Comment les entreprises peuvent faire passer l'intelligence artificielle au niveau supérieur

Les entreprises gagnent de plus en plus d'avantages concurrentiels en déployant l'intelligence artificielle à l'aide d'architectures de cloud hybride distribuées.

Cela est dû à deux facteurs : premièrement, davantage de données sont générées en périphérie que jamais auparavant. En fait, on prévoit que d’ici 2025, 50 % des données générées par les entreprises seront traitées en dehors des centres de données traditionnels ou du cloud computing. Une récente enquête mondiale a révélé que 78 % des décideurs informatiques estiment que la transition de l'infrastructure informatique vers la périphérie numérique est une priorité d'avenir pour leur entreprise.

Deuxièmement, déplacer de grandes quantités de données vers un moteur d'infrastructure de formation en IA centralisé pour le traitement signifie que les entreprises consacreront un temps et des dépenses précieux. De plus, les réglementations en matière de conformité et de confidentialité exigent souvent que le traitement et l’analyse des données d’IA restent dans le pays d’origine, justifiant ainsi la répartition des charges de travail entre plusieurs pays.

Plongeons dans trois cas d'utilisation différents dans l'industrie dans lesquels l'IA distribuée aide les entreprises à réduire leurs coûts, à répondre aux besoins réglementaires et à permettre de nouvelles avancées technologiques.

Obtenez des informations sur la vente au détail en temps réel tout en réduisant les coûts

De nombreux grands détaillants recherchent un avantage concurrentiel en tirant parti de stratégies d'infrastructure numérique distribuée. Ils utilisent une stratégie de déploiement de l'IA de plus en plus populaire récemment identifiée par IDC : développer l'IA au cœur, comme dans un cloud ou un centre de données régional, et déployer des modèles d'inférence d'IA à la périphérie, puis les recycler avec de nouveaux modèles de données régionaux en conséquence. la demande.

Par exemple, un détaillant utilisant un modèle de cloud hybride distribué peut d'abord envoyer les informations de sa caméra en magasin et les données de gestion des stocks à un centre de données métropolitain d'hébergement pour créer un modèle d'IA régional et tirer parti d'une approche d'IA fédérée pour intégrer le modèle régional.

Il déploie ensuite ces modèles d'IA optimisés dans les magasins pour effectuer une inférence de modèle d'IA à faible latence/prédictive afin d'obtenir des informations sur l'inventaire, la gestion des équipes, les prévisions des tendances d'achat des acheteurs et les recommandations de placement d'annonces.

Le déploiement de moteurs d'inférence d'IA à partir d'un centre de données métropolitain est plus rentable que la maintenance et l'entretien de ces serveurs dans chaque point de vente. Cette infrastructure d'IA distribuée permet aux détaillants de traiter et d'analyser rapidement les informations dans un domaine donné, améliorant ainsi leurs résultats.

Maintenir la confidentialité et la conformité dans la vidéosurveillance

Selon la CNUCED, la majorité (71%) des pays dans le monde disposent d'une législation sur la confidentialité et la protection des données. Les architectures de gestion des données distribuées et d’intelligence artificielle peuvent jouer un rôle clé en aidant les entreprises à assurer leur conformité.

Par exemple, une grande société de gestion immobilière possédant des sites dans plusieurs zones métropolitaines du monde entier pourrait tirer parti d'une architecture d'IA distribuée pour ses centaines de caméras de sécurité dans le monde, tout en respectant les réglementations locales en matière de confidentialité en déployant l'IA là où les données sont collectées. Conformité.

Le fait d'avoir des installations centralisées dans les différents pays dans lesquels l'entreprise opère garantit que l'entreprise ne viole pas les lois locales sur la confidentialité en envoyant des données vers un autre pays qui peut ne pas avoir les mêmes réglementations de conformité que le pays d'origine des données.

En plus de permettre le respect de la confidentialité et de l'utilisation des données, ce modèle réduit les coûts en hébergeant la pile d'inférence IA sur un seul emplacement métropolitain, plutôt que par installation, même si elle se trouve dans chacun des centaines d'emplacements. Les deux traitent les données de détection de mouvement sur place.

Conduite autonome avec mises à jour de zones

Il existe certains cas d'utilisation que les véhicules autonomes activés par les systèmes avancés d'aide à la conduite (ADAS) ne peuvent pas résoudre sans infrastructure d'intelligence artificielle. L'ADAS nécessite l'intelligence artificielle pour décider de la manière dont un véhicule doit interagir avec son environnement, en particulier lorsqu'il interagit avec des usagers de la route vulnérables tels que les cyclistes et les piétons.

La quantité de données générées par les véhicules d'essai pour entraîner des modèles d'intelligence artificielle est énorme Pour les ADAS de niveau 2 et de niveau 3 (les véhicules peuvent ajuster la vitesse, freiner et prendre des décisions en fonction de l'environnement), la quantité de données générées par chaque véhicule. la journée est de 20 To à 60 To. L'intelligence artificielle permet aux véhicules connectés de collecter et de traiter ces grands ensembles de données provenant de flottes de test plus rapidement et de manière plus rentable que l'utilisation d'une infrastructure traditionnelle.

L'infrastructure d'IA distribuée définit la mobilité et l'autonomie des véhicules de nouvelle génération. Par exemple, les véhicules connectés utilisent des cartes haute définition pour fournir aux voitures des informations sur la signalisation et les rues.

Mais que se passe-t-il lorsqu'une zone de construction ou un danger routier apparaît du jour au lendemain ? Au lieu d'exiger que chaque véhicule gère les dangers routiers individuellement, l'infrastructure d'IA distribuée permet d'envoyer ces dangers à un emplacement régional, puis de communiquer le danger à tous les véhicules du secteur. zone.

Suivez le flux de données

Rien ne ressent plus l'attraction gravitationnelle des données que l'intelligence artificielle. Pour tirer le meilleur parti de leur infrastructure d’IA, les entreprises doivent évaluer l’intérêt de son déploiement centralisé, régional ou local. Cela permettra d’économiser du temps, de l’argent et une latence précieuse.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!