الذكاء الاصطناعي والتعلم الآلي: الحدود الجديدة لابتكار وتحسين مركز البيانات

مع استمرار الطلب على معالجة البيانات وتخزينها في الارتفاع ، تكافح مراكز البيانات مع التحدي المتمثل في التطور والتوسع. إن المشهد المتغير للمنصات وتصميم المعدات والطبولوجيا ومتطلبات كثافة الطاقة والتبريد كلها تؤكد الحاجة الملحة لتصميمات معمارية جديدة.

غالبًا ما تكافح البنى التحتية لمراكز البيانات لمواءمة أحمال تكنولوجيا المعلومات الحالية والمتوقعة مع بنيتها التحتية الحيوية ، مما يؤدي إلى عدم تطابق يهدد قدرتها على تلبية المتطلبات المتزايدة. على هذه الخلفية ، يجب مراجعة مناهج مراكز البيانات التقليدية.

تعمل مراكز البيانات الآن على دمج تقنيات الذكاء الاصطناعي (AI) والتعلم الآلي (ML) في بنيتها التحتية لتظل قادرة على المنافسة. من خلال تنفيذ طبقة تعتمد على الذكاء الاصطناعي داخل بنيات مركز البيانات التقليدية ، يمكن للشركات إنشاء مراكز بيانات مستقلة يمكنها تحسين وتنفيذ مهام هندسة البيانات العامة دون تدخل بشري.

الشحن التوربيني للهياكل التقليدية باستخدام الذكاء الاصطناعي

لقد كان انتشار تقنيات الذكاء الاصطناعي والتعلم الآلي داخل مراكز البيانات ملحوظًا في السنوات الأخيرة. يقود الذكاء الاصطناعي الكفاءة والأداء عبر حالات الاستخدام المختلفة.

قال ساجد محمدي ، نائب الرئيس التنفيذي لشركة استشارات التكنولوجيا القائمة على وادي السيليكون: “يمكن لمراكز البيانات التي تعتمد على الذكاء الاصطناعي أن تساعد المؤسسات على اكتساب ميزة تنافسية من خلال تحسين أداء التطبيقات وتوافرها ، مما يساعد بدوره على زيادة رضا العملاء وولائهم”. “تساعد إضافة الذكاء الاصطناعي إلى المزيج في تخصيص الموارد المحسن ، مما يحسن كفاءة مركز البيانات ويقلل من التكاليف.”

يعد اكتشاف الفشل السريع والتنبؤ به وتحليل السبب الجذري وتحسين استخدام الطاقة وتحسين تخصيص سعة الموارد مجرد أمثلة قليلة حيث يتم نشر تقنيات البيانات والخوارزمية لزيادة كفاءة مركز البيانات.

أصبح دمج الذكاء الاصطناعي في مركز البيانات ضروريًا بشكل متزايد لكل الأعمال التجارية التي تعتمد على البيانات ، حيث أصبحت الانقطاعات أكثر تكرارًا وتكلفة. تقدم مراكز البيانات التي تعتمد على الذكاء الاصطناعي مجموعة من المزايا ، أهمها إمكانية تقليل وقت التوقف عن العمل وتعزيز موثوقية النظام بشكل عام ، مما يؤدي في النهاية إلى توفير كبير في التكاليف للمؤسسات.

زيادة قدرات الكشف عن الأخطاء والتنبؤ بها

وفقًا لإلين كامبانا ، قائدة مؤسسة AI في KPMG US ، تم استخدام الذكاء الاصطناعي تاريخيًا لتعزيز تحسين تخزين البيانات واستخدام الطاقة وإمكانية الوصول. ومع ذلك ، في السنوات الأخيرة ، كان هناك اتجاه واضح في توسيع فائدة الذكاء الاصطناعي لتشمل اكتشاف الأخطاء والتنبؤ بها ، والتي يمكن أن تؤدي إلى آليات الشفاء الذاتي.

قال كامبانا لموقع VentureBeat: “إن مفتاح تبسيط الاكتشاف الآلي هو تزويد الذكاء الاصطناعي بنافذة على تفاصيل عمليات الأجهزة والبرامج ، بما في ذلك حركة مرور الشبكة”. “إذا كانت حركة المرور داخل عقدة معينة تتباطأ ، يمكن للذكاء الاصطناعي اكتشاف هذا النمط وتشغيل عملية أو العقدة بأكملها.”

