Cara Kecerdasan Buatan Membawa Kerja Baharu Setiap Hari kepada Pasukan Pusat Data

Dalam persekitaran hiperskala, ciri rahsia dan pengoptimuman mikro mungkin memberikan faedah sebenar, tetapi untuk pasaran besar-besaran, ia mungkin tidak diperlukan. Sekiranya penting untuk berbuat demikian, perpindahan ke awan akan dihadkan oleh kemunculan penyelesaian rangkaian yang dibuat khusus, tetapi malangnya, ini tidak berlaku.

Didorong oleh kes penggunaan terobosan dalam menjana teks, seni dan video, kecerdasan buatan telah berubah daripada khayalan jauh kepada keperluan jangka terdekat. Ia mempengaruhi cara orang berfikir tentang setiap bidang, dan rangkaian pusat data pastinya tidak kebal. Tetapi apakah maksud kecerdasan buatan dalam pusat data? Bagaimana orang akan bermula?

Walaupun penyelidik mungkin membuka kunci beberapa pendekatan algoritma untuk kawalan rangkaian, ini nampaknya bukan kes penggunaan utama untuk AI dalam pusat data. Fakta mudah ialah sambungan pusat data sebahagian besarnya merupakan masalah yang telah diselesaikan.

Dalam persekitaran hiperskala, ciri rahsia dan pengoptimuman mikro mungkin memberikan faedah sebenar, tetapi untuk pasaran besar-besaran, ia mungkin tidak diperlukan. Sekiranya penting untuk berbuat demikian, perpindahan ke awan akan dihadkan oleh kemunculan penyelesaian rangkaian yang dibuat khusus, tetapi malangnya, ini tidak berlaku.

Jika AI akan meninggalkan kesan yang berkekalan, ia mesti beroperasi. Amalan rangkaian akan menjadi medan pertempuran untuk aliran kerja dan aktiviti yang diperlukan untuk rangkaian. Digabungkan dengan cita-cita industri selama 15 tahun mengenai automasi, ini sebenarnya sangat masuk akal. Bolehkah AI memberikan dorongan teknologi yang diperlukan untuk akhirnya menggerakkan industri daripada mengimpikan kelebihan operasi kepada memanfaatkan secara aktif operasi automatik separa autonomi?

Deterministik atau rawak?

Nampaknya mungkin, tetapi terdapat nuansa untuk jawapan kepada soalan ini. Pada peringkat makro, pusat data mempunyai dua gelagat operasi yang berbeza: satu yang bersifat deterministik dan membawa kepada keputusan yang diketahui, dan satu lagi yang rawak atau kebarangkalian.

Untuk aliran kerja yang menentukan, AI adalah lebih daripada sekadar berlebihan; ia sama sekali tidak perlu. Lebih khusus lagi, dengan seni bina yang diketahui, konfigurasi yang diperlukan untuk memacu peranti tidak memerlukan enjin AI untuk mengendalikannya. Ia memerlukan terjemahan daripada pelan tindakan seni bina kepada sintaks khusus peranti.

Tatarajah boleh ditentukan sepenuhnya walaupun dalam kes yang paling kompleks (seni bina berbilang vendor dengan keperluan saiz yang berbeza-beza). Mungkin terdapat logik bersarang untuk mengendalikan perubahan dalam jenis peranti atau konfigurasi vendor, tetapi logik bersarang hampir tidak layak sebagai kecerdasan buatan.

Tetapi walaupun di luar konfigurasi, banyak tugas operasi dua hari tidak memerlukan AI. Sebagai contoh, ambil salah satu kes penggunaan yang lebih biasa di mana pemasar telah menggunakan AI selama bertahun-tahun: ambang sumber. Logiknya ialah AI boleh menentukan apabila ambang kritikal seperti penggunaan CPU atau memori melebihi dan kemudian mengambil beberapa tindakan pembetulan.

Ambang tidaklah begitu rumit. Ahli matematik dan pakar AI mungkin mengulas bahawa regresi linear bukanlah kecerdasan sebenarnya. Sebaliknya, ini adalah logik yang agak kasar berdasarkan garis aliran, dan yang penting, perkara ini telah muncul dalam pelbagai tetapan pengeluaran sebelum kecerdasan buatan menjadi istilah yang bergaya.

Jadi, adakah ini bermakna AI tidak mempunyai peranan? sama sekali tidak! Ini bermakna AI bukanlah satu keperluan atau boleh digunakan untuk semua perkara, tetapi terdapat beberapa aliran kerja dalam rangkaian yang boleh dan akan mendapat manfaat daripada AI. Aliran kerja yang bersifat probabilistik dan bukannya deterministik akan menjadi calon terbaik.

