البنية التحتية للذكاء الاصطناعي: أهمية التخزين

ربما قررت مؤسستك مؤخرًا شراء عُقد الحوسبة والبدء باستخدام الذكاء الاصطناعي (AI). هناك العديد من جوانب البنية التحتية لتكنولوجيا المعلومات ومشهد التكنولوجيا لديك التي يجب فحصها عند الاستعداد لأعباء عمل الذكاء الاصطناعي، بما في ذلك، وربما بشكل خاص، أنظمة التخزين لديك. يعتمد الذكاء الاصطناعي على البيانات، والطريقة التي يتم بها تخزين بياناتك يمكن أن تؤثِّر بشكل كبير في نتائج مشروع الذكاء الاصطناعي الخاص بك. ليس هذا فحسب، بل إن المراحل الأربعة المختلفة للذكاء الاصطناعي (الاستيعاب والإعداد والتدريب والاستدلال) لكل منها احتياجات ومتطلبات تخزين مختلفة.

للأسف، تركِّز بعض المؤسسات على جانب الحوسبة في الذكاء الاصطناعي وتتجاهل جانب التخزين. ويمكن أن يؤدي هذا التركيز الأحادي إلى تعطيل مشروعات الذكاء الاصطناعي أو فشلها بالكامل، وهو ما يحدث في بعض الأحيان. هناك حاجة إلى كميات هائلة من البيانات لتسهيل مرحلة تدريب الذكاء الاصطناعي. ويجب استيعاب هذه البيانات وتخزينها وتجهيزها حتى يمكن "إدخالها" في مرحلة التدريب. ودون القدرة على استيعاب البيانات اللازمة للتدريب وتخزينها واستهلاكها، سيكون المشروع معرضًا لخطر الفشل.

تتطلب مشروعات الذكاء الاصطناعي بنية تخزين تتميز بأداء ممتاز، وقدرة على التوسع، ومرونة عالية. الخبر الجيد هو أن أنظمة التخزين الحالية يمكن تصميمها خصيصًا لتلبية احتياجات مشروعات الذكاء الاصطناعي. ومن الأمثلة الرائعة على ذلك اثنان من أقوى أجهزة الكمبيوتر الفائق العملاقة في العالم، Sierra وSummit.

لنلقِ الآن نظرة على بعض المتطلبات.

تجب مراجعة المتطلبات لكل مرحلة من مراحل مسار الذكاء الاصطناعي بما يتناسب مع أعباء العمل المتوقعة لتطبيق الذكاء الاصطناعي لديك. تختلف أعباء العمل، لكن بعض الشركات التي تستخدم مجموعات بيانات كبيرة قد تستغرق وقتًا طويلًا في التدريب. بمجرد الانتهاء من التدريب، يتم نقل هذه البيانات غالبًا من منصات التخزين الحيوية استعدادًا لعبء عمل جديد. قد تكون إدارة البيانات يدويًا تحديًا، لذا من الحكمة التفكير مسبقًا في كيفية وضع البيانات على التخزين وإلى أين ستذهب بعد انتهاء عملية التدريب. إن العثور على منصة يمكنها نقل البيانات تلقائيًا يقرِّبك خطوة نحو إدارة تخزين أكثر كفاءة وفاعلية لمشروعات الذكاء الاصطناعي.

بعد مراجعة الأثار المترتبة على احتياجات أعباء العمل لديك، يمكنك تحديد تقنيات التخزين الأنسب للبنية التحتية الحوسبة للذكاء الاصطناعي والمشروع بشكل أفضل.

استيعاب البيانات.قد تأتي البيانات غير المنسقة الخاصة بأعباء عمل الذكاء الاصطناعي من مجموعة واسعة من مصادر البيانات المنظمة وغير المنظمة، وستحتاج إلى مكان موثوق به للغاية لتخزينها. قد يكون وسيط التخزين بحيرة بيانات عالية السعة أو طبقة تخزين سريعة مثل التخزين بالذاكرة الوميضية، خاصةً لتحليلات الوقت الفعلي.

إعداد البيانات.بعد تخزين البيانات، يجب إعدادها لأنها تكون في صيغة "غير منسقة". وتجب معالجة البيانات وتنسيقها للاستهلاك في المراحل المتبقية. يُعَد أداء الإدخال والإخراج للملفات عاملًا مهمًا جدًا في هذه المرحلة، نظرًا لوجود مزيج من عمليات القراءة والكتابة العشوائية. خصِّص وقتًا كافيًا لتحديد متطلبات الأداء لمسار الذكاء الاصطناعي الخاص بك. بعد تنسيق البيانات، سيتم إدخالها إلى الشبكات العصبية لإجراء التدريب.

التدريب والاستدلال. هذه المراحل تتطلب قدرًا كبيرًا من الحوسبة وعادةً ما تستلزم تدفق البيانات مباشرةً إلى نماذج التدريب. يُعَد التدريب عملية تكرارية تتطلب الضبط وإعادة الضبط، وتُستخدم لإنشاء النماذج. يمكن اعتبار الاستدلال بمثابة مجموع البيانات والتدريب. تصبح وحدات معالجة الرسومات في الخوادم والبنية التحتية للتخزين مهمة جدًا هنا بسبب الحاجة إلى زمن انتقال قصير، وسرعة إنتاجية عالية، وأوقات استجابة سريعة. يجب أن تكون شبكات التخزين الخاصة بك مصممة للتعامل مع هذه المتطلبات بالإضافة إلى استيعاب البيانات وإعدادها. عند التعامل على نطاق واسع، يضغط ذلك على العديد من أنظمة التخزين، خاصة تلك غير المجهزة لأعباء عمل الذكاء الاصطناعي، لذا من المهم التحقق تحديدًا مما إذا كانت منصة التخزين لديك قادرة على تلبية احتياجات أعباء العمل بما يتوافق مع أهداف عملك.

ضَع في اعتبارك أيضًا: هل يمكن لبنية التخزين الخاصة بك التوسع بسهولة؟ هل يمكنك توسيع نظام التخزين مع تزايد احتياجاتك من البيانات؟ هذه أسئلة مهمة للغاية لها تأثير مباشر في متطلبات البنية التحتية للذكاء الاصطناعي لديك.

تأكَّد من أن البنية التحتية للتخزين لديك قابلة للتوسع رأسيًا وأفقيًا مع الحد الأدنى من التعطيل أو دونه لعمليات الإنتاج لديك، مع مواكبة نمو البيانات في أعمالك. كُن مرنًا بما يكفي للنظر في تكوينات تخزين مختلفة لتلبية الاحتياجات المتنوعة للبنية التحتية للذكاء الاصطناعي.

التخطيط الدقيق، ومطابقة متطلبات خوادم الذكاء الاصطناعي والنماذج مع البنية التحتية للتخزين، سيساعدك على تحقيق أقصى استفادة من استثماراتك وتحقيق النجاح في مشروعات الذكاء الاصطناعي.

هذه التوصيات ليست سوى بداية الطريق. تذكّر دائمًا أنه إذا لم تتوفر لديك الخبرة داخل مؤسستك لتصميم وتنفيذ بنية تخزين مناسبة للذكاء الاصطناعي، يجب التعاون مع المزوِّد للحصول على المساعدة وتجهيز أنظمة التخزين لمتطلبات الذكاء الاصطناعي.

وإذا كانت لديك أسئلة أو تحتاج إلى دعم في التخطيط والاستعداد لمشروع ذكاء اصطناعي باستخدام IBM Storage، فلا تتردد في التواصل مع IBM Systems Lab Services.