تبسيط إنتاج الذكاء الاصطناعي باستخدام مكدسات البيانات الموحدة

مُقدم من Supermicro / NVIDIA

يعد الوقت السريع للنشر والأداء العالي أمرًا بالغ الأهمية لأعباء عمل الذكاء الاصطناعي والتعلم الآلي وتحليلات البيانات في المؤسسة. في حدث VB Spotlight هذا ، تعرف على سبب أهمية منصة الذكاء الاصطناعي الشاملة في توفير القوة والأدوات والدعم لإنشاء قيمة أعمال الذكاء الاصطناعي.

شاهد مجانًا عند الطلب هنا.

من أعباء العمل الحساسة للوقت ، مثل التنبؤ بالأخطاء في التصنيع أو اكتشاف الاحتيال في الوقت الفعلي في البيع بالتجزئة والتجارة الإلكترونية ، إلى السرعة المتزايدة المطلوبة في سوق مزدحمة ، يعد وقت النشر أمرًا بالغ الأهمية للمؤسسات التي تعتمد على الذكاء الاصطناعي والتعلم الآلي وتحليلات البيانات. لكن قادة تكنولوجيا المعلومات وجدوا أنه من الصعب للغاية التخرج من إثبات المفهوم إلى إنتاج الذكاء الاصطناعي على نطاق واسع.

تختلف العوائق أمام إنتاج الذكاء الاصطناعي ، كما يقول إريك جروندستروم ، مدير FAE ، في Supermicro.

هناك جودة البيانات ، وتعقيد النموذج ، ومدى جودة النموذج في ظل الطلب المتزايد ، وما إذا كان يمكن دمج النموذج في الأنظمة الحالية. تنتشر العوائق أو المكونات التنظيمية بشكل متزايد. ثم هناك الجزء البشري من المعادلة: سواء أكانت القيادة داخل شركة أو مؤسسة تفهم النموذج جيدًا بما يكفي لتثق في النتيجة وتدعم مبادرات الذكاء الاصطناعي لفريق تكنولوجيا المعلومات.

يقول Grundstrom: “تريد النشر بأسرع ما يمكن”. “أفضل طريقة لمعالجة ذلك هي التبسيط المستمر والاختبار المستمر والعمل المستمر لتحسين جودة بياناتك وإيجاد طريقة للوصول إلى توافق في الآراء.”

قوة النظام الأساسي الموحد

ويضيف أن أساس هذا الإجماع يبتعد عن مجموعة البيانات المليئة بالأجهزة والبرامج المختلفة ، وتنفيذ نظام أساسي للذكاء الاصطناعي للإنتاج من البداية إلى النهاية. ستنقر على شريك لديه الأدوات والتقنيات والبنية التحتية القابلة للتطوير والآمنة المطلوبة لدعم حالات استخدام الأعمال.

تتضمن المنصات الشاملة ، التي يتم تقديمها غالبًا بواسطة مشغلي السحابة الكبار ، مجموعة واسعة من الميزات الأساسية. ابحث عن شريك يقدم تحليلات تنبؤية للمساعدة في استخراج الرؤى من البيانات ودعم السحابة المختلطة والمتعددة. توفر هذه الأنظمة الأساسية بنية تحتية قابلة للتطوير وآمنة ، حتى يتمكنوا من التعامل مع أي مشروع بحجم يتم إلقاؤه عليه ، بالإضافة إلى إدارة بيانات قوية وميزات لإدارة البيانات والاكتشاف والخصوصية.

على سبيل المثال ، تقدم Supermicro ، بالشراكة مع NVIDIA ، مجموعة مختارة من الأنظمة المعتمدة من NVIDIA مع وحدات معالجة الرسومات NVIDIA H100 Tensor Core الجديدة ، داخل منصة NVIDIA AI Enterprise. إنهم قادرون على التعامل مع كل شيء من احتياجات الشركات الصغيرة إلى مجموعات تدريب الذكاء الاصطناعي الضخمة والموحدة. وهم يقدمون ما يصل إلى تسعة أضعاف الأداء التدريبي للجيل السابق لنماذج الذكاء الاصطناعي الصعبة ، مما يقلل من وقت التدريب لمدة أسبوع إلى 20 ساعة.

إن NVIDIA AI Enterprise نفسها عبارة عن مجموعة شاملة وآمنة وسحابة أصلية من برامج الذكاء الاصطناعي ، بما في ذلك سير عمل حلول الذكاء الاصطناعي وأطر العمل والنماذج المحددة مسبقًا وتحسين البنية التحتية في السحابة وفي مركز البيانات وعلى الحافة.

ولكن عند الانتقال إلى منصة موحدة ، تواجه الشركات بعض العقبات الكبيرة.

تحديات الهجرة

يعد التعقيد التقني للانتقال إلى نظام أساسي موحد هو العائق الأول ، ويمكن أن يكون كبيرًا ، بدون وجود خبير. يتطلب تعيين البيانات من أنظمة متعددة إلى نظام أساسي موحد خبرة ومعرفة كبيرة ، ليس فقط بالبيانات وهياكلها ، ولكن حول العلاقات بين مصادر البيانات المختلفة. يتطلب تكامل التطبيقات فهم العلاقات التي تربط تطبيقاتك ببعضها البعض ، وكيفية الحفاظ على هذه العلاقات عند دمج تطبيقاتك من أنظمة منفصلة في نظام واحد.

وبعد ذلك ، عندما تعتقد أنك قد تكون خارج الغابة ، فأنت في تسع جولات أخرى كاملة ، كما يقول جروندستروم.

ويوضح قائلاً: “حتى تتم هذه الخطوة ، لا يوجد توقع لكيفية أدائها ، أو التأكد من أنك ستحقق أداءً مناسبًا ، وليس هناك ما يضمن أن هناك إصلاحًا على الجانب الآخر”. “للتغلب على تحديات التكامل هذه ، هناك دائمًا مساعدة خارجية في شكل مستشارين وشركاء ، ولكن أفضل ما يمكنك فعله هو أن يكون لديك الأشخاص الذين تحتاجهم في المنزل.”

الاستفادة من الخبرات الهامة

يقول جروندستروم: “قم ببناء فريق قوي – تأكد من وجود الأشخاص المناسبين في المكان المناسب”. “بمجرد أن يوافق فريقك على نموذج العمل ، عليك اتباع نهج يسمح لك بالحصول على وقت استجابة سريع للنماذج الأولية ، واختبار النموذج الخاص بك وتحسينه.”

بمجرد الانتهاء من ذلك ، يجب أن تكون لديك فكرة جيدة عن الكيفية التي ستحتاج بها إلى التوسع في البداية. هذا هو المكان الذي تأتي فيه شركات مثل Supermicro ، قادرة على الاستمرار في الاختبار حتى يجد العميل النظام الأساسي المناسب ، ومن هناك ، قم بتعديل الأداء حتى يصبح الإنتاج AI حقيقة واقعة.

لمعرفة المزيد حول كيف يمكن للمؤسسات التخلص من مكدس البيانات المختلط ، واعتماد حل ذكاء اصطناعي شامل ، وإطلاق العنان للسرعة والقوة والابتكار والمزيد ، لا تفوت حدث VB Spotlight هذا!

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

المقدمون

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