كيف يمكن للشركات أن تأخذ الذكاء الاصطناعي إلى المستوى التالي

كيف يمكن للشركات أن تأخذ الذكاء الاصطناعي إلى المستوى التالي


انضم إلى كبار المديرين التنفيذيين في سان فرانسيسكو يومي 11 و 12 يوليو ، لمعرفة كيف يدمج القادة استثمارات الذكاء الاصطناعي ويحسنونها لتحقيق النجاح. يتعلم أكثر


تكتسب الشركات ميزة تنافسية بشكل متزايد من خلال نشر الذكاء الاصطناعي (AI) باستخدام بنية السحابة الهجينة الموزعة.

يرجع هذا إلى عاملين: أولاً ، يتم إنشاء المزيد من البيانات على الحافة أكثر من أي وقت مضى. في الواقع ، تتوقع شركة Gartner أن تتم معالجة 50٪ من البيانات التي تنتجها المؤسسات خارج مركز البيانات التقليدي أو السحابة بحلول عام 2025 ، ووجد استطلاع عالمي حديث أن 78٪ من صانعي القرار في مجال تكنولوجيا المعلومات يعتبرون نقل البنية التحتية لتكنولوجيا المعلومات إلى الحافة الرقمية أولوية لإثبات أعمالهم في المستقبل.

ثانيًا ، يعني نقل مجموعات كبيرة من البيانات إلى محركات البنية التحتية للتدريب على الذكاء الاصطناعي في مواقع مركزية للمعالجة أن الشركات ستستهلك وقتًا ونفقات ثمينة. علاوة على ذلك ، غالبًا ما تفرض لوائح الامتثال والخصوصية الحفاظ على معالجة بيانات الذكاء الاصطناعي وتحليلها داخل بلد المنشأ ، مما يبرر أيضًا توزيع أعباء العمل في بلدان متعددة.

دعنا نتعمق في ثلاث حالات استخدام صناعية مختلفة حيث يساعد الذكاء الاصطناعي الموزع المؤسسات على توفير التكاليف وتلبية الاحتياجات التنظيمية وتحقيق التطورات التكنولوجية الجديدة.

حدث

تحويل 2023

انضم إلينا في سان فرانسيسكو يومي 11 و 12 يوليو ، حيث سيشارك كبار المسؤولين التنفيذيين في كيفية دمج استثمارات الذكاء الاصطناعي وتحسينها لتحقيق النجاح وتجنب المزالق الشائعة.

سجل الان

اكتساب رؤى في الوقت الفعلي للبيع بالتجزئة مع خفض التكاليف

يجد العديد من كبار تجار التجزئة ميزة تنافسية من خلال استخدام استراتيجية البنية التحتية الرقمية الموزعة. إنهم يستخدمون ما حددته IDC مؤخرًا كاستراتيجية نشر AI شائعة بشكل متزايد: تطوير الذكاء الاصطناعي في جوهره ، مثل السحابة أو مركز البيانات الإقليمي ، ونشر نموذج استنتاج الذكاء الاصطناعي على الحافة ، ثم إعادة تدريب النموذج ببيانات إقليمية جديدة تناسب التطبيق.

على سبيل المثال ، قد يقوم بائع تجزئة يستخدم نموذجًا سحابيًا هجينًا موزعًا أولاً بإرسال خلاصات الكاميرا في المتجر وبيانات إدارة المخزون إلى مركز بيانات مترو مركزي لبناء نماذج إقليمية للذكاء الاصطناعي والاستفادة من أساليب الذكاء الاصطناعي الموحدة لدمج النماذج الإقليمية. ثم تنشر نماذج الذكاء الاصطناعي المحسّنة تلك لتخزين المواقع لأداء استنتاج نموذج الذكاء الاصطناعي بزمن انتقال منخفض / تنبؤي للحصول على رؤى حول المخزون ، وإدارة تحول الموظفين ، وتنبؤات اتجاهات شراء المتسوقين وتوصيات وضع الإعلانات.

يصبح نشر محركات الاستدلال بالذكاء الاصطناعي من موقع واحد لمركز بيانات المترو أكثر فعالية من حيث التكلفة من صيانة هذه الخوادم وخدمتها في كل موقع بيع بالتجزئة. تمكّن البنية التحتية للذكاء الاصطناعي الموزعة تجار التجزئة من معالجة وتحليل الرؤى بسرعة في موقع إقليمي واحد ، مما يؤدي في النهاية إلى تحسين النتيجة النهائية.

