İşletmeler yapay zekayı bir sonraki seviyeye nasıl taşıyabilir?

İşletmeler giderek daha fazla rekabet avantajı kazanıyor yapay zeka dağıtmak (AI) dağıtılmış hibrit bulut mimarisini kullanıyor.

Bu, iki faktör tarafından yönlendirilir: Birincisi, daha fazla veri üretiliyor kenarda her zamankinden daha Aslında Gartner, %50’sinin kuruluş tarafından oluşturulan veriler 2025 yılına kadar geleneksel bir veri merkezinin veya bulutun dışında işlenecek ve yakın tarihli bir küresel anket BT karar alıcılarının %78’inin BT altyapısını dijital uca taşımayı işlerini geleceğe hazırlamak için bir öncelik olarak gördüklerini tespit etti.

İkinci olarak, büyük veri kümelerini AI eğitim altyapı motorları işleme için merkezi konumlarda olması, işletmelerin değerli zaman ve masraf harcayacağı anlamına gelir. Bunun da ötesinde, uyumluluk ve gizlilik düzenlemeleri genellikle AI veri işleme ve analizinin menşe ülke içinde tutulmasını zorunlu kılar ve bu da iş yüklerinin birden fazla ülkede dağıtılmasını daha da haklı kılar.

Dağıtılmış yapay zekanın kuruluşların maliyet tasarrufu yapmasına, düzenleme ihtiyaçlarını karşılamasına ve yeni teknolojik ilerlemeler elde etmesine yardımcı olduğu üç farklı sektör kullanım örneğini inceleyelim.

Maliyetleri düşürürken gerçek zamanlı perakende bilgileri elde etme

Birçok büyük perakendeci, dağıtılmış bir dijital altyapı stratejisi kullanarak rekabet avantajı elde ediyor. Hangi IDC’yi kullanıyorlar? yakın zamanda tanımlanmış Giderek daha popüler hale gelen bir yapay zeka devreye alma stratejisi olarak: Bulutta veya bölgesel veri merkezinde olduğu gibi çekirdekte yapay zeka geliştirmek ve uçta yapay zeka çıkarım modelini devreye almak, ardından uygulamaya uyacak şekilde yeni bölgesel verilerle modeli yeniden eğitmek.

Örneğin, dağıtılmış bir hibrit bulut modeli kullanan bir perakendeci, bölgesel yapay zeka modelleri oluşturmak ve bölgesel modelleri birleştirmek için birleştirilmiş yapay zeka yöntemlerinden yararlanmak için önce mağaza içi kamera akışlarını ve envanter yönetimi verilerini bir ortak yerleşim metro veri merkezine gönderebilir. Daha sonra envanter, çalışan vardiya yönetimi, alışveriş yapanların satın alma eğilimlerine ilişkin tahminler ve reklam yerleştirme önerileri için düşük/öngörülü gecikme süreli AI modeli çıkarımı gerçekleştirmek üzere konumları depolamak için bu optimize edilmiş AI modellerini kullanır.

Yapay zeka çıkarım motorlarını tek metro veri merkezi konumundan dağıtmak, bu sunucuların her perakende konumunda bakımını yapmaktan ve hizmet vermekten daha uygun maliyetli hale gelir. Bu dağıtılmış yapay zeka altyapısı, perakendecilerin içgörüleri tek bir bölgesel konumda hızlı bir şekilde işlemesine ve analiz etmesine olanak tanır ve bu da sonuç olarak kâr hanelerini iyileştirir.

Video gözetiminde gizliliğin ve uyumluluğun sürdürülmesi

Dünya çapındaki ülkelerin çoğunluğu (%71) gizlilik ve veri koruma, UNCTAD’a göre. Dağıtılmış veri yönetimi ve yapay zeka mimarisi, kuruluşların uyumlu olduklarından emin olmalarına yardımcı olmada önemli bir rol oynayabilir.

Örneğin, dünyanın dört bir yanındaki birçok metropol bölgesinde tesisleri bulunan büyük bir emlak yönetim şirketi, dünyanın her yerindeki yüzlerce güvenlik kamerası için dağıtılmış yapay zeka mimarisinden yararlanabilir ve verilerin toplandığı yerde yapay zekayı devreye alarak yerel gizlilik düzenlemelerine uygunluğu koruyabilir. Şirketin faaliyet gösterdiği farklı ülkelerde merkezi tesislere sahip olması, verilerin kaynağıyla aynı uyum düzenlemelerine sahip olmayabilecek başka bir ülkeye veri göndererek yerel gizlilik yasalarını ihlal etmemesini sağlar.

Bu model, gizlilik ve veri kullanımı uyumluluğunu sağlamanın yanı sıra, yüzlerce konumun her birinde hareket algılama verilerini yerinde işlerken bile yapay zeka çıkarım yığınını her tesis yerine tek bir metro konumunda barındırarak maliyetleri düşürür.

Bölgesel güncellemeler aracılığıyla otonom sürüşü etkinleştirme

Gelişmiş sürüş destek sistemleri (ADAS) tarafından etkinleştirilen otonom araçlar, AI altyapısı olmadan belirli kullanım durumlarını ele alamaz. ADAS, yapay zekanın, özellikle bisikletliler ve yayalar gibi savunmasız yol kullanıcılarıyla etkileşim kurarken aracın çevresiyle nasıl etkileşim kurması gerektiğine dair kararlar vermesini gerektirir.

Yapay zeka modellerini eğitmek için test araçları tarafından üretilen veri miktarı çok büyüktür – seviye 2 ve 3 ADAS için araç başına günde 20 TB ile 60 TB arasındadır (aracın hızı ayarlayabildiği, frenleyebildiği ve çevreye göre kararlar alabildiği). AI, bağlı araçların test filolarından bu büyük veri kümelerini geleneksel bir altyapı kullanarak yapabileceklerinden daha hızlı ve daha uygun maliyetli bir şekilde toplamasına ve işlemesine olanak tanır.

Dağıtılmış AI altyapısı, yeni nesil araç mobilitesini ve özerkliğini tanımlıyor. Örneğin, bağlantılı araçlar, araca tabelalar ve sokaklar hakkında bilgi veren HD haritalardan yararlanır. Ancak bir inşaat alanı veya yol tehlikesi bir gecede ortaya çıktığında ne olur? Dağıtılmış AI altyapısı, her arabanın yol tehlikesini ayrı ayrı işlemesi yerine, bu tehlikelerin daha sonra bölgedeki tüm araçlara iletilecek olan bölgesel bir konuma gönderilmesine olanak tanır.

Veri akışıyla devam edin

Hiçbir şey verinin ağırlığını yapay zeka kadar hissettiremez. Kuruluşların yapay zeka altyapılarından en iyi şekilde yararlanmak için bunları merkezi, bölgesel veya yerel olarak dağıtmanın değerini değerlendirmesi gerekecektir. Bunu yapanlar zamandan, paradan ve değerli gecikme hızından tasarruf edecek.

Doron Hendel, Equinix’te küresel iş geliştirme başkanıdır.