クラウド アーキテクチャにおける生成 AI に関するいくつかの提案

元の意味を変えずにコンテンツを書き直すには、言語を中国語に書き直す必要があり、元の文を表示する必要はありません

このコンテンツを再表現するには、次の言葉: 計画 | 提案

生成 AI の追加により、データの可用性、セキュリティ、モデルの選択、監視など、クラウド アーキテクチャに多くの変化がもたらされました。したがって、クラウド アーキテクチャの構築中に AI 駆動型の生成システムも設計している場合は、いくつかの異なる変更を加える必要があります。同時に、新たなベスト プラクティスを考慮する必要があります。過去 20 年間の経験に基づいて、参考のために著者が提供するいくつかの提案を以下に示します

#1. ユースケースを理解する

#人工知能を生成する目的と目標を明確に定義するクラウドアーキテクチャにおいて。私が繰り返し目にする間違いがあるとすれば、それは、ビジネス システムで人工知能を生成することが何を意味するのかを理解していないことです。コンテンツ生成、レコメンデーション システム、または別のアプリケーションなど、何を達成しようとしているのかを理解します。これは、物事を書き留めて、目標、その達成方法、そして最も重要なことに成功を定義する方法について合意することを意味します。これは生成 AI にとって新しいことではなく、あらゆる移行やクラウド上に構築されたまったく新しいシステムで成功を収めるステップです。

私は、ビジネス ユース ケースをよく理解していなかったために、クラウドでの生成 AI プロジェクト全体が失敗する多くのプロジェクトを見てきました。その会社は素晴らしいものを作っていますが、それはビジネスに何の価値ももたらしません。これではうまくいきません。

2. データ ソースと品質が鍵です

次のように書き換えます: 人工知能モデルをトレーニングして推論するには、適切なデータ ソースを特定する必要があります。このデータはアクセス可能であり、高品質であり、厳密に管理されている必要があります。同時に、クラウド ストレージ ソリューションの可用性と互換性を確保することも必要です。生成人工知能システムはデータを核としており、データ指向システムと呼ぶことができます。データは生成人工知能システムによって生成される結果を推進する鍵となります。適切なデータ入力があって初めて、適切な出力結果を得ることができます。

したがって、データ アクセシビリティをクラウド アーキテクチャの主な推進要因として考慮することが役立ちます。関連データのほとんどはトレーニング データとしてアクセスする必要があり、通常はデータを単一の物理エンティティに移行するのではなく、既存の場所に保持します。そうしないと、データが冗長になり、信頼できる唯一の情報源がなくなってしまいます。

データを AI モデルに入力する前に、データを前処理してクリーンアップするための効率的なデータ パイプラインを検討してください。これにより、データの品質とモデルのパフォーマンスが保証されます。これは、生成 AI を使用したクラウド アーキテクチャの成功率が約 80% に相当します。ただし、クラウド アーキテクトは AI システムにデータを提供することよりも、AI システムを生成する処理に重点を置くため、これは最も見落とされがちです。データがすべてです。

3. データ セキュリティとプライバシー

データが重要であるのと同様に、データに適用されるセキュリティとプライバシーも重要です。 AI の生成処理は、一見無意味に見えるデータを、機密情報を漏らす可能性のあるデータに変換する可能性があります。

AI の使用を生み出す機密データと、生成される可能性のある新しいデータを保護するには、強力なデータ セキュリティ対策、暗号化、およびアクセス制御を実装する必要があります。同時に、少なくとも関連するデータプライバシー規制を遵守してください。これは、最後のステップとしてアーキテクチャにセキュリティ システムをインストールするだけという意味ではなく、すべてのステップでセキュリティをシステムに組み込む必要があります

4. スケーラビリティと推論リソース

スケーラブルなクラウド リソースの計画さまざまなワークロードやデータ処理のニーズに適応します。ほとんどの企業は、自動スケーリングと負荷分散ソリューションを検討しています。私が目にする最も重大な間違いの 1 つは、拡張性は高いが高価なシステムを構築することです。

書き換える内容は、元の意味はそのままに、中国語に書き換える必要があります。元の文を表示する必要はありません

5. モデルの選択を検討します

特定のユースケースとニーズに基づいて、例示的な生​​成 AI アーキテクチャ (一般的な敵対的ネットワーク、コンバーターなど) を選択します。 AWS SageMaker などのモデル トレーニング用のクラウド サービスを検討し、最適化されたソリューションを見つけてください。これは、相互に関連するモデルが多数存在する可能性があり、これが標準になることを理解することも意味します。

クラウド アーキテクチャ内のアプリケーションとサービスが AI モデルにアクセスできるようにするには、バージョン管理とコンテナ化を含む堅牢なモデル展開戦略を実装する必要があります

6、監視とログ

AI モデルのパフォーマンス、リソース使用率、潜在的な問題を追跡するための監視およびログ システムのセットアップはオプションではありません。クラウドで生成された AI を処理するために構築された例外アラート メカニズムと可観測性システムを確立します。

さらに、生成 AI ではリソースの需要が高まる可能性があるため、クラウド リソースのコストを継続的に監視し、最適化する必要があります。これは、クラウドのコスト管理ツールと実践を使用して実現できます。これは、finops が、アーキテクチャが最適かどうかを評価するために、最小限の運用コスト効率やアーキテクチャ効率など、展開のあらゆる側面を監視する必要があることを意味します。ほとんどのアーキテクチャでは調整と継続的な改善が必要です

7. その他の考慮事項

高可用性を確保するには、システム障害 (ダウンタイムとデータ損失) のリスクを最小限に抑えるためにフェイルオーバーと冗長性の操作が必要です。必要に応じて冗長対策を実施します。さらに、脆弱性に対処し、コンプライアンスを維持するために、クラウド インフラストラクチャで生成された AI システムのセキュリティを定期的に監査および評価する必要があります。

人工知能の倫理的な使用に関するガイドラインを作成することは、特にコンテンツを生成したり、ユーザーに影響を与える意思決定を行う場合には賢明です。したがって、私たちは偏見と公平性の問題に対処する必要があります。人工知能と公平性をめぐる訴訟が続いており、私たちは自分たちが正しいことをしていることを確認する必要があります。ユーザー エクスペリエンスを継続的に評価して、AI が生成したコンテンツがユーザーの期待を満たし、ユーザー エンゲージメントを向上させることを確認します。

生成 AI を使用するかどうかに関係なく、クラウド コンピューティング アーキテクチャの他の側面は同じです。重要なのは、いくつかのことははるかに重要であり、より厳密にする必要があり、常に改善の余地があることを認識することです。

参考リンク: https://www.php.cn/link/edfccb5cf44f7c2c385f8d4470117a0d

以上がクラウド アーキテクチャにおける生成 AI に関するいくつかの提案の詳細内容です。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。