NSTC گزارشی درباره درس‌های آموخته‌شده از استفاده فدرال از رایانش ابری برای حمایت از تحقیق و توسعه هوش مصنوعی منتشر کرد.

هوش مصنوعی (AI) و یادگیری ماشین (ML) در دهه گذشته پیشرفت های زیادی داشته است. بخش بزرگی از این پیشرفت را می توان به مقادیر زیادی از مجموعه داده های قابل دسترس و منابع محاسباتی نسبت داد. اخیراً بسیاری از آژانس های فدرال شروع به سرمایه گذاری در استفاده از منابع محاسبات ابری تجاری برای پیشبرد تحقیق و توسعه AI/ML (R&D) کرده اند. شورای ملی علم و فناوری کاخ سفید (NSTC) و کمیته فرعی هوش مصنوعی به تازگی گزارشی در مورد آن منتشر کرده است درس های آموخته شده از استفاده فدرال از رایانش ابری برای حمایت از تحقیق و توسعه هوش مصنوعی خلاصه درس های آموخته شده از آژانس های فدرال در مورد استفاده از رایانش ابری برای پیشبرد تحقیق و توسعه هوش مصنوعی.

این گزارش از سوی کمیته منتخب دولت فدرال دیگر درباره گزارش هوش مصنوعی ارائه شده است. توصیه هایی برای استفاده از منابع رایانش ابری برای تحقیق و توسعه هوش مصنوعی با بودجه فدرال که به جزئیات توصیه هایی برای دولت فدرال برای پیشبرد استفاده از رایانش ابری برای حمایت از نوآوری هوش مصنوعی می پردازد. بر اساس این توصیه‌ها، کمیته فرعی MLAI مجموعه‌ای از گفتگوها را بین نمایندگان آژانس و ارائه‌دهندگان محاسبات ابری تجاری برای کمک به شناسایی چالش‌ها و بهترین شیوه‌ها در رایانش ابری و تحقیق و توسعه تسهیل کرد. جدیدترین گزارش‌ها درباره «درس‌های آموخته‌شده» یافته‌های کلیدی این گفتگوها را در فواید سرمایه‌گذاری، بهترین شیوه‌ها، چالش‌های رایج و فرصت‌های آینده خلاصه می‌کند. گزارش کامل این گفتگو را می توانید مشاهده کنید اینجا.

مزایای سرمایه گذاری 

• فراهم کردن دسترسی مداوم و بر اساس تقاضا به قابلیت‌های پیشرفته، تسریع آزمایش و استفاده از هوش مصنوعی در حوزه‌های جدید برای محققان
• امکان تکرارپذیری و مقیاس پذیری فعالیت های تحقیقاتی و نتایج آنها
• به محققان کمک کنید تا به سرعت به سخت افزار تخصصی هوش مصنوعی دسترسی پیدا کنند
• امکان دسترسی آژانس ها به جدیدترین و به روزترین قابلیت های محاسباتی را فراهم کنید

بهترین روش 

• تیم های مدیریتی اختصاصی ایجاد این قابلیت، تخصص و اختیار لازم را برای مدیریت و نظارت بر دسترسی به منابع، خدمات و پلتفرم های رایانش ابری در اختیار آژانس ها قرار داده است. چنین تیم هایی همچنین آموزش هایی را به جامعه کاربران ارائه کرده اند و مناسب بودن منابع درخواستی را برای دستیابی به اهداف تحقیقاتی خاص بررسی کرده اند.
• احراز هویت کاربر. اکثر برنامه ها دسترسی به کاربران شناخته شده، واجد شرایط و معتبر را محدود کرده اند. بسیاری نیز به احراز هویت دو مرحله ای به عنوان جزئی از اقدامات امنیتی خود نیاز دارند. این اقدامات با هم، سطح پایه ای از امنیت و توانایی ایجاد کنترل های دسترسی مبتنی بر کاربر را فراهم می کند.
• آموزش و پرورش. کمک‌های آموزشی و فرصت‌های آموزشی برای رسیدگی به شکاف‌های مهارتی موجود، پیشبرد فرصت‌های دسترسی عادلانه و ایجاد تخصص در میان پایگاه کاربران بسیار مهم بوده است. در دسترس قرار دادن این منابع به محققان پشتیبانی شده کمک کرده است تا در منابع مختلف رایانش ابری پیمایش کنند و تحقیقات و نیازهای خاص را با معماری های محاسباتی و ابزارهای نرم افزاری مناسب مطابقت دهند.
• منابع و گردش کار از پیش محاسبه شده به‌ویژه هنگام حمایت از تلاش‌های تحقیقاتی داخلی یا متمرکز بر مأموریت، گردش‌های کاری از پیش محاسبه‌شده، کارهای تکراری را کاهش داده و رویکردهای پایه قابل دسترسی را برای نقاط شروع مشترک برای تحلیل‌ها ایجاد کرده‌اند.

