وقتی از هوش مصنوعی یاد می کنید ، هم به یک فرد غیرمستقیم و هم برای یک مهندس هوش مصنوعی ، ابر احتمالاً اولین چیزی است که به ذهن خطور می کند. اما چرا ، دقیقاً؟ در بیشتر موارد ، به این دلیل است آنها مدل های خود را باز نمی کنند آنها گزینه های محلی را ارائه نمی دهند.
البته ، آنها راه حل های سازمانی دارند ، اما در مورد آن فکر می کنند – آیا واقعاً می خواهید به داده های خود به اشخاص ثالث اعتماد کنید؟ اگر اینطور نیست ، AI در محل بهترین راه حل و آنچه امروز با آن مقابله می کنیم ، است. بنابراین ، بیایید با ریز و درشت ترکیب کارآیی اتوماسیون با امنیت استقرار محلی مقابله کنیم.
آینده هوش مصنوعی در محل است
دنیای هوش مصنوعی با ابر وسواس دارد. این براق ، مقیاس پذیر است و نوید ذخیره بی پایان را بدون نیاز به سرورهای حجیم که در برخی از اتاق های پشتی از آن دور می شوند ، نوید می دهد. محاسبات ابری در نحوه مدیریت مشاغل ، متحول شده است ، دسترسی انعطاف پذیر به قدرت محاسباتی پیشرفته بدون هزینه بالای زیرساخت ها.
اما این پیچ و تاب است: همه سازمان ها نمی خواهند – یا باید – بر روی باند ابری جنجال بزنند. AI را وارد کنید ، راه حلی که باعث ایجاد ارتباط در صنایعی می شود که در آن کنترل ، سرعت و امنیت از جذابیت راحتی بیشتر است.
تصور کنید که الگوریتم های قدرتمند هوش مصنوعی را مستقیماً در زیرساخت های خود اجرا کنید ، بدون اینکه از طریق سرورهای خارجی و هیچگونه سازش در حریم خصوصی وجود نداشته باشد. این جذابیت اصلی AI در PREM است-این داده ها ، عملکرد و تصمیم گیری شما را محکم در دستان شما قرار می دهد. این در مورد ساخت یک خیاط اکوسیستم برای نیازهای منحصر به فرد شما است ، عاری از آسیب پذیری های احتمالی مراکز داده از راه دوربشر
با این حال ، دقیقاً مانند هر راه حل فنی که نوید کنترل کامل را می دهد ، معاملات واقعی واقعی هستند و نمی توان آن را نادیده گرفت. موانع مالی ، لجستیکی و فنی قابل توجهی وجود دارد و پیمایش آنها نیاز به درک روشنی از پاداش های بالقوه و خطرات ذاتی دارد.
بیایید عمیق تر شیرجه بزنیم. چرا برخی از شرکت ها داده های خود را از آغوش دنج Cloud به عقب می کشند و هزینه واقعی نگه داشتن هوش مصنوعی در خانه چیست؟
چرا شرکت ها در حال تجدید نظر در ذهنیت اول ابر هستند
کنترل نام بازی است. برای صنایعی که انطباق نظارتی و حساسیت به داده ها غیر قابل مذاکره هستند ، ایده حمل و نقل داده ها به سرورهای شخص ثالث می تواند یک معامله گر باشد. موسسات مالی ، سازمان های دولتی و سازمان های بهداشت و درمان در اینجا مسئولیت این مسئولیت را بر عهده دارند. داشتن سیستم های AI در خانه به معنای کنترل محکم تر بر اینکه چه کسی به چه چیزی دسترسی دارد و چه زمانیبشر داده های حساس مشتری ، مالکیت معنوی و اطلاعات تجاری محرمانه کاملاً در کنترل سازمان شما باقی مانده است.
محیط های نظارتی مانند GDPR در اروپا ، HIPAA در ایالات متحده یا مقررات خاص بخش مالی اغلب نیاز به کنترل دقیق در مورد چگونگی و مکان ذخیره و پردازش داده ها دارند. در مقایسه با برون سپاری ، یک راه حل در محل ، مسیری ساده تر را برای انطباق ارائه می دهد زیرا داده ها هرگز از نظر مستقیم سازمان خارج نمی شوند.
