人工知能がどのようにデータセンター チームに新たな日常業務をもたらしているのか

ハイパースケール環境では、秘密の機能とマイクロ最適化が実際の利点を提供する可能性がありますが、マスマーケットでは必要ない可能性があります。クラウドへの移行が不可欠であれば、カスタマイズされたネットワーク ソリューションの出現によってクラウドへの移行が制限されることになりますが、残念ながらそうではありません。

人工知能は、テキスト、アート、ビデオの生成における画期的な使用例によって、遠い想像力から近い将来の必須の存在へと移行しました。それはあらゆる分野に対する人々の考え方に影響を与えており、データセンター ネットワーキングも影響を受けないわけではありません。しかし、データセンターにおける人工知能は何を意味するのでしょうか?人はどうやって始めるのでしょうか？

研究者はネットワーク制御へのアルゴリズム的アプローチをいくつか解明するかもしれませんが、これはデータセンターにおける人工知能の主な使用例ではないようです。単純な事実は、データセンターの接続性の問題はほとんど解決されているということです。

ハイパースケール環境では、秘密の機能とマイクロ最適化が実際の利点を提供する可能性がありますが、マスマーケットでは必要ない可能性があります。クラウドへの移行が不可欠であれば、カスタマイズされたネットワーク ソリューションの出現によってクラウドへの移行が制限されることになりますが、残念ながらそうではありません。

AI が永続的な印象を残すには、それが機能する必要があります。ネットワーキングの実践は、ネットワーキングに必要なワークフローとアクティビティの戦場となります。自動化に関する業界の 15 年間の野心と組み合わせると、これは実際には非常に理にかなっています。 AI は、最終的に業界を運用上の利点を夢見ることから、自動化された半自律的な運用を積極的に活用することに移行するために必要なテクノロジーを推進できるでしょうか?

決定的かランダムか?

それは可能であるように思えますが、この質問に対する答えは微妙です。マクロ レベルでは、データ センターには 2 つの異なる動作動作があります。1 つは決定的で既知の結果につながるもの、もう 1 つはランダムまたは確率的です。

決定論的なワークフローにとって、AI は過剰であるだけでなく、まったく不必要です。より具体的には、既知のアーキテクチャでは、デバイスの駆動に必要な構成を処理するための AI エンジンは必要ありません。アーキテクチャの設計図からデバイス固有の構文への変換が必要です。

最も複雑なケース (サイズ要件が異なるマルチベンダー アーキテクチャ) であっても、構成を完全に事前に決定することができます。デバイスの種類やベンダー構成の変更を処理するために入れ子になったロジックがある可能性がありますが、入れ子になったロジックは人工知能として認定されることはほとんどありません。

しかし、構成以外でも、2 日目の運用タスクの多くは人工知能を必要としません。たとえば、マーケティング担当者が長年にわたって AI を使用してきた最も一般的な使用例の 1 つであるリソースのしきい値を考えてみましょう。そのロジックは、CPU やメモリの使用量などの重要なしきい値をいつ超えたかを AI が判断し、何らかの是正措置を講じることができるというものです。

しきい値はそれほど複雑ではありません。数学者やAI純粋主義者は、線形回帰は実際には知能ではないとコメントするかもしれません。むしろ、これはトレンドラインに基づいたかなり大まかなロジックであり、重要なことに、これらのことは、人工知能が流行の用語になる前からさまざまな制作現場で現れてきました。

つまり、人工知能には役割がないということなのでしょうか?絶対違う！これは、AI が必須ではなく、すべてに適用できるわけではありませんが、ネットワーク内には AI から恩恵を受けることができるワークフローがいくつかあることを意味します。決定論的ではなく確率論的なワークフローが最適な候補となります。

潜在的な候補としてのトラブルシューティング

確率的ワークフローにとって、根本原因の分析とトラブルシューティングほど適切な候補はないかもしれません。問題が発生すると、ネットワーク オペレータとエンジニアは、問題のトラブルシューティングを行い、できれば根本原因を特定することを目的とした一連の作業に取り組みます。

単純な問題の場合は、ワークフローをスクリプト化することができます。しかし、最も基本的な問題以外の場合、オペレーターは何らかのロジックを適用し、最も可能性が高いが事前に決定されていないパスを選択します。知っていること、または学んだことに基づいて、さらに情報を求めるか推測することで、いくつかの調整を加えます。

人工知能はこれに役割を果たすことができます。私たちはトラブルシューティング中の経験の価値を理解しているので、これを知っています。新入社員は、どんなにスキルが高くても、長く働いている人よりもパフォーマンスが低いのが通常です。人工知能は、根付いたすべてのエクスペリエンスを置き換えたり補完したりすることができ、一方、自然言語処理 (NLP) の最近の進歩は、ヒューマン マシン インターフェイスをスムーズにするのに役立ちます。

AI はデータから始まります

最高のワインは最高のブドウから始まります。同様に、最高の AI は最高のデータから始まります。これは、設備の整った環境が AI 主導の運用に最も適した環境であることが証明されることを意味します。ハイパースケーラーは、主にソフトウェアの専門知識のおかげで、他の企業よりも確実に AI の道を進んでいます。しかし、データセンターを設立する際には、ストリーミングテレメトリや大規模な収集フレームワークを通じたリアルタイムの情報収集が非常に重要視されていることを無視することはできません。

人工知能をある程度活用したい企業は、現在のテレメトリ機能を検討する必要があります。基本的に、既存のアーキテクチャは真剣な追求に役立つでしょうか、それとも妨げになるでしょうか?次に、アーキテクトはこれらの運用要件を基礎となるアーキテクチャ評価プロセスに組み込む必要があります。企業では、運用は、機器が購買部門を通過した後に行われる追加作業であることがよくあります。これは、いつか単純なスクリプト操作以上のものを活用したいと考えているデータセンターにとっては標準的なものではありません。

決定論かランダム性の問題に戻りますが、この問題は実際には、どちらか一方の命題として組み立てられるべきではありません。双方に果たすべき役割があります。どちらも役割を果たさなければなりません。各データセンターには決定的な一連のワークフローがあり、確率的な世界で画期的なことを行う機会が与えられます。どちらもデータから恩恵を受けるでしょう。したがって、目標や出発点に関係なく、誰もがデータに注目する必要があります。

期待を下げる

ほとんどのビジネスにとって、成功の鍵は期待を下げることです。未来は壮大な宣言によって定義されることがありますが、多くの場合、ビジョンが壮大であればあるほど、それは手の届かないものに見えます。

次の進歩の波が、大げさな約束ではなく、退屈なイノベーションによって推進されるとしたらどうなるでしょうか?面倒なチケットや人的エラーを減らすだけで、人々が行動を起こすのに十分だったらどうでしょうか?正しい目標を目指すことで、人は成長しやすくなります。これは、全員の野心的な課題を達成するのに十分な人材が不足している環境では特に当てはまります。したがって、たとえ今後数年間で AI トレンドが失望の谷に達したとしても、データセンター運営者には依然としてビジネスに有意義な変化をもたらす機会が残されています。

以上が人工知能がどのようにデータセンター チームに新たな日常業務をもたらしているのかの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。