الحفاظ على الخصوصية والامتثال في المراقبة بالفيديو

قامت غالبية (71 ٪) من البلدان حول العالم بسن تشريعات تنظم الخصوصية وحماية البيانات ، وفقًا للأونكتاد. يمكن أن تلعب إدارة البيانات الموزعة وبنية الذكاء الاصطناعي دورًا رئيسيًا في مساعدة المؤسسات على ضمان امتثالها.

على سبيل المثال ، يمكن لشركة إدارة عقارات كبيرة لديها مواقع في العديد من مناطق المترو في جميع أنحاء العالم الاستفادة من هندسة الذكاء الاصطناعي الموزعة لمئات من كاميراتها الأمنية في جميع أنحاء العالم ، مع الحفاظ على الامتثال للوائح الخصوصية المحلية من خلال نشر الذكاء الاصطناعي حيث تم جمع البيانات. يضمن وجود مرافق مركزية في بلدان مختلفة حيث تعمل الشركة أنها لا تنتهك قوانين الخصوصية المحلية عن طريق إرسال البيانات إلى بلد آخر قد لا يكون لديه نفس لوائح الامتثال مثل البلد الذي نشأت فيه البيانات.

بالإضافة إلى تحقيق الخصوصية والامتثال لاستخدام البيانات ، يقلل هذا النموذج من التكاليف عن طريق استضافة مكدس استدلال الذكاء الاصطناعي في موقع مترو واحد بدلاً من كل منشأة ، حتى أثناء معالجة بيانات الكشف عن الحركة في الموقع في كل موقع من مئات المواقع.

تمكين القيادة الذاتية من خلال التحديثات الإقليمية

لا يمكن للمركبات المستقلة التي تم تمكينها بواسطة أنظمة مساعدة القيادة المتقدمة (ADAS) معالجة حالات استخدام معينة بدون البنية التحتية للذكاء الاصطناعي. تتطلب ADAS من الذكاء الاصطناعي اتخاذ قرارات بشأن كيفية تفاعل السيارة مع محيطها ، خاصة عند التفاعل مع مستخدمي الطريق المعرضين للخطر مثل راكبي الدراجات والمشاة.

كمية البيانات التي تم إنشاؤها بواسطة مركبات الاختبار لتدريب نماذج الذكاء الاصطناعي هائلة – ما بين 20 تيرابايت و 60 تيرابايت لكل سيارة في اليوم للمستويين 2 و 3 ADAS (حيث يمكن للسيارة ضبط السرعة والفرامل واتخاذ القرارات بناءً على البيئة). يسمح الذكاء الاصطناعي للمركبات المتصلة بجمع مجموعات البيانات الكبيرة هذه ومعالجتها من أساطيل الاختبار بسرعة وفعالية من حيث التكلفة أكثر مما يمكنها باستخدام البنية التحتية التقليدية.

تحدد البنية التحتية للذكاء الاصطناعي الموزعة الجيل التالي من تنقل واستقلالية المركبات. على سبيل المثال ، تستفيد المركبات المتصلة من خرائط HD التي توفر للسيارة معلومات حول اللافتات والشوارع. ولكن ماذا يحدث عندما تظهر منطقة بناء أو خطر على الطريق بين عشية وضحاها؟ بدلاً من معالجة كل سيارة لمخاطر الطريق بشكل فردي ، تسمح البنية التحتية للذكاء الاصطناعي الموزعة بإرسال تلك المخاطر إلى موقع إقليمي يقوم بعد ذلك بإبلاغ المخاطر لجميع المركبات في المنطقة.

اذهب مع تدفق البيانات

لا شيء يشعر بجاذبية البيانات مثل الذكاء الاصطناعي. لتحقيق أقصى استفادة من البنية التحتية للذكاء الاصطناعي ، ستحتاج المؤسسات إلى تقييم قيمة نشرها مركزيًا أو إقليميًا أو محليًا. أولئك الذين يفعلون ذلك سيوفرون الوقت والمال وسرعة الكمون الثمينة.

Doron Hendel هو رئيس تطوير الأعمال العالمية في Equinix.

صانعي القرار

مرحبًا بك في مجتمع VentureBeat!

DataDecisionMakers هو المكان الذي يمكن للخبراء ، بما في ذلك الأشخاص التقنيين الذين يقومون بعمل البيانات ، مشاركة الأفكار والابتكارات المتعلقة بالبيانات.

إذا كنت تريد أن تقرأ عن الأفكار المتطورة والمعلومات المحدثة ، وأفضل الممارسات ، ومستقبل البيانات وتكنولوجيا البيانات ، انضم إلينا في DataDecisionMakers.

يمكنك حتى التفكير في المساهمة بمقال خاص بك!

قراءة المزيد من DataDecisionMakers

Comments

No comments yet. Why don’t you start the discussion?

اترك تعليقاً

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