ما همچنین نمی توانیم جنبه مالی را فراموش کنیم –مدیریت و بهینه سازی هزینه های ابر می تواند یک دردناک باشد ، به خصوص اگر ترافیک به گلوله برفی شروع شود. نکته ای وجود دارد که این فقط امکان پذیر نیست و شرکت ها باید استفاده از LLM های محلی را در نظر بگیریدبشر
اکنون ، در حالی که استارتاپ ها ممکن است در نظر بگیرند با استفاده از سرورهای GPU میزبان برای استقرار ساده
اما یک دلیل دیگر که اغلب مورد غالباً دیده می شود وجود دارد: سرعت. ابر همیشه نمی تواند تأخیر فوق العاده کم مورد نیاز برای صنایعی مانند تجارت با فرکانس بالا را تحویل دهد ، سیستم های خودروهای خودمختار، یا نظارت صنعتی در زمان واقعی. هنگامی که میلی ثانیه حساب می شود ، حتی سریعترین سرویس ابری می تواند احساس کندی کند.
قسمت تاریک AI در محل
اینجا جایی است که واقعیت نیش می زند. تنظیم AI در محل فقط به معنای وصل کردن چند سرور و ضربه زدن به “Go” نیست. خواسته های زیرساختی وحشیانه است. به سخت افزار قدرتمندی مانند سرورهای تخصصی ، GPU های با کارایی بالا ، آرایه های گسترده و تجهیزات پیچیده شبکه نیاز دارد. برای تحمل گرمای قابل توجهی که توسط این سخت افزار ایجاد می شود ، سیستم های خنک کننده باید نصب شوند و مصرف انرژی می تواند قابل توجه باشد.
همه اینها ترجمه به هزینه های بالایی سرمایهبشر اما این فقط بار مالی نیست که باعث می شود در محل AI یک تلاش دلهره آور باشد.
پیچیدگی مدیریت چنین سیستمی نیاز به تخصص بسیار تخصصی دارد. بر خلاف ارائه دهندگان ابر ، که کنترل زیرساخت ها ، به روزرسانی های امنیتی و به روزرسانی های سیستم را کنترل می کنند ، یک راه حل در محل ، یک تیم IT اختصاصی را با مهارت های مربوط به نگهداری سخت افزار ، امنیت سایبری و مدیریت مدل AI می طلبد. بدون وجود افراد مناسب ، زیرساخت های جدید و براق شما می توانند به سرعت به یک مسئولیت تبدیل شوند. ایجاد تنگناها به جای از بین بردن آنهابشر
علاوه بر این ، با تکامل سیستم های هوش مصنوعی ، نیاز به ارتقاء منظم اجتناب ناپذیر می شود. ماندن از منحنی به معنای تازه کردن سخت افزار مکرر است که به هزینه های بلند مدت و پیچیدگی عملیاتی می افزاید. برای بسیاری از سازمان ها ، بار فنی و مالی کافی است مقیاس پذیری و انعطاف پذیری ابر را بسیار جذاب تر کنیدبشر
مدل ترکیبی: یک میانه عملی؟
هر شرکتی نمی خواهد همه چیز را روی ابر یا در محل انجام دهد. اگر تمام آنچه شما استفاده می کنید LLM است برای استخراج داده های هوشمند و تجزیه و تحلیل ، سپس یک سرور جداگانه ممکن است بیش از حد باشد. این جایی است که راه حل های هیبریدی به مرحله اجرا در می آیند و بهترین جنبه های هر دو جهان را می آمیزند. بار کاری حساس در داخل خانه باقی می ماند و از اقدامات امنیتی خود شرکت محافظت می شود ، در حالی که کارهای مقیاس پذیر و غیر بحرانی در ابر انجام می شود و از انعطاف پذیری و قدرت پردازش آن استفاده می کند.
بیایید بخش تولید را به عنوان نمونه در نظر بگیرید، ما باید؟ نظارت بر فرآیند در زمان واقعی و تعمیر و نگهداری پیش بینی کننده اغلب برای پاسخ های کم تأخیر به AI در PREM متکی است ، و اطمینان می دهد که تصمیمات به طور فوری برای جلوگیری از خرابی تجهیزات گران قیمت اتخاذ می شوند.
در همین حال ، تجزیه و تحلیل داده های در مقیاس بزرگ-از جمله بررسی ماه های داده های عملیاتی برای بهینه سازی گردش کار– هنوز هم در ابر اتفاق می افتد ، جایی که ظرفیت ذخیره و پردازش عملاً نامحدود است.
این استراتژی ترکیبی به شرکت ها اجازه می دهد تا عملکرد را با مقیاس پذیری متعادل کنند. همچنین با نگه داشتن عملیات گران قیمت و با اولویت بالا ، در عین حال به کاهش هزینه های کاری کمتر ، از هزینه های کمتری از صرفه جویی در هزینه های محاسبات ابری کمک می کند.
خط پایین این است –اگر تیم شما می خواهد از ابزارهای پاراگراف استفاده کند، به آنها اجازه دهید و منابع را برای خرد کردن داده های مهم ذخیره کنید. علاوه بر این ، با پیشرفت فن آوری های هوش مصنوعی ، مدل های هیبریدی قادر خواهند بود تا انعطاف پذیری را مطابق با نیازهای در حال تحول کسب و کار ارائه دهند.
