Sztuczna inteligencja szturmem wzięła nie tylko świat IT, ale przede wszystkim biznes. Dzisiaj wszyscy mówią o AI, chcą jej używać i wykorzystywać do budowania rozwiązań, które pozwolą działać szybciej, osiągać więcej, funkcjonować taniej. Chociaż tak dużo mówi się o sztucznej inteligencji, która jest już dziś nieodzownym elementem nowoczesnych rozwiązań IT, to warto pamiętać, że jest to stosunkowo nowe zjawisko. AI zagościła na dobre w powszechnej świadomości przed dwoma, góra trzema laty.
Z drugiej strony należałoby zwrócić uwagę, że są na rynku firmy, które o sztucznej inteligencji mówiły już o wiele wcześniej. Co więcej, nie tylko mówiły, ale wdrażały ją w swoich rozwiązaniach. Dzisiaj wszyscy tworzą, trenują, używają mniej lub bardziej zaawansowanych modeli, ale IBM wykorzystuje je w swoich rozwiązaniach już od dawna. Weźmy za przykład moduł FCM Wbudowane w niego elementy sztucznej inteligencji pozwalają na błyskawiczne wykrywanie anomalii, a w konsekwencji na zapewnienie skutecznej, zautomatyzowanej ochrony przed ransomewarem. Warto przypomnieć, że pierwsze moduły FCM pojawiły się na rynku już w 2018 r.
Rozwój AI będzie z pewnością przyspieszał. Korzyści są niewątpliwe. Sztuczna inteligencja pomaga automatyzować procesy i odciążać ludzi od wykonywania wielu niezbyt lubianych obowiązków. Spektrum zastosowań jest praktycznie nieograniczone. Dlatego kluczowe staje się takie podejście do AI, które pozwoli osiągnąć jak najwięcej, wycisnąć maksimum z zaangażowanych środków finansowych i wysiłków pracowników.
W tym kontekście warto zwrócić uwagę, że sztuczna inteligencja ma pewne wymagania sprzętowe. Dopiero ich spełnienie pozwala rozwinąć skrzydła w pełni. Wiadomo, że jeśli mówimy o wydajności, to pierwsze, co przychodzi nam na myśl to serwery czy GPU firmy NVIDIA. To niekwestionowany lider tego rynku. Niemniej, trzeba dodać, że samo szybkie CPU czy GPU nie wystarczy. Za nimi musi stać odpowiednio wydajna i dostępna pamięć masowa. Co przyjdzie nam z najszybszego sportowego samochodu, jeśli będziemy stali w korku i poruszali się tak jak wszyscy inni uczestnicy ruchu z prędkością 20 km na godzinę.
Nie wystarczy zainwestować w GPU NVIDIA. Jeśli podłączona pamięć będzie wąskim gardłem, nie będziemy w stanie dostatecznie szybko trenować modeli AI. Czym zatem charakteryzuje się pamięć odpowiednia do obsługi sztucznej inteligencji? Głównym wymaganiem stawianym przez AI jest wieloprotokołowość i obsługa nieustrukturyzowanych danych.
Na ofertę IBM w zakresie pamięci masowej dla AI składają się dwa rozwiązania: IBM Scale i Ceph (dostępny również w wersji open source). Z tych dwóch lepiej przystosowanym do AI jest Scale. Wynika to z faktu, że chociaż obydwa rozwiązania obsługują pliki, obiekty i bloki, to właśnie Scale jest natywnie plikowy.
I chociaż Ceph jest wieloprotokołowy i także może obsługiwać pliki, to ten tryb działania będzie emulowany, co zawsze będzie przekładać się na pewne minimalne, ale jednak straty. Ceph także się doskonale nadaje do AI, jednak z pewnością nie do najbardziej wymagających zastosowań.
Jeśli bowiem mówimy o sztucznej inteligencji działającej z maksymalną szybkością, jeśli chcemy skracać do minimum czas dostępu do danych, to powinniśmy wybrać IBM Storage Scale. Właśnie to rozwiązanie umożliwi naszemu GPU bezpośredni dostęp do danych. Potwierdzają to eksperci NVIDIA. Firma publikuje na swoich oficjalnych stronach wyniki testów wydajnościowych pamięci współpracujących z jej rozwiązaniami. IBM Storage Scale plasuje się w nich na pierwszym miejscu.
Co niezwykle istotne, chociaż technologia IBM Storage Scale dostępna jest na rynku od wielu lat, to cały czas jest intensywnie rozwijana i wprowadzane są nowe funkcje. Rozwijany jest w szczególności obszar bezpieczeństwa, ale także skalowalności, a przy tym cały czas poprawiana jest jej wydajność.
Dlatego jeśli myślimy na poważnie o sztucznej inteligencji, to powinniśmy koniecznie wykazać się naszą ludzką, naturalną inteligencją, żeby zbudować rozwiązanie, które zapewni nam największe możliwości. W tym momencie nikt nie ma już chyba wątpliwości, że jeśli wybieramy GPU NVIDIA, to powinniśmy wybierać także pamięć IBM Scale.
Artykuł powstał jako podsumowanie rozmowy w ramach cyklu TechTalks „Storage IBM w erze sztucznej inteligencji„: https://www.youtube.com/watch?v=UCcvhQ6mq3E&t=3s
_współpraca
Jeżeli poszukujesz rzetelnej firmy z zakresu integracji systemów informatycznych, dobrze trafiłeś. Skontaktuj się z nami jeszcze dziś, a my dobierzemy dla Ciebie najbardziej korzystne rozwiązanie.
wyślij formularz
(22) 400 10 90