چالش های مشترک

• مجوز کاربر کارآمد. کاربران احراز هویت می‌توانند گلوگاه‌های مربوط به تأیید هویت و ارائه قابلیت‌های ورود ایجاد کنند. کمبود بودجه یا کمبود کارکنان سازمان های حاکم می تواند منجر به تاخیر در فعال سازی حساب ها و حل مسائلی شود که در هر سطح دسترسی ایجاد می شود. علاوه بر این، فقدان آژانس معتبر و راهنمایی سراسری دولت در مورد خدمات تایید شده، که شامل حفظ حریم خصوصی داده‌ها و ملاحظات دسترسی متغیر است، پذیرش را کند می‌کند و بین سیاست‌ها و رویه‌های آژانس تنوع ایجاد می‌کند.
• هزینه ها هزینه های ذخیره سازی و دسترسی به داده ها، توانایی تیم های متعدد برای دسترسی به داده های مشترک را پیچیده می کند. علاوه بر این، صورت‌حساب و بودجه‌ها با تغییر هزینه‌های محاسبات ابری در هر پروژه و سهولتی که محققان می‌توانند سهواً اعتبارات را از طریق استفاده از تنظیمات نادرست تخلیه کنند، پیچیده‌تر می‌شوند. علاوه بر این، هزینه‌های متغیر پیچیدگی‌هایی را برای فرآیندهای تدارکات فدرال ایجاد می‌کند، و همچنین عدم اطمینان در مورد دسته‌بندی تخصیصی که می‌توان برای خرید کدام قابلیت‌های محاسباتی استفاده کرد.
• سازمان. اطمینان از اینکه کاربران یک پلت فرم محاسبات ابری معین می توانند اطلاعات، آزمایش ها و نتایج مربوط به کار و علایق خود را بیابند و آگاهی خود را حفظ کنند.
• حریم خصوصی و امنیت تعیین راه‌هایی برای میزبانی و تسهیل دسترسی به انواع داده‌های مناسب با حفظ حریم خصوصی و امنیتی مناسب، مشروط به ملاحظات بودجه، تغییر اولویت‌های تحقیقاتی و جامعه کاربران در حال توسعه.
• ادغام خدمات ابری با منابع غیر ابری. چالش هایی را از نظر توانمندسازی محققان برای دسترسی مؤثر به وسعت کامل منابع آژانس ارائه می کند.
• توسعه نیروی کار. بسیاری از کارمندان فدرال آشنایی محدودی با فناوری‌های رایانش ابری دارند و تعداد کمی از آنها دارای گواهینامه صنعت در سیستم‌های رایانش ابری هستند. این محدودیت‌ها هم تلاش‌های تحقیقاتی داخلی و هم توانایی ارائه راهنمایی و منابع به محققان خارجی را به چالش می‌کشد.

فرصت های آینده

برای رسیدگی به مدل های مالی، دولت فدرال می تواند موارد زیر را انجام دهد:

• از قدرت خرید منعکس شده در سرمایه گذاری های ادغام شده فدرال در پلت فرم های تجاری رایانش ابری بهره ببرید. این اقدام دسترسی به پیشرفته‌ترین قابلیت‌های ابر را تسهیل می‌کند و ابزاری برای صحبت با صدای مشترک در مورد انتظارات و نیازهای جامعه تحقیقاتی هوش مصنوعی با بودجه فدرال فراهم می‌کند.
• مدل‌های قابل توضیح با هزینه‌های مربوطه را برای مدیریت بهتر عدم قطعیت بودجه ایجاد کنید، زیرا این مدل‌ها پویایی هزینه‌های مرتبط با رایانش ابری را برای محققان و مدیران برنامه نشان می‌دهد، به‌ویژه از نظر تصمیم‌گیری‌های مربوط به پارامترها و فرآیندهای آموزشی.
• بهترین شیوه‌ها را از برنامه‌های ابری آژانس در رابطه با توافق‌نامه‌ها و استراتژی‌های قراردادی برای مدیریت هزینه‌های بیش از حد دریافت کنید و به اشتراک بگذارید.

برای حرکت به سمت محیط یکپارچه و چند ابری پیش بینی شده، آژانس ها می توانند کارهای زیر را انجام دهند:

• از فناوری‌های منبع باز استفاده کنید و به پرورش آنها کمک کنید که می‌توانند از روش‌های استاندارد ساخت و اجرای بارهای کاری برای استقرار چند ابری (مانند کانتینری‌سازی و اتوماسیون) پشتیبانی کنند.
• تسهیل و خودکارسازی هویت و مدیریت دسترسی از طریق سیستم های فدرال که جامعه تحقیقاتی داخل و خارج از دولت را گرد هم می آورد.
• یک ارزیابی برای ارزیابی امکان سنجی توسعه یک شبکه داده فدرال برای کاهش حرکت و تکرار داده ها انجام دهید.

آژانس‌ها می‌توانند بیشتر در پذیرش منابع رایانش ابری تجاری از طریق موارد زیر کمک شوند:

• ایجاد یک کیت پورتال که یک الگوی استاندارد را ترسیم می‌کند و بهترین شیوه‌ها را برای پیاده‌سازی پورتال‌ها در سطوح مختلف، بسته به نیاز سازمان ارائه می‌دهد.
• ارائه راهنمای انتخاب منبع که به آژانس‌ها کمک می‌کند شرایطی را که در آن انواع مختلف منابع به بهترین وجه مناسب هستند را تعیین کنند، مانند انتخاب ابر در مقابل محاسبات با کارایی بالا و پیشنهادات تجاری در مقابل ماشین‌های داخلی.
• با استفاده از قدرت خریدی که در بالا توضیح داده شد، راهنمایی در مورد خط‌مشی‌ها، رویه‌ها، منابع و سرویس‌های تأیید شده در مورد ارائه‌های ابر تجاری، تا حد امکان، ارائه دهید.

در نهایت، رسیدگی به نیازهای توسعه نیروی کار به موارد زیر نیاز دارد:

• سرمایه گذاری در منابع آموزشی که می تواند به طیف وسیعی از کاربران نهایی، محققان و کارکنان فنی خدمت کند که بر اساس سطوح مهارت، نیازها و علایق آنها متمایز است.

• استراتژی‌های استخدام و حفظ که شامل مجموعه‌های مهارتی با تقاضای بالا است که از رایانش ابری پشتیبانی می‌کنند، مانند معماران ابری، محاسبات تحقیقاتی و متخصصان داده، مهندسین نرم‌افزار پژوهشی و دانشمندان داده.

گزارش کامل را بخوانید اینجا کلیک نمایید.