اثبات دنیای واقعی: صنایعی که در آن در محل قرار می گیرند AI می درخشد
لازم نیست برای یافتن نمونه هایی از داستانهای موفقیت AI در محل ، به دور نگاه کنید. برخی از صنایع دریافتند که مزایای AI در محل کاملاً با نیازهای عملیاتی و نظارتی آنها مطابقت دارد:
دارایی
وقتی در مورد فکر می کنید ، امور مالی منطقی ترین هدف و در عین حال ، بهترین نامزد برای استفاده از AI در محلبشر بانک ها و شرکت های بازرگانی نه تنها سرعت بلکه امنیت هوایی را نیز می خواهند. در مورد آن فکر کنید-سیستم های تشخیص کلاهبرداری در زمان واقعی باید فوراً مقدار زیادی از داده های معامله را پردازش کنند و فعالیت مشکوک را در میلی ثانیه انجام دهند.
به همین ترتیب ، تجارت الگوریتمی و اتاق های تجارت به طور کلی برای به دست آوردن فرصت های بازار زودگذر ، به پردازش فوق العاده سریع اعتماد کنید. نظارت بر انطباق تضمین می کند که موسسات مالی تعهدات قانونی را برآورده می کنند و با هوش مصنوعی در محل ، این موسسات می توانند با اطمینان و بدون درگیری شخص ثالث ، داده های حساس را مدیریت کنند.
مراقبت های بهداشتی
حریم خصوصی داده های بیمار قابل مذاکره نیست. بیمارستان ها و سایر موارد مؤسسات پزشکی از AI در پیش فرض و تجزیه و تحلیل پیش بینی کننده استفاده می کنند در تصاویر پزشکی ، برای ساده سازی تشخیص و پیش بینی نتایج بیمار.
مزیت؟ داده ها هرگز سرورهای سازمان را ترک نمی کنند و از پیروی از قوانین سختگیرانه حریم خصوصی مانند HIPAA اطمینان می دهند. در مناطقی مانند تحقیقات ژنومیک ، AI در PREM می تواند مجموعه داده های عظیم را به سرعت پردازش کند بدون اینکه اطلاعات حساس را در معرض خطرات خارجی قرار دهد.
تجارت تجارتی
لازم نیست در چنین مقیاس بزرگ فکر کنیم. شرکت های تجارت الکترونیک بسیار پیچیده تر هستند اما هنوز هم باید جعبه های زیادی را بررسی کنند. حتی فراتر از آن مطابق با مقررات PCI، آنها باید مراقب باشند که چگونه و چرا داده های خود را اداره می کنند.
بسیاری موافق هستند که هیچ صنعتی کاندیدای بهتری برای استفاده از هوش مصنوعی نیست ، به خصوص وقتی صحبت از مدیریت فید داده ها می شود، قیمت گذاری پویا و پشتیبانی مشتری. این داده ها ، در عین حال ، عادت های زیادی را نشان می دهد و یک هدف اصلی برای هکرهای پول گرسنه و گرسنه است.
بنابراین ، آیا AI PREM ارزش آن را دارد؟
این به اولویت های شما بستگی دارد. اگر سازمان شما کنترل داده ها ، امنیت را ارزیابی می کند ، و بیش از هر چیز دیگر تأخیر بسیار کم است، سرمایه گذاری در زیرساخت های داخلی می تواند مزایای طولانی مدت را به همراه داشته باشد. صنایع با الزامات دقیق انطباق یا مواردی که به فرآیندهای تصمیم گیری در زمان واقعی متکی هستند ، برای به دست آوردن بیشترین استفاده از این رویکرد هستند.
با این حال ، اگر مقیاس پذیری و راندمان مقرون به صرفه در لیست اولویت های شما بیشتر باشد ، چسبیدن به ابر-یا پذیرش یک راه حل ترکیبی-ممکن است حرکت هوشمندانه تر باشد. توانایی ابر در مقیاس در تقاضا و هزینه های پیشرو نسبتاً پایین آن ، آن را به گزینه ای جذاب تر برای شرکت هایی با نوسان کار یا محدودیت های بودجه تبدیل می کند.
در پایان ، غذای واقعی در مورد انتخاب طرفین نیست. این در مورد تشخیص اینکه AI یک راه حل یک اندازه مناسب نیست. آینده متعلق به مشاغلی است که می توانند انعطاف پذیری ، عملکرد و کنترل را برای پاسخگویی به نیازهای خاص خود ترکیب کنند-خواه این اتفاق در ابر ، در محل یا جایی در بین آن رخ دهد.
