتی نباید به گزینه های دیگر فکر کنند.

این مقاله VentureBeat یک مثال است، اگرچه از اکثر موارد متعادل تر است. در حالی که بسیاری از کارشناسان، محاسبات ابری را تنها انتخاب منطقی برای هوش مصنوعی معرفی می کنند، بسیاری از فروشندگان سخت افزار اعلام می کنند که سخت افزار سنتی بهترین گزینه است. حق با کیست؟

من با رایانش ابری مخالف نیستم. این یک میزبان منطقی برای بسیاری از راه حل های هوش مصنوعی است، و من اغلب معمار آنها بوده ام. Cloud دارای اکوسیستم هوش مصنوعی خاص خود است که شامل تمام مجموعه ابزارهای مولد هوش مصنوعی، مقیاس پذیری بر اساس تقاضا و غیره است.

مطمئن باشید، چندین گزینه برای رفع نیازهای شما در دسترس است و تصمیم نهایی با شماست. معماران هوش مصنوعی برنده پلتفرم را بر اساس نیازهای خاص کسب و کار شما تعریف می کنند. افراد ماهر مقرون به صرفه ترین پلتفرم هوش مصنوعی را انتخاب می کنند که بالاترین ارزش را برای شرکت شما به ارمغان می آورد.

برای هوش مصنوعی، چابکی ابر و بی‌درنگی که می‌توان با آن منابع را افزایش یا کاهش داد، در زمینه‌ای که با تکامل سریع مشخص می‌شود، بسیار ارزشمند است. علاوه بر این، پلتفرم‌های ابری اقدامات امنیتی و پایداری عملیاتی پیشرفته‌ای دارند که تعداد کمی از شرکت‌ها می‌توانند در داخل آن را تکرار کنند. با این حال، ابر اغلب بسیار گران است و ممکن است برای مدل‌های انطباق و امنیتی موجود برای یک مورد خاص کارایی نداشته باشد. همچنین، آیا گفتم خیلی گران است؟ این چیزی است که باید با یک ذهن روشن در نظر بگیرید.

طرفداران زیرساخت‌های داخلی برای کنترل و انطباق بهتر استدلال می‌کنند – به‌ویژه در صنایع بسیار تنظیم‌شده مانند مراقبت‌های بهداشتی یا مالی. آنها به صرفه جویی در هزینه بالقوه برای بارهای کاری سنگین، تاخیر و عملکرد بهبود یافته برای وظایف خاص، و استقلال برای سفارشی کردن زیرساخت بدون محدود شدن به محدودیت های فروشندگان ابر اشاره می کنند. همه اینها نکات خوبی هستند و فقط به نوع خاصی از پرونده تجاری مربوط می شوند.

بنابراین، ابر یا در محل، چگونه تصمیم می گیرید؟ ساده تر از چیزی است که فکر می کنید. از این فرآیند برای راهنمایی شما استفاده کنید:

1. مورد استفاده تجاری را تعیین کنید.
2. در مورد الزامات کسب و کار اجماع به دست آورید.
3. الزامات فناوری را در نظر بگیرید.
4. پلتفرم صحیح را انتخاب کنید.

توجه داشته باشید که انتخاب پلتفرم در پایان انجام می شود. بسیاری از مردم اعلام می‌کنند که به نوعی «روشن‌بین پلت‌فرم» هستند و می‌توانند پلتفرم هوش مصنوعی شما را علی‌رغم عدم درک مشکلی که باید حل شود انتخاب کنند. ارائه دهندگان سخت افزار و ابر اکنون این کار را روزانه انجام می دهند. آن راه حل های میخ مربعی را به خاطر دارید؟ احتمال این وجود دارد که مشکل سوراخ گرد دارید.

مورد کسب و کار برتر است

شما باید واقعیت های مالی را درک کنید که در زیر هر فناوری جدید یا کاربرد آن نهفته است. سخت افزار مخصوص هوش مصنوعی (مانند پردازنده های گرافیکی با کارایی بالا انویدیا) قیمت قابل توجهی دارد. ارائه دهندگان فضای ابری از امکانات مالی برای جذب و توزیع این هزینه ها در یک پایگاه کاربری گسترده برخوردار هستند. برعکس، شرکت‌هایی که سرمایه‌گذاری زیادی روی سخت‌افزار داخلی انجام می‌دهند، با یک چرخه دائماً دلهره‌آور ارتقاء و منسوخ شدن مواجه می‌شوند.

با این گفته، ارائه دهندگان ابر اغلب با معماری هایی مواجه می شوند که هزینه بسیار زیادی دارند. حتی با وجود کارایی‌هایی که در بالا ذکر کردیم، از جمله مزایای نرم چابکی، هزینه نهایی به‌طور قابل‌توجهی ارزشی را که به تجارت بازمی‌گردد، از بین می‌برد. همچنین، فرصت‌هایی برای شرکت‌ها وجود دارد که با دقت سیستم‌هایی را در محل ایجاد کنند که نیازی به پردازنده‌های سطح بالا و گران قیمت ندارند. این تصور که GPU برای هر برنامه هوش مصنوعی اجباری است، احمقانه است. ما به خاطر خدا سیستم های هوش مصنوعی داریم که روی تلفن های هوشمند اجرا می شوند.

محاسبات لبه‌ای معادله را پیچیده‌تر می‌کند، به‌ویژه برای برنامه‌های حساس به تأخیر مانند وسایل نقلیه خودران و تجزیه و تحلیل بلادرنگ. برخی از شرکت‌ها ممکن است استفاده از بارهای کاری هوش مصنوعی در دستگاه‌های لبه‌ای را با کاهش تأخیر و افزایش عملکرد مفید بدانند.

از نقاط قوت هر طرف استفاده کنید

با توجه به ماهیت پیچیده چشم‌انداز، انتخاب بین زیرساخت‌های ابری و درون‌محلی باید ظریف‌تر باشد. شرکت ها باید یک رویکرد ترکیبی را اتخاذ کنند که نقاط قوت هر دو پارادایم را ترکیب کند. برای مثال، کسب‌وکارها ممکن است در حین استفاده از ابر برای کارایی هزینه، مقیاس‌پذیری و دسترسی به اکوسیستم‌های کامل هوش مصنوعی، بارهای کاری حساس به تأخیر یا بسیار تنظیم‌شده را در محل یا در لبه به کار گیرند.

مسئله این نیست که آیا فضای ابری تسلط پیدا می‌کند یا اینکه فضای داخلی بازمی‌گردد، بلکه در مورد این است که هر دو جایگاه خود را دارند. هدف باید استفاده از طیف کامل منابع موجود برای پاسخگویی مؤثرتر به نیازهای تجاری خاص باشد. شرکت‌های ابری، داخلی یا هر دو که رویکردی عینی با مجموعه‌ای از اهداف کاملاً درک شده را دنبال می‌کنند، پیچیدگی‌های پذیرش هوش مصنوعی را دنبال می‌کنند و خود را برای باز کردن پتانسیل تحول‌آفرین کامل خود قرار می‌دهند.