Mengguna pakai sistem AI generatif boleh mengubah seni bina awan perusahaan

Daripada ketersediaan dan keselamatan data kepada model bahasa yang besar serta pemilihan dan pemantauan, penggunaan AI generatif perusahaan bermakna keperluan untuk memeriksa semula seni bina awan mereka.

Jadi, banyak syarikat sedang membina semula seni bina awan mereka dan membangunkan sistem kecerdasan buatan generatif. Jadi, apakah perubahan yang perlu dilakukan oleh perusahaan ini? Apakah amalan terbaik yang baru muncul yang dikatakan oleh pakar industri bahawa dalam 20 tahun yang lalu, terutamanya dalam dua tahun yang lalu, beliau telah membantu perusahaan membina beberapa platform sedemikian perusahaan:

Fahami kes penggunaan anda sendiri

Perusahaan perlu mentakrifkan dengan jelas tujuan dan matlamat AI generatif dalam seni bina awan. Jika anda melihat beberapa maklum balas palsu, ini adalah kerana mereka tidak memahami maksud menjana kecerdasan buatan dalam sistem perniagaan. Perniagaan perlu memahami matlamat mereka, sama ada penjanaan kandungan, sistem pengesyoran atau aplikasi lain.

Ini bermakna pengurusan perusahaan peringkat tinggi perlu mencapai kata sepakat tentang matlamat yang ditetapkan, dan menjelaskan cara mencapai matlamat, dan yang paling penting, cara menentukan kejayaan. Ini bukan unik untuk pengeluaran AI. Dan ini adalah satu langkah ke arah kejayaan dengan setiap penghijrahan dan sistem baharu yang dibina dalam awan.

Banyak projek pintar yang dibangunkan oleh perusahaan dalam platform awan gagal kerana mereka gagal memahami kes penggunaan perniagaan dengan baik. Walaupun produk yang dibangunkan oleh syarikat itu keren, ia tidak membawa apa-apa nilai kepada perniagaannya. Pendekatan ini tidak akan berfungsi.

Sumber dan kualiti data adalah kunci

Untuk melatih dan membuat kesimpulan model pintar yang berkesan, mengenal pasti latihan dan inferens model AI generatif memerlukan sumber data yang berkesan yang mesti boleh diakses, berkualiti tinggi dan data yang diurus dengan teliti. Perusahaan juga mesti memastikan ketersediaan dan toleransi kesalahan penyelesaian storan pengkomputeran awan untuk memastikan ketersediaan dan toleransi kesalahan penyelesaian storan pengkomputeran awan.

Sistem fungsi penjanaan ialah sistem berpusat data yang sangat pintar, yang boleh dipanggil sistem berorientasikan data. Data ialah bahan api yang memacu sistem berfungsi untuk menghasilkan hasil. Walau bagaimanapun, kualiti data kekal "sampah masuk, sampah keluar."

Untuk tujuan ini, ia membantu untuk mempertimbangkan kebolehcapaian data sebagai pemacu utama seni bina awan. Perusahaan perlu mengakses data yang paling berkaitan sebagai data latihan, biasanya menyimpannya di tempat ia disimpan dan bukannya memindahkannya kepada satu entiti fizikal. Jika tidak, anda akan mendapat data yang berlebihan dan tiada sumber kebenaran tunggal. Pertimbangkan saluran paip pengurusan data yang cekap yang mempraproses dan membersihkan data sebelum memasukkannya ke dalam model AI. Ini memastikan kualiti data dan prestasi model.

80% kejayaan dengan seni bina awan menggunakan keupayaan penjanaan. Ini adalah faktor yang paling diabaikan, kerana arkitek awan lebih menumpukan pada penjanaan fungsi daripada menyediakan data berkualiti tinggi kepada sistem ini. Malah, data adalah segala-galanya.

Perlindungan & Privasi Data

Sama seperti data adalah penting, begitu juga keselamatan dan privasi data anda. Pemprosesan AI generatif boleh mengubah data yang kelihatan tidak bermakna kepada data yang boleh mendedahkan maklumat sensitif.