Menyelesaikan masalah sebagai calon yang berpotensi

Mungkin tiada calon yang lebih baik untuk aliran kerja kebarangkalian daripada analisis punca dan penyelesaian masalah. Apabila masalah berlaku, pengendali rangkaian dan jurutera terlibat dalam satu siri aktiviti yang direka untuk menyelesaikan masalah dan diharapkan dapat mengenal pasti puncanya.

Untuk soalan mudah, aliran kerja mungkin ditulis. Tetapi untuk apa-apa selain daripada masalah yang paling asas, pengendali menggunakan beberapa logik dan memilih laluan ke hadapan yang paling mungkin tetapi tidak ditentukan sebelumnya. Buat beberapa pemurnian berdasarkan apa yang anda tahu atau telah pelajari, sama ada mencari maklumat lanjut atau membuat tekaan.

Kecerdasan buatan boleh memainkan peranan dalam perkara ini. Kami tahu ini kerana kami memahami nilai pengalaman semasa menyelesaikan masalah. Pekerja baru, tidak kira betapa mahir mereka, biasanya akan menunjukkan prestasi yang kurang baik berbanding seseorang yang telah lama wujud. Kecerdasan buatan boleh menggantikan atau menambah semua pengalaman yang telah tertanam, manakala kemajuan terkini dalam pemprosesan bahasa semula jadi (NLP) membantu melicinkan antara muka manusia-mesin.

Kecerdasan buatan bermula dengan data

Wain terbaik bermula dengan anggur terbaik. Begitu juga, AI terbaik akan bermula dengan data terbaik. Ini bermakna persekitaran yang serba lengkap akan terbukti sebagai persekitaran yang paling subur untuk operasi dipacu AI. Hyperscaler pastinya lebih jauh di sepanjang laluan AI berbanding yang lain, terima kasih sebahagian besarnya kepada kepakaran perisian mereka. Tetapi tidak boleh diabaikan bahawa mereka mementingkan pengumpulan maklumat masa nyata melalui telemetri penstriman dan rangka kerja pengumpulan berskala besar apabila membina pusat data.

Perniagaan yang ingin memanfaatkan AI sedikit sebanyak harus meneliti keupayaan telemetri semasa mereka. Pada asasnya, adakah seni bina sedia ada membantu atau menghalang sebarang usaha yang serius? Arkitek kemudiannya perlu membina keperluan operasi ini ke dalam proses penilaian seni bina yang mendasari. Dalam perusahaan, operasi selalunya merupakan beberapa kerja tambahan yang dilakukan selepas peralatan melalui jabatan pembelian. Ini bukan kebiasaan untuk mana-mana pusat data yang berharap suatu hari nanti dapat memanfaatkan apa-apa selain daripada operasi skrip mudah.

Berbalik kepada persoalan determinisme atau rawak, soalan ini tidak sepatutnya dirangka sebagai salah satu/atau proposisi. Kedua-dua pihak mempunyai peranan masing-masing. Kedua-duanya perlu memainkan peranan. Setiap pusat data akan mempunyai satu set aliran kerja yang menentukan dan peluang untuk melakukan beberapa perkara yang inovatif dalam dunia kebarangkalian. Kedua-duanya akan mendapat manfaat daripada data. Oleh itu, tanpa mengira matlamat dan titik permulaan, semua orang harus fokus pada data.

Lebih rendah jangkaan

Bagi kebanyakan perniagaan, kunci kejayaan ialah merendahkan jangkaan. Masa depan kadang-kadang ditakrifkan oleh pengisytiharan besar, tetapi selalunya semakin hebat penglihatan, semakin jauh ia kelihatan.

Bagaimana jika gelombang kemajuan seterusnya lebih didorong oleh inovasi yang membosankan dan bukannya janji yang dibesar-besarkan? Bagaimana jika mengurangkan tiket kerumitan dan kesilapan manusia sudah cukup untuk membuat orang ramai mengambil tindakan? Menyasarkan matlamat yang betul memudahkan orang ramai untuk berkembang. Ini benar terutamanya dalam persekitaran yang kekurangan bakat yang mencukupi untuk memenuhi agenda bercita-cita tinggi semua orang. Jadi walaupun trend AI mengalami kekecewaan pada tahun-tahun akan datang, pengendali pusat data masih mempunyai peluang untuk membuat perubahan bermakna kepada perniagaan mereka.

Atas ialah kandungan terperinci Cara Kecerdasan Buatan Membawa Kerja Baharu Setiap Hari kepada Pasukan Pusat Data. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!