По мере того, как большие данные становятся все более сложными, компании изо всех сил пытаются удовлетворить потребности в хранении и вычислениях средних организаций, а тем более крупных предприятий. Здесь в игру вступают облачные машинное обучение и искусственный интеллект.

Что означает Cloud Native?

Ваша вычислительная мощность ограничена. Независимо от того, какое оборудование и программное обеспечение вы покупаете, вы всегда будете идти на цыпочках к устареванию. Это нормально - и так было в течение многих лет, - но с появлением больших данных и искусственного интеллекта мы продвигаемся туда на цыпочках чуть быстрее.

Войдите в облачные приложения. Внедрение облака демократизировало вычислительные возможности. Компании могут развертывать приложения в большом масштабе, используя массивные облачные вычисления и возможности хранения. Нативные облачные приложения никогда не внедряются в внутренние системы. Вместо этого они работают в эластичной вычислительной среде, предоставляя возможности многократного использования через такие вещи, как контейнеры, которые могут работать с гибкостью.

Короткий рассказ? Вы можете развертывать программы быстрее, увеличивать их размер и с меньшими налогами на свои ограниченные вычислительные ресурсы. Кроме того, облако может упаковать ваше приложение в контейнер, что позволяет реплицировать результаты на нескольких платформах.

Что такое облачное машинное обучение?

Машинному обучению требуются наборы данных для обучающих моделей для выполнения задач. Машинный мозг учится отличать хот-дог от« не хот-дог », например, с помощью необработанного обучения в форме изображений хот-догов по сравнению с не хот-догами. Доступ к данным, которые вам нужны для обучения более сложным задачам, может быть неприятным, если у вас нет необходимых людей или вычислительной мощности.

Ваш единственный специалист по данным не может просмотреть тысячи данных, чтобы научить машину распознавать хот-дог. Вместо этого, развернув эти инструменты в облаке, компания может автоматизировать машинное обучение и работать в больших масштабах.

Облако позволяет организациям использовать автоматизированное или управляемое машинное обучение для снятия налога на ограниченные человеческие ресурсы. Он устраняет ограничения и доступ к данным и машинному обучению, позволяя всем заинтересованным сторонам получить доступ к программе и аналитическим материалам. Короче говоря, каждый узнает, какой хот-дог, а какой нет.

Это также открывает возможность гражданским специалистам по обработке данных развертывать программы, не имея опыта работы с кодом. Облако использует автоматизацию для обучения и обслуживания модели. Пользователь может оценивать модель, отлаживать и воспроизводить результаты напрямую из облака.

[Статья по теме: стоит ли создавать или покупать платформу для анализа данных?]

Что такое Cloud Native AI?

ИИ использует тот же подход к облаку, что и машинное обучение, но фокус немного шире. Фактически, ИИ становится драйвером облачных вычислений. Компании могут развертывать модели искусственного интеллекта и глубокое обучение в эластичной и масштабируемой облачной среде.

Cloud Native AI - это не столько новая технология, сколько смена парадигмы. Компании могут использовать облако, например, для развертывания микросервисов искусственного интеллекта или для поиска озер данных для лучшего и более глубокого обучения, необходимого для глубокого обучения. Это не только хот-дог / не хот-дог, это больше похоже на то, как научиться готовить сам хот-дог.

Облачный искусственный интеллект можно добавить к трем основным услугам, так остро необходимым бизнесу: зрение, язык и общение. Облачный ИИ дает предприятиям возможность развертывать эти сервисы без необходимости иметь собственные приложения ИИ. Организации могут использовать облачный ИИ для своих существующих приложений, получать доступ к озерам данных и выполнять сбор больших данных.

Преимущества облачного ИИ и машинного обучения

Облачная среда эластична. Это самое значительное преимущество для большинства предприятий, поскольку возможность настраивать объем данных и место их хранения без последующего внедрения дорогостоящих обновлений и изменений системы кардинально меняет правила игры. Среда растет или меняется вместе с вашим развитием. Это приводит к трем важным вещам:

Надежный масштаб: вашему росту не препятствует ваша зависимость от установленного внутреннего репозитория. Вы можете работать со своими существующими решениями и следить за расширением без дорогостоящей и трудоемкой смены программного обеспечения.

Возможности микросервисов: микросервисы имеют модульную структуру и легко следуют графику гибкой разработки. Ваша организация может развернуть микросервисы, чтобы автоматизировать продукт или услугу для вашей клиентской базы и облегчить нагрузку на вашу человеческую команду, или вы можете использовать микросервисы для целенаправленной разработки.

Озера данных. Озера данных, размещенные в облаке, предоставляют вашей организации доступ к большим и качественным данным для обучения, не напрягая ваши внутренние ресурсы. По мере развертывания новых моделей и продвижения к идеалу непрерывных инноваций использование ресурсов, доступных за пределами вашей организации, дает вам стратегическое преимущество.

Минусы - это не волшебство

Кевин Ван из braze.com недавно сказал: Опыт эффективного использования ИИ больше похож на езду на лошади, а не на то, что сверхразумная лошадь крадет вашу работу. Многих эта идея утешает, потому что на самом деле ИИ не подходит для вашей работы. Однако у этой идеи есть обратная сторона, потому что ИИ не может делать вашу работу за вас. Не совсем.

Развертывание моделей искусственного интеллекта или машинного обучения в облаке не является чудодейственным средством для вашего продукта, услуги или рабочего процесса. Это улучшает то, что вы уже установили. Если у вас есть что-то отличное, то это поможет. Если у вас есть что-то наполовину сложенное, эти вещи только усилят эту путаницу. Если вы не знаете, куда идете, ваша «лошадь» тоже не знает.

Другие возможные недостатки связаны с проблемой контроля. Хотя вы в значительной степени контролируете свои приложения, службы и данные, ваша серверная часть может находиться у кого-то еще. Эта возможность может быть полезна, если у вас нет инфраструктуры для обеспечения подлинной безопасности и обслуживания, но вы более открыты для:

Время простоя: простои неизбежны, и хорошая новость заключается в том, что вашей внутренней ИТ-команде не нужно работать круглосуточно, чтобы понять, что происходит. Плохая новость в том, что вы не можете контролировать, когда и где. Если у вас нет системы для устранения простоев (ожидаемых и других), вы можете потерять свою чистую прибыль.

Служебные препятствия: если вы не можете контролировать свою бэкэнд, вам нужно подумать, как ваш облачный провайдер будет поддерживать вашу организацию. Убедитесь, что вы понимаете соглашения об уровне обслуживания и что SLA охватывает все, что вам нужно.

[Статья по теме: 5 ошибок, которые вы делаете с DataOps]

Масштабирование с помощью Cloud Native

Создание культуры непрерывных инноваций может быть трудным без надлежащей инфраструктуры. Впервые организации получают доступ к программному обеспечению и услугам, которые выходят далеко за рамки их внутренних возможностей. Если у вас запущенный стартап, вы могли бы быстро конкурировать с гигантами в своей отрасли, как сейчас. Обдумайте преимущества и недостатки, чтобы понять, готовы ли вы перейти на облачную систему.

Прочтите больше статей по науке о данных на OpenDataScience.com, включая учебные пособия и руководства от новичка до продвинутого уровня! Подпишитесь на нашу еженедельную рассылку здесь и получайте последние новости каждый четверг.