Pourquoi les stratégies d'informatique de pointe et d'intelligence artificielle doivent se compléter

De nombreuses entreprises ont commencé à explorer des cas d'utilisation de l'informatique de pointe, car la puissance de calcul peut être rapprochée de la source de données et de l'utilisateur final. Dans le même temps, l’intelligence artificielle ou l’apprentissage automatique peuvent être explorés ou mis en œuvre, et la capacité d’automatiser la découverte et d’obtenir des informations basées sur les données a également été reconnue. Mais si vous ne combinez pas de manière proactive les stratégies de pointe et d’IA, vous passerez à côté du potentiel de changement.

Implication dans le domaine de l'intelligence artificielle

Il existe des signes clairs que l'analyse des contours et l'analyse des données convergent. Selon les données, d'ici 2025, la création de données de pointe augmentera de 33 %, représentant plus d'un cinquième des données. D'ici 2023, les professionnels de l'analyse de données concentreront plus de 50 % de leur énergie sur la création et l'analyse de données de pointe. Les solutions Edge sont très, voire extrêmement importantes, pour réaliser la mission de l'entreprise. 78 % des dirigeants pensent que l’edge computing aura le plus grand impact sur l’IA et le ML.

Traditionnellement, les entreprises doivent transférer des données distantes vers des centres de données ou des cloud commerciaux pour effectuer des analyses et extraire de la valeur. Cela peut s'avérer difficile dans les environnements Edge en raison de l'augmentation des volumes de données, de l'accès au réseau limité ou inexistant et du besoin croissant d'une prise de décision plus rapide en temps réel.

Mais aujourd'hui, la disponibilité accrue des chipsets de petite capacité, de l'informatique et du stockage haute densité et des technologies de réseau maillé a jeté les bases permettant aux entreprises de déployer des charges de travail d'IA plus près de la source de production de données.

Premiers pas avec Edge AI

Pour activer les cas d'utilisation de l'IA de pointe, identifiez les domaines dans lesquels la prise de décision en matière de données en temps quasi réel peut améliorer considérablement l'expérience utilisateur et atteindre les objectifs de la mission. Nous constatons un nombre croissant de cas d'utilisation de pointe axés sur les kits de vol de nouvelle génération pour soutenir les enquêtes sur les forces de l'ordre, la cybersécurité et la santé. Là où les enquêteurs collectaient autrefois des données pour un traitement ultérieur, la nouvelle suite de déploiement comprend des outils avancés pour traiter et explorer les données sur le terrain.

Ensuite, déterminez où transmettre la majeure partie de vos données Edge. Si les données peuvent être traitées à distance, seuls les résultats doivent être transférés. En déplaçant seulement une petite partie de vos données, vous libérez de la bande passante, réduisez les coûts et prenez des décisions plus rapidement.

Exploitez des composants de périphérie faiblement couplés pour obtenir la puissance de calcul nécessaire. Un seul capteur ne peut pas effectuer de traitement. Mais les réseaux maillés à haut débit permettent des nœuds connectés, dont certains gèrent la collecte de données, d'autres les traitent, etc. Les modèles ML peuvent même être recyclés en périphérie pour garantir une précision continue des prédictions.

Infrastructure comme code pour l'IA à distance

La meilleure pratique pour l'IA de pointe est le code d'infrastructure. Le code d'infrastructure permet de gérer les configurations de réseau et de sécurité via des fichiers de configuration plutôt que via du matériel physique. Grâce au code d'infrastructure, les fichiers de configuration incluent des spécifications d'infrastructure, ce qui facilite la modification et la distribution des configurations et garantit que les environnements sont provisionnés de manière cohérente.

Envisagez également d'utiliser des microservices et de les exécuter en leur sein, ainsi que de tirer parti des capacités d'opérations de développement telles que les pipelines CI/CD, giitops, etc. en périphérie pour automatiser le déploiement itératif de modèles ML dans des environnements de production et offrir la possibilité d'écrire du code une fois. pour l'utiliser n'importe où.

Nous devrions chercher à utiliser des technologies et des outils cohérents à la périphérie et au cœur. De cette façon, aucune expertise spécialisée n’est requise, les problèmes ponctuels sont évités et cette expertise peut être étendue plus facilement.

L'IA de pointe dans le monde réel et au-delà

Tout le monde, des militaires aux forces de l'ordre en passant par les agences gérant les infrastructures critiques, utilise l'IA à la périphérie. Par exemple, la Station spatiale internationale.

La Station spatiale internationale comprend un laboratoire sur place pour mener des recherches et des expériences opérationnelles. Par exemple, les scientifiques se sont concentrés sur le séquençage du génome de l’ADN de micro-organismes découverts sur la Station spatiale internationale. Le séquençage du génome génère de grandes quantités de données, mais les scientifiques n’en analysent qu’une partie.

Dans le passé, la Station spatiale internationale transmettait toutes les données aux stations au sol pour un traitement centralisé, souvent avec plusieurs téraoctets de données par séquence. À des taux de transmission transitoires, les données pourraient mettre des semaines à parvenir aux scientifiques sur Terre. Mais en exploitant la puissance de l’intelligence artificielle et de la périphérie, la recherche est effectuée directement sur la Station spatiale internationale, et seuls les résultats sont transmis au sol. L'analyse peut désormais être effectuée le même jour.

Ce système est facile à gérer dans des environnements où l'espace et la puissance sont limités. Les mises à jour logicielles sont poussées à la limite de la nécessité et la formation du modèle ML est effectuée sur site. Et le système est suffisamment flexible pour gérer d’autres types d’analyses basées sur le ML à l’avenir.

La combinaison de l'intelligence artificielle et de l'informatique de pointe permet aux entreprises d'effectuer des analyses n'importe où. L’IA peut être mise à l’échelle et mise à l’échelle sur des sites distants avec un cadre commun du cœur à la périphérie. En plaçant l'analyse à proximité de l'endroit où les données sont générées et où les utilisateurs interagissent, les décisions peuvent être prises plus rapidement, les services peuvent être fournis plus rapidement et les tâches peuvent être adaptées là où elles sont nécessaires.

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!