Perniagaan perlu melaksanakan langkah keselamatan data, penyulitan dan kawalan akses yang teguh untuk melindungi data sensitif yang digunakan oleh AI dan data baharu yang mungkin dihasilkan oleh AI. Perniagaan perlu mematuhi peraturan privasi data yang berkaitan. Ini tidak bermakna memasang beberapa sistem keselamatan pada seni bina perusahaan sebagai pilihan terakhir, tetapi keselamatan itu mesti digunakan pada sistem pada setiap langkah.

Sumber Kebolehskalaan dan Inferens

Perusahaan perlu merancang sumber awan berskala untuk menampung beban kerja dan keperluan pemprosesan data yang berbeza. Kebanyakan perusahaan mempertimbangkan penyelesaian penskalaan automatik dan pengimbangan beban. Salah satu kesilapan yang lebih serius yang kita lihat ialah membina sistem yang berskala baik tetapi sangat mahal. Adalah lebih baik untuk mengimbangi kebolehskalaan dan kos, yang boleh dilakukan tetapi memerlukan seni bina yang baik dan amalan pengoptimuman kos awan.

Selain itu, perniagaan perlu menyemak sumber penaakulan. Telah diperhatikan bahawa banyak berita di persidangan industri pengkomputeran awan berkisar tentang topik ini, dan untuk alasan yang baik. Pilih contoh awan yang sesuai dengan GPU atau TPU untuk latihan model dan inferens. Dan mengoptimumkan peruntukan sumber untuk mencapai keberkesanan kos.

Pertimbangkan pemilihan model

Pilih contoh seni bina AI generatif (Rangkaian Adversarial Universal, Transformers, dll.) berdasarkan kes penggunaan dan keperluan khusus perusahaan anda. Pertimbangkan untuk menggunakan perkhidmatan awan untuk latihan model (seperti AWSSageMaker, dll.) dan cari penyelesaian yang dioptimumkan. Ini juga bermakna memahami bahawa perusahaan mungkin mempunyai banyak model yang disambungkan dan ini akan menjadi kebiasaan.

Perusahaan perlu melaksanakan strategi penggunaan model yang teguh, termasuk kawalan versi dan kontena, untuk menjadikan model AI boleh diakses oleh aplikasi dan perkhidmatan dalam seni bina awan perusahaan.

Pemantauan dan Pembalakan

Menyediakan sistem pemantauan dan pengelogan untuk menjejak prestasi model AI, penggunaan sumber dan isu yang berpotensi bukan pilihan. Wujudkan mekanisme amaran anomali dan sistem pemerhatian untuk mengendalikan kecerdasan buatan yang dijana dalam awan.

Selain itu, pantau dan optimumkan kos sumber awan secara berterusan, kerana AI generatif boleh intensif sumber. Menggunakan alatan dan amalan pengurusan kos awan bermakna membenarkan pengoptimuman kos awan memantau semua aspek penggunaan anda - meminimumkan kos operasi dan meningkatkan kecekapan seni bina. Kebanyakan seni bina memerlukan penalaan dan penambahbaikan berterusan.

Pertimbangan lain

Failover dan redundansi diperlukan untuk memastikan ketersediaan yang tinggi, dan pelan pemulihan bencana boleh meminimumkan masa henti dan kehilangan data sekiranya berlaku kegagalan sistem. Laksanakan redundansi jika perlu. Selain itu, kerap mengaudit dan menilai keselamatan sistem AI generatif dalam infrastruktur awan anda. Tangani kelemahan dan kekalkan pematuhan.

Adalah idea yang baik untuk mewujudkan garis panduan untuk penggunaan beretika AI, terutamanya apabila sistem AI generatif menjana kandungan atau membuat keputusan yang memberi kesan kepada pengguna. Selain itu, isu berat sebelah dan keadilan perlu ditangani. Terdapat tindakan undang-undang yang berterusan mengenai kecerdasan buatan dan keadilan, dan syarikat perlu memastikan mereka melakukan perkara yang betul. Perniagaan perlu terus menilai pengalaman pengguna untuk memastikan kandungan yang dijana AI memenuhi jangkaan pengguna dan mendorong penglibatan.

Sama ada perusahaan menggunakan sistem AI generatif atau tidak, aspek lain seni bina awan adalah hampir sama. Kuncinya adalah untuk menyedari bahawa terdapat perkara yang jauh lebih penting dan untuk terus meningkatkan seni bina awan anda.