أخبار التقنية

تسريع نشر الذكاء الاصطناعي وتوسيع نطاقه باستخدام منصة ذكاء اصطناعي تحويلية شاملة


مُقدم من Supermicro / NVIDIA


يوفر الذكاء الاصطناعي قيمة تجارية وميزة تنافسية للمؤسسة ، ولكن هناك عقبة واحدة: التخرج من إثبات المفهوم إلى إنتاج الذكاء الاصطناعي على نطاق واسع. في حدث VB Spotlight هذا ، تعرف على كيف تساعد منصة الذكاء الاصطناعي الشاملة على تقديم المشاريع الإستراتيجية وقيمة الأعمال بسرعة.

مشاهدة مجانية عند الطلب!


تقول آن هيشت ، المديرة الأولى لتسويق المنتجات ، مجموعة الحوسبة المؤسسية في NVIDIA: “يعد الذكاء الاصطناعي تحويليًا مثل الإنترنت لهيكل الأعمال ، وكيف تتم الأعمال وتأثيرها”. “بدأ كل نشاط تجاري وقسم في استخدام الذكاء الاصطناعي وإيجاد فرص للتشغيل وزيادة الكفاءة وتطوير علاقات أكثر حميمية مع عملائهم.”

يتفاعل المستهلكون مع منتجات الذكاء الاصطناعي هذه كل يوم ، من محركات التوصية التي طورتها أقسام التسويق إلى المساعدين الافتراضيين الأذكياء ، والتي تمكن العملاء من الحصول على نتائج أسرع ، إلى تحسين المسار لأقسام الخدمات اللوجستية (وتسريع توصيل البيتزا لنا). إنها تقنية تحويلية بالفعل ، لكن الذكاء الاصطناعي التوليدي والتطبيقات مثل ChatGPT تعمل على تغيير الطريقة التي تتم بها الأعمال. تبحث الشركات عن طرق لإطلاق إمكانات الذكاء الاصطناعي ، وتحقيق وفورات في التكاليف ، وفوائد تشغيلية ونماذج أعمال جديدة.

يقول هيشت: “على الرغم من كل هذه الفرص ، نجد أن المؤسسات تواجه تحديًا لنقل حالات الاستخدام هذه إلى الإنتاج الكامل”. “هناك إمكانات هائلة ، ومع ذلك فقط – ربما يكون ثلث الشركات في إنتاج كامل باستخدام الذكاء الاصطناعي في الوقت الحالي.”

تحديات نشر الذكاء الاصطناعي على نطاق واسع

تتراوح التحديات من التقنية إلى البشرية ، كما يقول Erik Grundstrom ، مدير FAE في Supermicro. التكلفة هي دائما رقم واحد بالطبع. ولكن على الجانب التكنولوجي ، هناك التعقيد التقني لترحيل الأنظمة المتباينة إلى نظام أساسي موحد. ثم هناك خرائط للبيانات من أنظمة متعددة إلى نظام أساسي موحد ، الأمر الذي يتطلب فهمًا عميقًا لهيكل البيانات والعلاقات بين البيانات.

غالبًا ما تتطلب بيئة التطبيق فرقًا متعددة ، لكل منها خبراتها الخاصة ، والعمل معًا لإنشاء نظام أساسي واحد – وفوق ذلك ، ضمان أن البيانات لا تزال موثوقة وتظل التطبيقات عالية الأداء.

يقول جروندستروم: “ربما يكون تجميع هذا الفريق معًا هو التحدي الأكبر اليوم”. “تعمل المجموعات المتباينة داخل الشركة جميعًا على نماذجها ومشاريعها الخاصة ، في أقسامها الخاصة.”

تختلف بيئة فريق الدعم المستخدمة لتطوير روبوت الدردشة اختلافًا كبيرًا عن البيئة والأدوات التي يستخدمها الفريق الذي يقوم بمحرك التوصية ، ولا يوجد توحيد للبنية التحتية والموارد عبر جميع هذه البيئات. عندما يفعل الجميع ما يفعلونه ، يتحول الأمر إلى الغرب المتوحش.

يقول جروندستروم: “يطرح إنشاء هيكل موحد الكثير من التحديات الجديدة على مستوى المؤسسة”. “لكن الشركات التي تحقق ذلك تستفيد إلى أقصى حد من التحليلات التنبؤية وتحصل على أفضل المعلومات عالية الجودة من الذكاء الاصطناعي على نطاق واسع.”

يضيف هيشت أن القضية الرئيسية الأخرى التي تجعل إنتاج الذكاء الاصطناعي معقدًا بالنسبة للمؤسسات هو أنه يختلف كثيرًا عن تطبيق المؤسسة القياسي. أنت لا تقوم ببنائه ونشره والعودة وإجراء تحديث بعد 12 شهرًا. يعمل تطبيق الذكاء الاصطناعي بشكل مستمر ويتم تدريبه باستخدام البيانات الجديدة من أجل استنتاج إضافي ، لإبقائه محدثًا ، وجعله أكثر ذكاءً وضمان تكيفه مع الظروف المتغيرة. علاوة على ذلك ، تحتاج إلى ضمان جودة وسلامة بياناتك باستمرار.