يفترض Pratik Gupta ، كبير مسؤولي التكنولوجيا في IBM Automation ، أن الذكاء الاصطناعي لديه إمكانات تحويلية عبر مركز البيانات وبيئات السحابة المختلطة. من خلال تعزيز تجارب المستخدم في التطبيقات ، وتبسيط العمليات ، وتمكين الرؤساء التنفيذيين وصناع القرار في مجال الأعمال من استخلاص الأفكار من مجموعة من البيانات ، يحفز الذكاء الاصطناعي الابتكار والتحسين.

صورة واضحة لمستويات موارد التطبيق

قال جوبتا إن شركة IBM تتوقع زيادة استهلاك الطاقة في مركز البيانات بنسبة 12٪ (أو أكثر) بحلول عام 2030 ، بسبب انتهاء صلاحية قانون مور ، والانفجار في حجم البيانات ، والسرعة ، وأعباء العمل كثيفة الاستهلاك للطاقة.

قال: “ببساطة ، يمكن للذكاء الاصطناعي تقليل كمية الأجهزة التي يمكن شراؤها وصيانتها وإدارتها ومراقبتها”.

قال جوبتا إنه يجب على مديري مراكز البيانات الحفاظ على صورة واضحة لمستويات موارد التطبيقات الخاصة بمؤسستهم ، مما يسمح بالتوسع الذكي لتلبية الطلب في الوقت الفعلي. يمكن أن تلعب الأتمتة التي تعمل بالذكاء الاصطناعي دورًا رئيسيًا في هذه العملية ، مما يقلل من مخاطر ازدحام الموارد وزمن الانتقال مع ضمان بقاء أعباء عمل الأجهزة آمنة ودعم معايير الأداء.

يمكن لشركة Turbonomic من شركة IBM ، على سبيل المثال ، تحسين مستويات موارد التطبيقات تلقائيًا وتوسيع نطاقها وفقًا لاحتياجات العمل.

قال جوبتا: “يتيح ذلك لمديري تكنولوجيا المعلومات الحصول على لوحة تحكم واحدة للإشراف على مستويات توفير الموارد واتخاذ القرارات في الوقت الفعلي وتحقيق الكفاءة حيث يضمنون عدم زيادة توفير أي من تطبيقاتهم”.

تعظيم فوائد مراكز البيانات التي تعتمد على الذكاء الاصطناعي

تستمر حالات استخدام الذكاء الاصطناعي والتعلم الآلي في مراكز البيانات في النمو ، ولكن يجب على المؤسسات مراعاة بعض العوامل الرئيسية قبل تنفيذها. في حين أن حلول الذكاء الاصطناعي والتعلم الآلي المعبأة مسبقًا متوفرة بشكل متزايد ، إلا أنها لا تزال تتطلب تكاملًا يتجاوز حلول النقاط الفردية. عمليات نشر DIY AI ممكنة ولكنها تتطلب الاستثمار في أجهزة الاستشعار لجمع البيانات والخبرة لتحويل تلك البيانات إلى رؤى قابلة للاستخدام.

قال كامبانا من KPMG: “تختار العديد من المؤسسات تنفيذ مراكز البيانات الخاصة بها على وجه التحديد لأنها يمكن أن تتأكد من أن البيانات لن يتم تجميعها مع بيانات الآخرين أو استخدامها بطرق لا يمكنهم التحكم فيها”. “في حين أن هذا صحيح ، يجب على المؤسسات بعد ذلك قبول مسؤولية الحفاظ على الأمن والخصوصية.”

باستخدام الموارد المناسبة ، يمكن أن تصبح مراكز البيانات أكثر ذكاءً وكفاءة ، لكن تحقيق هذا الهدف يتطلب التخطيط الأمثل.

قال جوبتا من شركة آي بي إم: “يجب أن يكون التخطيط ركيزة أساسية لتنفيذ مراكز البيانات التي تعتمد على الذكاء الاصطناعي”. “لا تحدث عمليات النشر الناجحة بين عشية وضحاها ، وتحتاج إلى قدر كبير من التكرار والتفكير قبل طرحها. يحتاج قادة تكنولوجيا المعلومات إلى النظر في عوامل مثل فهم الأجهزة التي يمكنهم وينبغي عليهم الاحتفاظ بها وأعباء العمل التي يحتاجون إليها للانتقال إلى السحابة “.

