Sådan vil AI ændre datacentret

Sådan vil AI ændre datacentret

I det seneste årti har stigningen i kunstig intelligens (AI) og machine learning (ML) ændret den måde, hvormed virksomheder håndterer data i næsten alle virksomheder og brancher. Muligheden for at bruge data til at opnå viden har udløst en ny digital revolution, og jo flere data vi skaber, desto vigtigere bliver datacentrene

Kommentar af Davide Villa, Business Development Director för EMEAI hos Western Digital

For effektivt at kunne implementere dataindsamling i stor skala og analysere på tværs af en hel virksomhed skal organisationer bygge en ensartet infrastruktur, der er beregnet til AI-projektet. I denne artikel drøfter jeg nogle faktorer, der er vigtige at tage i betragtning i takt med, at stigningen i AI fortsætter med at ændre datacentrene.

Flere indbyggede og intelligente systemer

Mens vores enheder bliver stadig mere sammenkoblede, bevæger vi os hurtigere mod virtuel intelligens. Det er derfor afgørende, at enheder inden for samme økosystem kan kommunikere med hinanden og få adgang til data i skyen både ved kanten og hel centralt. Et eksempel på dette er udviklingen af selvkørende køretøjer, som har brug for et fælles "sprog" for at kommunikere, uanset bilproducent. Sikkerheden ved selvkørende køretøjer afhænger af et økosystem med intelligente trafiksignaler, vejenheder og fodgængeradvarsler, og derfor er standardisering og interoperabilitet nøglen. I sidste ende vil dette gøre et AI-/ML-økosystem meget lettere at integrere og distribuere ved kanten. 

Fra reaktiv til proaktiv

For at IT-teams kan håndtere den enorme stigning i data, er automatisering afgørende for succes. Automatisering er en måde at reducere arbejdsbelastningen blandt IT-personale på og frigøre tid til vigtigere projekter. Automatisering er dog også vigtigt for, at AI kan varetage flere funktioner i datacenteret ved at fjerne opgaver, der er afhængige af nær menneskelig interaktion. Automatisering er det, der vil hjælpe datacentre med at håndtere overgangen til AI og gå fra at være reaktive til proaktive og i sidste ende også kunne forudsige hændelser. 

Øg effektiviteten med AI-chips

Eftersom AI kræver enorm datakraft, vælger mange virksomheder at bruge specifikke AI-chips, der er designet til at udføre komplekse matematiske og beregningsrelaterede opgaver mere effektivt. Eftersom de fleste AI-anvendelser i dag er meget smalle, kan AI-chips konfigureres til en specifik opgave som f.eks. mønstergenkendelse, naturlig sprogbehandling, netværkssikkerhed, robotteknologi og/eller automatisering.

I takt med at AI bliver mere og mere udviklet, vil kapaciteten ikke kun udvide sig - omkostningerne til implementeringen vil også falde. Denne tendens bliver endnu mere mærkbar gennem RISC-V-initiativet og andre åbne kildekodeteknologier, som sænker barren for specialbyggede "byggesten", som kan fokusere på effektivitet, ydeevne og skalerbarhed.

Mindsk kompetenceforskellen

Kendskabet til data kombineret med den eksponentielle stigning i machine learning betyder, at der ganske enkelt ikke er tilstrækkeligt med uddannede medarbejdere i verden til at håndtere den enorme stigning i data. For at hjælpe med at bygge bro over denne kløft og reducere behovet for menneskelig indsats gøres AI-teknologien mere tilgængelig for mennesker uanset kompetence. Ved at udvide eksisterende værktøjer og bygge en selvbetjeningsplatform vil personer uden tidligere uddannelse kunne skabe forudsigelig, AI-baseret analyse. Målet er, at alle personer i en organisation skal kunne agere datavidenskabeligt personale, om end i en mindre grad.

Fremtiden for datacentre

Når data øges, og applikationerne bliver mere komplekse og forskellige, er datacentrene ofte meget afhængige af effektivitetsforbedring. Nogle hævder endda, at uden AI vil mange datacentre ikke være økonomisk eller driftsmæssigt bæredygtige. Nogle af de måder, hvorpå AI-værktøjer vil hjælpe, er at forbedre ressource- og tjenesteudbud, køling og energioptimering samt at opdage flere cybertrusler.

AI gør data levende, og det er vigtigt, at datacenteret kan understøtte processerne effektivt. I takt med at AI fortsætter med at udvikle sig, og datavæksten stiger, udnytter mange virksomheder virtuel intelligens, tilpassede AI-chips og automatisering til fortsat at forbedre dataanalyseprocesserne. I sidste ende vil de mest succesfulde datacentre anvende AI og AI-funktioner i de fleste tilfælde samt skabe en smartere, meget effektiv og fleksibel infrastruktur.

- lb