התפתחות של AI מחוללת וההשפעה שלה על פתרונות אחסון הנתונים

˹עסקים מקבלים אמוץ של AI מחולל, גורם לשינוי באחסון˼

את כיפות הלמידה המלכודתי של זיהוי הדמיון (AI) מחדש אקולים את הדרך בה אנשי עסקים טוטלים ושומרים מידע. עם תחביר עוד חברות מחפשות להתאים AI מחולל לצרכים ספציפיים, התפקיד הקריטי של כמות גדולה של מידע לאימון מודלים אלו של AI מתבהר.

˹בקשות לנתונים מקינון ונתוני למידת מכונה˼

שוק האחסון המוכו לעסקים עד כה ניתן להנחה בפיתוח כמו אגמי נתונים, המורכבים מנתונים מובנים ולא מובנים, וגם הצורך הגובר בנתוני למידת מכונה. על פי דייב רפו, ניתוחן המשושע דברי Futurum Group, קיימת עדיפות במידת נתונים במוצרים טכניים ושירותים עקב התהום סובב AI ממחולל. ספקי אחסון נלהבים להדגיש את דרישות האחסון המבוגרות של מודלי AI.

˹אחסון היברידי: הייעוץ עבור 2024˼

הבט מעבר ל-2024, אחסון היברידי, המשלב שירותי ענן ושרתי מיקום אישי, עולה כאפשרות נטיית להוביל. חברות המתמודדות עם אתגרים ביצירת המחולל AI הגינרטיבי שלהן עשויות לפנות לשירותי ענן ואחסון ענן עבור מודלי AI מוכנים. מומחי תעשייה מאמינים שרוב הארגונים יסיבו על תערובת של שרתים במיקום אישי עם שרתי ענן רחביים לרכיב בגל התעשייה של הנפשה אנו גנרטיבי.

˹האסלק RuntimeException הגנרטיבי מחזיק בביקוע בביקוע˼

(ריי לוצ'סי, מייסד ונשיא של קונסולטינג של Silverton) מתבטא כי הטרנד שלקפיץ האסלק להיברידי יימשיך עם שיפוץ ואימוץ של הנגזרת סובב. הוא מעיד על דרישת ה"נתוני מורה," או שימושי נתונים לאימון מודלי AI, סביב נתון למעיק.

˹האסלק היברידי מתתפרצת בפופולריות ובבקשה˼

המוטיבציה של חברות בניית האסלק הגנרטיבי שלהן על ידי שרתים פנימיים היא מרובה. כוללת את המניעה של הפרת כוונת זכויות יוצרים והקשרים של פרטיות נתונים, לרכישת יכולות AI ספציפיות בתחום. אחסון היברידי יכול לעזור בעמידה על כל הצרכים ברגולציות בעת ניצול שירותי ענן.

סקר של קבוצת אסטרטגיית עסקים (ESG) מאתר TechTarget מצפה על אינווסטמנים תאגידיים רגילים באחסון ענן. פיתוח מודלי AI ייחודיים, במיוחד ללא הסתמכות על מודלי שפה קיימים, דורש נתונים עשירים. אחסון ענן מתהווה את הפעולת סידוריה כאשר נכונים מותקסם מנתונים שנאספים על ידי התקנים של קדמה עם מרכזי עוצמת רכב.

לסיכום, גישת ראשון-ענן לכיום על ידי מותגים בעסקים נטה לסבב על הקצה החישוב הכולל (TCO). הדיון הבא יצוף לתוך השידורים המהפות על ספקי אחסון ועסקים בנוף המשתנה הזה.

˹שאלות ותשובות חשובות˼

– שׁ: מהן כמה אתגרים בעיקר הקשורים לגנרטיב AI באחסון נתונים?˼
התשובה: האתגרים כוללים ניהול כמות המידע העצומה הדרושה לאימון המודלים, הבטיחות והאבטחת הנתונים, רמה של כלליות המידע, התמודדות עם קביעות ודילול בעיות רישוי וצורך במשאבי חישוב משמעותיים.

– שׁ: מהן הפולמות הקשורות לגנרטיבי AI?˼
התשובה: קיימים עיוותיים כלפי אתיקה סביב השימוש המוטוני של יציקה AI ליצירת עמקים עמוקים או מידע מוטא, פינוי עבודה פוטנציאלי, עיוות במודלי AI, והשפעת הסביבה עקב צריבת אנרגיה גבוהה של הכשרת דמותות מורכבות.

˹יתרונות וחסרונות˼

יתרונות˼

– התאמה מוגברת:˼ חברות יכולות להתאים מודלי AI לצרכים שלהן, ובכך להשפיע על פעולות יעילות ויעילות יותר.
– ספיקת נתונים:˼ אגמי תוכנה ופתרונות אחסון היברידי מאפשרים ספיקת נתונים יעילה כשנתונים מובנים ולא מובנים ממקורות שונים.
– כתיבון:˼ אחסון ענן מציע משאבים הנתמכים, העתקה להתמודדות עם צרכי נתונים מתינגרי מודלי AI.
– יכולת מחירויות:˼ גישה ראשונה ענן הכוללת כיסוי TCO על ידי מקסימיזציה של הוצאות התשתיות המקומיות.

חסרונות˼

– אבטחת נתונים:˼ שמירה של נתונים רגישים במקום או בעננים עלולה לעלות על בעיות אבטחה ולחש לפריצות נתונים.
– התאמת רגולציה:˼ עמידה בכללים של הגנת נתונים נהפכת למורכבת יותר כאשר הנתונים מופזרים בין פתרונות אחסון שונים.
– עלויות התשתית:˼ התמרנות ראשית לרכישת ההתשתתי הנדרשת כדי לתמוך בAI הגנרטיבית יכולה להיות משמעותית.
– תלות בספקים˼: חברות עשויות להסתמך על ספקי שירותי ענן, המעלות הסיכונות בנעילת ספקים והפרעות פוטנציאליות אם שירות נופל.

˹קישורים מומלצים˼

למידע כללי על מודול אמיצים:
IBM Artificial Intelligence

לתובנות בפתרונות ענן היברידיים:
Red Hat Hybrid Cloud

לחידושים האחרונים בטרנדי אחסון בענן:
Amazon Web Services Storage

כדי לרכוש מאמר זה בעברית, השתמש באפשרות המתרגום שלי ניתן לחלק.