المرونة أمر بالغ الأهمية

مفتاح النجاح لمراكز البيانات القائمة على الذكاء الاصطناعي هو اتباع نهج استراتيجي. وهذا يعني تحديد حالات الاستخدام الصحيحة للذكاء الاصطناعي وتعلم الآلة ، والاستثمار في البنية التحتية والأدوات اللازمة وتطوير قوة عاملة ماهرة لإدارة الأنظمة وصيانتها بشكل فعال.

قال غوبتا: “غالبًا ما تحتفظ الشركات ببنية تحتية مترامية الأطراف – من مواقع مراكز البيانات الموزعة إلى عمليات النشر السحابية المتنوعة”. “يحتاج قادة تكنولوجيا المعلومات إلى التفكير فيما إذا كانوا بحاجة إلى بناء بحيرة لجميع مصادر البيانات لتقارب … أو إحضار أدوات إعداد البيانات والتعلم الآلي والذكاء الاصطناعي إلى كل موقع. بينما تقوم الشركات بتحويل البنية التحتية لتكنولوجيا المعلومات الخاصة بها ، يجب ألا تفكر فقط في القيمة التي يتم تقديمها ولكن أيضًا نقاط الضعف التي يتم إنشاؤها “.

وأضاف أن أفضل الخطط الموضوعة يمكن أن تنحرف عن مسارها. وأضاف: “يمكن أن يكون الشيء نفسه صحيحًا بالنسبة لإطلاق التكنولوجيا ، وستكون المنظمة الذكية التي يمكنها تعديل المسار بسرعة أكثر نجاحًا”.

أربع استراتيجيات ناشئة لتحسين أداء تكنولوجيا المعلومات ومراكز البيانات

تتمتع كل من AIOps و MLOps و DevOps و SecOps بنقاط قوة فريدة. عندما يتم دمجها ، فإنها تعمل على تحسين عمليات مركز البيانات وأداء تكنولوجيا المعلومات على نطاق أوسع ، وتقليل التكاليف وتمكين تحسين الخدمة.

تعمل AIOps على أتمتة وتوسيع نطاق مركز البيانات على مستوى الشركة ومهام سير عمل تكنولوجيا المعلومات

أصبحت AIOps أساسية لاستدامة المؤسسات وجهود تقليل الكربون في مراكز البيانات وأثبتت فعاليتها في تحديد سبب حدوث فجوات في الأداء. يتمثل جوهر هذه التقنية في قدرتها على تفسير الإجراءات واقتراحها بناءً على بيانات الأداء في الوقت الفعلي (التحليل السببي).

على سبيل المثال ، يستخدم Walmart AIOps لتبسيط عمليات التجارة الإلكترونية. تعتمد AIOps على مجموعة من نماذج ML ومعالجة اللغة الطبيعية (NLP) لاكتشاف عمليات سير عمل جديدة يمكنها تحسين دقة عمليات مركز البيانات وفعاليتها من حيث التكلفة وكفاءتها. يستخدم تجار التجزئة أيضًا AIOps لاكتشاف وحل العمليات غير الفعالة وغير المتصلة في الوقت الفعلي مع أتمتة مكدسات التكنولوجيا وإدارة البنية التحتية الأوسع.

تتيح AIOps الكشف عن الشذوذ في الوقت الفعلي بشكل أكثر دقة داخل منصات التجارة الإلكترونية. تتفوق التكنولوجيا أيضًا في ربط البيانات من جميع المصادر المتاحة عبر مركز البيانات لتوفير عرض 360 درجة للعمليات وتحديد الأماكن التي يمكن تحسين التوافر والتحكم في التكلفة والأداء فيها.

يعتمد تجار التجزئة على DevOps لتسريع تطوير التطبيقات

يعتمد تجار التجزئة على DevOps للبقاء في المنافسة وتقصير الوقت اللازم للتسويق للتطبيقات والميزات الجديدة. يعتمد DevOps على منهجية تطوير البرامج التي تؤكد على التعاون والتواصل بين مطوري البرامج وفرق عمليات تكنولوجيا المعلومات. لقد أثبتت فعاليتها في تبسيط تسليم البرامج وتطويرها لتطبيقات الأجهزة المحمولة الجديدة وميزات مواقع الويب والتحسينات المستندة إلى تجربة العملاء.