يقول هيشت: “تستغرق معظم الشركات ، في المتوسط ​​، حوالي سبعة إلى سبعة أشهر ونصف لتطوير وتدريب نموذج”. “غالبًا ما يستفيدون من نموذج مدرب مسبقًا. ثم نقله إلى الإنتاج. ثم ما زالوا يتعاملون مع حقيقة أن ما يقرب من نصف هؤلاء لا يصلون أبدًا إلى الإنتاج. إذا تمكنا من تقليل هذا الوقت ، فهذا أمر قوي جدًا لعملائنا “.

تسريع خط أنابيب الذكاء الاصطناعي

عادةً ما يكون لدى المؤسسات في بداية رحلتها مطورون وفرق يقومون ببناء البنية التحتية الخاصة بهم ، أو الاستفادة من مثيل السحابة ، أو التطوير على محطات العمل المحلية أو أجهزة الكمبيوتر. إنهم يستخدمون أطر عمل مفتوحة المصدر ونماذج مدربة مسبقًا للقيام بأعمال التطوير الخاصة بهم. يمكن أن تكون هذه الأدوات مكانًا رائعًا للبدء ، ولكن حيث تفشل المؤسسات هو عدم توافقها. وبالتالي ، فإن التطبيقات التي تم تطويرها في بيئات تقنية المعلومات الظل عالية التخصيص هذه غالبًا لا يمكن نشرها في مركز البيانات ، أو ينتهي بها الأمر مصححة ، بدلاً من استيعابها ، ويصبح من الصعب جدًا توسيع نطاقها. يصبح إنتاج الذكاء الاصطناعي مشكلة بدلاً من الفوز.

لحل هذه المشكلة ، يجب تحسين خط أنابيب الذكاء الاصطناعي لتسريع كل خطوة والوصول إلى السوق من خلال تطبيق في غضون أيام بدلاً من شهور. تؤدي إضافة التسريع إلى تقليل الكثير من الوقت الذي يستغرقه تدريب البيانات ومعالجتها أيضًا ، مما يعني خفض التكاليف ، لأنك لا تحتاج إلى الكثير من البنية التحتية. من الضروري وجود منصة إنتاج شاملة للذكاء الاصطناعي ، والتي تأتي جنبًا إلى جنب مع شريك وأدوات وتقنيات وبنية تحتية آمنة وقابلة للتطوير.

الشركات التي أصبحت ناجحة تقود هذا من وجهة نظر إستراتيجية. إنهم يأخذون الوقت الكافي لتطوير إستراتيجية العمل الكاملة ، ويتعاملون مع الذكاء الاصطناعي كمركز للتميز ، ويجمعون معًا الحوكمة والعمليات والأفراد والفرق. إنهم يقومون باستثمارات البنية التحتية ، مع تضمين ممارسات الأمان وممارسات الخصوصية وممارسات إدارة البيانات لجعل الذكاء الاصطناعي أساسيًا لأعمالهم.

يقول هيشت: “إذا بدأت من وجهة النظر هذه ، فسوف تكشف بشكل طبيعي عن البنية التحتية التي تحتاجها وأي شركاء تريد العمل معهم ، بحيث يمكنك إنشاء بنية تحتية شاملة ومبسطة للذكاء الاصطناعي لعملك”. “هناك شيء مرن ، يمكنه التعامل مع أي سير عمل للذكاء الاصطناعي ، وأي فرصة للذكاء الاصطناعي قد تقدم لمؤسستك ولشركتك.”

لمعرفة المزيد حول البنية التحتية والشركاء الأساسيين لإنتاج الذكاء الاصطناعي الناجح ، والتعمق في قوة NVIDIA AI Enterprise والمزيد ، لا تفوت VB Spotlight!

شاهد عند الطلب الآن!

جدول أعمال:

  • لماذا يعتبر الوقت المستغرق في استخدام الذكاء الاصطناعي لقيمة الأعمال هو العامل الذي يميز اليوم
  • التحديات في نشر إنتاج الذكاء الاصطناعي / الذكاء الاصطناعي على نطاق واسع
  • لماذا تخلق حلول الأجهزة والبرامج المتباينة مشاكل
  • ابتكارات جديدة في حلول الذكاء الاصطناعي الكاملة للإنتاج الشامل
  • نظرة خفية على منصة NVIDIA AI Enterprise

مكبرات الصوت

  • آن هيشت، مدير تسويق المنتجات ، مجموعة الحوسبة المؤسسية ، NVIDIA
  • إريك جروندستروممدير FAE ، Supermicro
  • جو ماجليتامدير ومحرر أول ، VentureBeat (وسيط)

مهمة VentureBeat هو أن تكون ساحة المدينة الرقمية لصناع القرار التقنيين لاكتساب المعرفة حول تكنولوجيا المؤسسات التحويلية والمعاملات. اكتشف إحاطاتنا.

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى