Sztuczna inteligencja w chmurze: dostępne usługi AI

• Autor:
• nazwisko autora

  Foresight Quantumrun
• Listopad 1, 2023

Podsumowanie spostrzeżeń

Wyłonienie się AI-as-a-Service (AIaaS) wśród gigantów przetwarzania w chmurze ułatwia opracowywanie i testowanie modeli uczenia maszynowego, szczególnie pomagając mniejszym podmiotom poprzez minimalizację początkowych inwestycji w infrastrukturę. Ta współpraca przyspiesza rozwój aplikacji takich jak głębokie uczenie się. Optymalizuje wydajność chmury, automatyzuje zadania ręczne i pozwala uzyskać głębsze wnioski z danych. Co więcej, powoduje powstawanie nowych wyspecjalizowanych stanowisk pracy, wpływa na przyszłe krajobrazy pracy i potencjalnie przyspiesza rozwój technologii w różnych sektorach. Szerszy scenariusz wskazuje na demokratyzację technologii uczenia maszynowego, wzmożoną globalną konkurencję o wiedzę specjalistyczną w zakresie sztucznej inteligencji, nowe wyzwania w zakresie cyberbezpieczeństwa oraz zachętę dla dostawców usług w chmurze do inwestowania w przyjazne dla użytkownika platformy uczenia maszynowego.

Sztuczna inteligencja w kontekście chmury

Dostawcy usług w chmurze, tacy jak Amazon Web Services (AWS), Microsoft Azure i Google Cloud Platform (GCP), chcą, aby programiści i badacze danych opracowywali i testowali modele uczenia maszynowego (ML) w swoich chmurach. Usługa ta przynosi korzyści mniejszym firmom lub start-upom, ponieważ testowanie prototypów często wymaga wielu infrastruktur, podczas gdy modele produkcyjne często wymagają wysokiej dostępności. Ponieważ dostawcy usług przetwarzania w chmurze oferują rozwiązania umożliwiające rozpoczęcie korzystania z technologii sztucznej inteligencji bez znacznych inwestycji w przebudowę infrastruktury wewnętrznej, firmy mogą natychmiast uzyskać dostęp do usług w chmurze AI (i je przetestować), aby napędzać swoje inicjatywy cyfrowe. Przetwarzanie w chmurze umożliwia szybki i bardziej zaawansowany rozwój najnowocześniejszych funkcji sztucznej inteligencji, takich jak głębokie uczenie się (DL), które ma dalekosiężne zastosowania. Niektóre systemy DL mogą sprawić, że kamery bezpieczeństwa będą mądrzejsze, wykrywając wzorce, które mogą sygnalizować niebezpieczeństwo. Technologia taka umożliwia także identyfikację obiektów fotograficznych (rozpoznawanie obiektów). Pojazd autonomiczny wyposażony w algorytmy DL potrafi odróżnić człowieka od znaków drogowych.

Badanie przeprowadzone przez firmę programistyczną Redhat wykazało, że 78 procent projektów AI/ML w przedsiębiorstwach jest tworzonych przy użyciu infrastruktury chmury hybrydowej, dzięki czemu chmury publiczne mają większe możliwości przyciągania partnerstw. W chmurach publicznych dostępne są różne opcje przechowywania danych, w tym bezserwerowe bazy danych, hurtownie danych, jeziora danych i bazy danych NoSQL. Opcje te umożliwiają firmom tworzenie modeli w pobliżu miejsca, w którym znajdują się ich dane. Ponadto dostawcy usług w chmurze oferują popularne technologie uczenia maszynowego, takie jak TensorFlow i PyTorch, co czyni z nich kompleksowe usługi dla zespołów zajmujących się analizą danych, które potrzebują opcji.

Zakłócający wpływ

Sztuczna inteligencja zmienia chmurę i zwiększa jej potencjał na kilka sposobów. Po pierwsze, algorytmy zwiększają efektywność przetwarzania w chmurze, analizując ogólne przechowywanie danych firmy i identyfikując obszary, które mogą wymagać poprawy (szczególnie te podatne na cyberataki). Dodatkowo sztuczna inteligencja może zautomatyzować zadania aktualnie wykonywane ręcznie, uwalniając czas i zasoby na inne, bardziej złożone procesy. Sztuczna inteligencja sprawia również, że chmura staje się bardziej inteligentna, umożliwiając firmom uzyskiwanie wglądu w dane w chmurze, co nigdy wcześniej nie było możliwe. Algorytmy mogą „uczyć się” na podstawie informacji i identyfikować wzorce, których ludzie nigdy nie byliby w stanie dostrzec. 

Jednym z najbardziej ekscytujących sposobów wykorzystania sztucznej inteligencji w chmurze jest tworzenie nowych możliwości pracy. Połączenie sztucznej inteligencji i przetwarzania w chmurze prowadzi do rozwoju nowych ról wymagających specjalistycznych umiejętności. Na przykład firmy mogą teraz potrzebować pracowników będących ekspertami w obu obszarach do rozwiązywania problemów i badania problemów. Dodatkowo wzrost wydajności chmury prawdopodobnie doprowadzi do powstania nowych stanowisk skupionych na zarządzaniu i utrzymaniu tej technologii. Wreszcie sztuczna inteligencja zmienia chmurę, wywierając duży wpływ na przyszłość pracy. Na przykład zautomatyzowane zadania mogą prowadzić do przekwalifikowania pracowników na inne stanowiska. Szybsze i wydajniejsze przetwarzanie w chmurze może również umożliwić tworzenie miejsc pracy wykorzystujących rzeczywistość wirtualną i rozszerzoną (VR/AR), takich jak Metaverse.

Implikacje AI w chmurze

Szersze implikacje AI w chmurze mogą obejmować: 

• Rosnąca demokratyzacja technologii ML, które staną się dostępne dla małych i średnich przedsiębiorstw chcących wprowadzać innowacje w tej przestrzeni.
• Zwiększona konkurencja o globalne talenty w zakresie sztucznej inteligencji, co może pogorszyć obecny drenaż mózgów badaczy i naukowców zajmujących się sztuczną inteligencją, od środowisk akademickich po międzynarodowe przedsiębiorstwa. Koszty rekrutacji i zatrudniania talentów AI również dramatycznie wzrosną.
• Cyberprzestępcy badają usługi przetwarzania w chmurze, aby lepiej zlokalizować słabe punkty swoje i firm korzystających z takich usług.
• Szybszy rozwój nowych technologii, szczególnie w sektorach pojazdów autonomicznych i Internetu Rzeczy (IoT), które wymagają większych zasobów danych i obliczeniowych.
• Dostawcy usług przetwarzania w chmurze zwiększają swoje inwestycje w oprogramowanie i platformy uczenia maszynowego bez kodu lub z małą ilością kodu. 

Pytania do skomentowania

• Czy zetknąłeś się z jakąkolwiek usługą lub produktem opartym na chmurze opartym na sztucznej inteligencji?
• Jak jeszcze myślisz, że AIaaS zmieni sposób, w jaki ludzie pracują?