اعتمدت Amazon و Target و Nordstrom و Walmart وغيرها من بائعي التجزئة الرائدين DevOps كعملية تطوير برمجياتهم الرئيسية. يخبر مدراء تقنية المعلومات بالتجزئة VentureBeat أنه كلما زادت جودة قاعدة رموز DevOps ، تعمل مراكز البيانات الأكثر كفاءة مع أحدث إصدار من التطبيق للعملاء في جميع أنحاء العالم.

يقدم MLOps نهجًا قائمًا على دورة الحياة

نظرًا لأن تجار التجزئة يجندون المزيد من علماء البيانات ، فإن MLOps تصبح بنفس أهمية DevOps للحفاظ على النماذج حديثة وقابلة للاستخدام. يطبق MLOps مبادئ DevOps على نماذج وخوارزميات التعلم الآلي. يستخدم تجار التجزئة الرائدون MLOps لتصميم واختبار وإصدار نماذج جديدة لتحسين تقسيم العملاء والتنبؤ بالطلب وإدارة المخزون.

أثبتت MLOps فعاليتها في حل المشكلات الأكثر تكلفة وصعوبة في البيع بالتجزئة ، بدءًا من إدارة المخزون والتحسين. إن عدم اليقين في سلسلة التوريد ، والنقص المزمن في العمالة ، والتكاليف التضخمية المتصاعدة تجعل إدارة المخزون مجالًا ناجحًا لتجار التجزئة.

تستخدم Macy’s و Walmart وغيرهما MLOps لتحسين إدارة الأسعار والمخزون ، ومساعدة تجار التجزئة على اتخاذ قرارات تقلل التكاليف وتحمي أنفسهم من المخاطر السلبية للاحتفاظ بكمية كبيرة من المخزون.

يعتمد SecOps على الذكاء الاصطناعي والتعلم الآلي لتأمين كل هوية وسطح تهديد

يضمن SecOps بقاء مراكز البيانات والبنية التحتية الأوسع لتكنولوجيا المعلومات في أمان وشكاوى. أمان الثقة الصفرية ، الذي يفترض أنه لا يمكن الوثوق بأي مستخدم أو جهاز ويجب التحقق من كل هوية ، هو الأساس لأي تنفيذ ناجح لعمليات SecOps. الهدف هو تقليل سطح الهجوم ومخاطر الهجمات الإلكترونية المعقدة بشكل متزايد.

تعمل SecOps على تحسين أمان مركز البيانات من خلال الجمع بين أكثر الأساليب التي أثبتت جدواها لتقليل عمليات الاقتحام والخروقات. يساعد اعتماد تدابير أمان الثقة الصفرية تجار التجزئة على حماية هويات عملائهم وموظفيهم ومورديهم ، ويمكن أن يحد التقسيم الجزئي من نطاق الانفجار لأي هجوم.

الذكاء الاصطناعي ومستقبل تكنولوجيا مراكز البيانات

تظهر الحوسبة المتطورة كواحدة من أكثر التقنيات الواعدة لتطوير مراكز البيانات التي تعتمد على الذكاء الاصطناعي. من خلال معالجة البيانات الأقرب إلى المصدر ، تقلل الحوسبة المتطورة زمن الوصول وتحسن الأداء العام. عند دمجها مع الذكاء الاصطناعي ، توفر هذه التقنية إمكانية تحقيق التحليل في الوقت الفعلي وقدرات اتخاذ القرار ، مما يجعل مراكز البيانات قادرة على التعامل مع التطبيقات ذات المهام الحرجة في المستقبل.

قال كامبانا KPMG: “كان الانتقال إلى 5G خطوة رئيسية في هذا التحول وهو يغذي موجة من الابتكار في البنية التحتية للبرامج القائمة على الذكاء الاصطناعي”. “بالنسبة إلى الشركات التي تبدأ مراكز بيانات جديدة ، من المفيد النظر في جدولها الزمني لاعتماد الجيل الخامس وإجراء تحديثات أخرى لأجهزة المستخدم النهائي.”

من جانبه ، يرى جوبتا من شركة آي بي إم أن الأتمتة الذكية للبيانات هي وسيلة لمواصلة التقدم في الصناعات شديدة التنظيم ، حيث سيتم تصميم أدوات مركز البيانات والذكاء الاصطناعي لتلبية متطلبات الامتثال تلقائيًا.

وقال: “مع دمج الذكاء الاصطناعي والأتمتة بشكل أكبر في مراكز البيانات ، سيكونون قادرين على تلبية أكثر بروتوكولات الامتثال صرامة”.