نبرد نزدیک بر سر اینکه سیستم‌های هوش مصنوعی مولد کجا اجرا می‌شوند

قرار دادن هوش مصنوعی در سیستم‌های ابری در مقابل سیستم‌های داخلی ممکن است تصمیمی ساده به نظر برسد، اما بسیار پیچیده‌تر (و احتمالاً گران‌تر) است.

دیوید ولانته از شهرت «مکعب» یک پست الهام‌بخش نوشت که به مسائل مربوط به فضای ابری و داخلی مربوط به هوش مصنوعی می‌پردازد و با داده‌های نظرسنجی جدید، گوشت خام را برای وبلاگ‌نویسان ارائه کرد. باارزش‌ترین پیشنهاد چیزی بود که من قبلاً تصور می‌کردم: «در حالی که اکثر مشتریان افزایش خرج متوسط ​​۱۰٪ یا کمتر [در هوش مصنوعی] را گزارش می‌کنند، ۳۶٪ می‌گویند هزینه‌هایشان دو رقمی افزایش می‌یابد.”

هوش مصنوعی مولد ممکن است بدهی فنی را افزایش دهد

اوایل سال زمانی که نوشته‌ای در مورد “ارزش درک شده” هوش مصنوعی مولد روی دیوار بود، این را نام بردم، و پذیرش سریع بخش بزرگی از رشد ابر در سال‌های ۲۰۲۴ و ۲۰۲۵ را به همراه خواهد داشت. اما این دقیقاً بیرون رفتن نیست.

آنچه که آشکارتر می شود این است که مکانی که اکثر سیستم های هوش مصنوعی مولد در آن ساکن خواهند شد (پلتفرم های ابر عمومی در مقابل پلت فرم های داخلی و مبتنی بر لبه) هنوز در حال تعیین است. مقاله Vellante اشاره می‌کند که سیستم‌های هوش مصنوعی بین پلتفرم‌های داخلی و عمومی ابری کار می‌کنند. هدایت این فرضیه این است که ابر عمومی با خطراتی همراه است، از جمله نشت IP، یا زمانی که نتایج بهتری از داده‌های شما در مسابقه ظاهر می‌شود.

همچنین، شرکت‌ها هنوز داده‌های زیادی را در مراکز داده سنتی یا محاسبات لبه‌ای به جای در فضای ابری دارند. هنگامی که داده ها به راحتی به ابر منتقل نمی شوند، این می تواند مشکلاتی ایجاد کند، زیرا سیلوهای داده امروزه در اکثر شرکت ها رایج است. سیستم‌های هوش مصنوعی به داده‌ها نیاز دارند تا ارزش داشته باشند، و بنابراین ممکن است منطقی باشد که سیستم‌های هوش مصنوعی را که نزدیک‌ترین به داده‌ها را میزبانی می‌کنند.

من استدلال می‌کنم که داده‌ها نباید در سیلوها وجود داشته باشند و شما یک مشکل موجود را فعال می‌کنید. با این حال، بسیاری از شرکت‌ها با توجه به هزینه‌های رفع چنین مسائلی، ممکن است انتخاب‌های عمل‌گرایانه‌تری نداشته باشند. هوش مصنوعی مولد برای اکثر شرکت‌ها اولویت در نظر گرفته می‌شود، حتی اگر به معنای کار با زیرساخت‌های بهینه‌سازی نشده باشد که تمایلی به تغییر آن ندارند یا توانایی پرداخت آن را ندارند. در واقع، این بدان معنی است که هوش مصنوعی مولد می تواند لایه دیگری از بدهی فنی را برای بسیاری از مشاغل ایجاد کند.

به prem یا نه به prem

یکی از مواردی که در مقاله Vellante مرا مورد آزار قرار داد این است که در روزهای اولیه رایانش ابری، شرکت‌ها را دیدم که بسیاری از اشتباهات مشابه را مرتکب شدند. با این حال، این بار شرکت ها چیزها را در مراکز داده قرار می دهند و نه در فضای ابری. همچنین مشکل انتقال برنامه ها و داده ها به فضای ابری بدون آمادگی و برنامه ریزی کافی وجود دارد. هر دو حالت افراطی شما را با راه حل های بهینه سازی ناکافی مواجه می کند.

ابر مزایای بسیاری دارد که ممکن است هرگز در پلتفرم‌های قدیمی قدیمی یافت نشوند. شما نمی توانید با در دسترس بودن ابزارها و فناوری در ابرهای عمومی و همچنین سرعت به کارگیری این راه حل ها مطابقت نداشته باشید. آنها در حال حاضر هوش مصنوعی مولد را به خوبی انجام می دهند و زیرساختی برای مقیاس بندی و انطباق با تحولات فناوری دارند.

نگهداری این پلتفرم‌ها مشکل شخص دیگری در ابرهای عمومی است. در حالی که اکثر شرکت ها قبلاً پشتیبانی و مدیریت امکانات را در اختیار دارند یا از یک سرویس مدیریت شده استفاده می کنند، این دسته دیگری از سرورها است که تمام کارهای بدی را انجام می دهد که سرورهای فیزیکی شما مالک و اداره می کنید.

اما، همانطور که با افزایش بازگشت‌ها دیدیم، اگر سیستم‌های هوش مصنوعی مولد واقعاً با داده‌های آموزشی ترکیب شده باشند، و پیش‌بینی استفاده از آن داده‌ها نسبتاً آسان خواهد بود، سیستم‌های داخلی می‌توانند نیمی از هزینه پلتفرم‌های ابری عمومی باشند.

بستگی دارد

سیستم‌های هوش مصنوعی مولد عمدتاً برای انجام کارهایی مانند خودکارسازی زنجیره‌های تأمین با پردازش هوشمند، خودکار کردن کارهای دستی تکرارشونده برای کاهش تعداد کارمندان (که در مقاله به آن اشاره شد)، ارائه اطلاعات بازاریابی، و غیره ساخته شده‌اند. اینکه سیستم‌ها کجا اجرا می‌شوند عمدتاً بستگی دارد. در مورد نوع مشکلی که به دنبال حل آن هستید و ویژگی های آن سیستم هوش مصنوعی مولد. مردم از این پاسخ متنفرند (بسیار مشاور)، اما این درست است. از بسیاری جهات، تفاوت چندانی با هر سیستم دیگری که شما می سازید و اجرا می کنید ندارد.

من نگران مفروضاتی در مورد درون محل یا فضای ابری هستم که فقط گاهی اوقات درست است. من مطمئن نیستم که آیا ابر واقعاً در برابر “نشت IP” آسیب پذیرتر است یا خیر. بسیاری از سیستم های اصلی، مانند امنیت، عملیات و مقیاس پذیری، در ابرهای عمومی بهتر هستند. ابرهای عمومی می توانند گران تر از سیستم های اولیه باشند، اما بسته به مورد استفاده، مناسب هستند. این روند در پیش حل مشکلات («فقط ابری» یا «ابر-هرگز») بدون درک کامل وضعیت، ما را در گذشته به دردسر انداخته است. ما در حال انجام اشتباهات مشابه با سیستم‌های هوش مصنوعی خالص جدید هستیم.

من گمان می‌کنم که در سال ۲۰۲۵ صحبت‌های دشوار زیادی در مورد اینکه چرا هوش مصنوعی مولد دو برابر بیشتر از آنچه که باید هزینه دارد، داشته باشم. احتمالاً به دلایل اشتباه روی پلت فرم اشتباه است. من ترجیح می دهم آن گفتگوها را نداشته باشم. این فرصت شماست.