एआई आग को केंद्रीकरण के साथ खिलाएं

प्रायोजित विशेषता क्रांतिकारी तकनीकों और खोजों की एक स्थिर धारा - आग, कृषि, पहिया, प्रिंटिंग प्रेस और इंटरनेट, नाम के लिए लेकिन कुछ - ने मानव विकास और सभ्यता को गहराई से आकार दिया है। और आर्टिफिशियल इंटेलिजेंस (एआई) के साथ नवाचार का वह चक्र जारी है। 

रिसर्च फर्म आईडीसी इस निष्कर्ष पर पहुंची है कि एआई वास्तव में "सब कुछ" का जवाब है। आईडीसी में एसोसिएट वाइस प्रेसिडेंट, डेटा और एनालिटिक्स रैसमस एंड्सबर्ज कहते हैं: “वास्तविकता यह है कि, एआई इस समय हमारे सामने आने वाली हर चीज का समाधान पेश करता है। एआई फास्ट-ट्रैकिंग डिजिटल ट्रांसफॉर्मेशन जर्नी के लिए एक स्रोत हो सकता है, चौंका देने वाली महंगाई दर के समय में लागत बचत को सक्षम कर सकता है और श्रम की कमी के समय ऑटोमेशन प्रयासों का समर्थन कर सकता है।

निश्चित रूप से, और सभी उद्योगों और कार्यों में, अंतिम उपयोगकर्ता संगठन एआई के लाभों की खोज करना शुरू कर रहे हैं, क्योंकि बेहतर निर्णय लेने और उच्च उत्पादकता को सक्षम करने के लिए तेजी से शक्तिशाली एल्गोरिदम और अंतर्निहित बुनियादी ढांचा उभर रहा है। 

आर्टिफिशियल इंटेलिजेंस (एआई) बाजार के लिए विश्वव्यापी राजस्व, जिसमें एआई केंद्रित और एआई गैर-केंद्रित दोनों अनुप्रयोगों के लिए संबंधित सॉफ्टवेयर, हार्डवेयर और सेवाएं शामिल हैं, 383.3 में कुल $2021 बिलियन था। यह पिछले वर्ष की तुलना में 20.7% अधिक था, सबसे अधिक के अनुसार हाल ही का इंटरनेशनल डेटा कॉर्पोरेशन (IDC) वर्ल्डवाइड सेमिनुअल आर्टिफिशियल इंटेलिजेंस ट्रैकर.

इसी तरह, क्लाउड में एआई सॉफ्टवेयर की तैनाती में लगातार वृद्धि दिख रही है। आईडीसी को उम्मीद है कि नए खरीदे गए एआई सॉफ्टवेयर के क्लाउड वर्जन 2022 में ऑन-प्रिमाइसेस परिनियोजन से आगे निकल जाएंगे।

एआई के लिए आकाश की सीमा

एआई विशेषज्ञ रन: एआई के मुख्य प्रौद्योगिकी अधिकारी डॉ रोनेन डार, जिसने एआई के लिए एक कंप्यूट-मैनेजमेंट प्लेटफॉर्म बनाया है, का मानना ​​है कि नवजात उद्यम एआई क्षेत्र के लिए आकाश की सीमा है। 

"एआई एक ऐसा बाजार है जिसे हम देखते हैं कि यह बहुत तेजी से बढ़ रहा है। और उद्यमों के संदर्भ में, हम मशीन लर्निंग और एआई के लिए मांग और अपनाना देखते हैं। और मुझे लगता है कि अभी यहां एक नई तकनीक है जो दुनिया को बदलने वाली नई क्षमताएं ला रही है; जो व्यवसायों में क्रांति लाने जा रहे हैं," डार नोट। 

एआई के साथ खोज और प्रयोग शुरू करने और एआई को बिजनेस मॉडल में कैसे एकीकृत किया जाए, इसे समझने की आवश्यकता पर भी तेजी से स्पष्ट समझ बन रही है।

डार का मानना ​​है कि एआई मौजूदा उद्यम व्यवसाय प्रक्रियाओं को बेहतर बनाने के लिए "अद्भुत लाभ" ला सकता है: "वर्तमान व्यवसाय को अनुकूलित करने और साबित करने के संदर्भ में, हम एआई और मशीन लर्निंग के आसपास बहुत सारे उपयोग के मामले देखते हैं जो संचालन में सुधार कर रहे हैं और निर्णय कैसे किए जा रहे हैं। आपूर्ति और मांग के आसपास।

वह बताते हैं कि तंत्रिका नेटवर्क पर आधारित नए गहन शिक्षण मॉडल प्रक्रियाओं, निर्णय लेने और वित्तीय सेवा उद्योग में धोखाधड़ी का पता लगाने जैसी महत्वपूर्ण व्यावसायिक प्रक्रियाओं की सटीकता में सुधार कर सकते हैं। हेल्थकेयर एक अन्य क्षेत्र है जहां एआई की क्षमता "विशाल" है, विशेष रूप से डॉक्टरों को बेहतर नैदानिक ​​​​निर्णय लेने और नई दवाओं की खोज और विकास में मदद करने के मामले में। 

और, आगे की ओर देखते हुए, डार भविष्यवाणी करता है कि एआई तकनीक ब्रांड के नए व्यावसायिक अवसर प्रदान करने में मदद करेगी जो वर्तमान में स्व-ड्राइविंग वाहनों और इमर्सिव गेमिंग जैसे क्षेत्रों में मौजूद नहीं हैं। 

दूर करने के लिए बुनियादी ढांचा बाधाएं

उद्यम में एआई और मशीन लर्निंग के लिए स्पष्ट क्षमता के बावजूद, डार स्वीकार करते हैं कि बुनियादी ढांचे के प्रावधान के मुद्दों से एआई की व्यावसायिक तैनाती को रोका जा रहा है। वह सलाह देते हैं कि फर्मों को यह देखने की जरूरत है कि एआई किसी संगठन में पहले स्थान पर कैसे आता है।

आमतौर पर, इसमें एक गैर-समन्वित, विभाग-दर-विभाग प्रक्रिया शामिल होती है, जो अलग-अलग टीमों को स्वतंत्र रूप से प्रौद्योगिकी और संसाधनों का प्रावधान करती है, जिससे साइलेंट तैनाती होती है। आईटी इन तदर्थ परियोजनाओं को प्रभावी ढंग से नियंत्रित नहीं कर सकता है और क्या हो रहा है इसकी दृश्यता नहीं है। और इससे एआई इंफ्रास्ट्रक्चर खर्च पर आरओआई की गणना करना असंभव नहीं तो मुश्किल हो जाता है। 

डार कहते हैं, "यह शास्त्रीय समस्या है: पुराने दिनों में यह शैडो आईटी था और अब यह शैडो एआई है।" 

इसके अलावा, एआई/एमएल के लिए आवश्यक अत्याधुनिक बुनियादी ढांचा एक निवेश है क्योंकि उद्यमों को बहुत जटिल डेटा को संसाधित करने और मॉडलों को प्रशिक्षित करने के लिए शक्तिशाली जीपीयू-त्वरित कंप्यूटिंग हार्डवेयर की आवश्यकता होती है। 

डार कहते हैं, "एआई टीमों को मॉडलों को प्रशिक्षित करने के लिए बहुत अधिक कंप्यूटिंग शक्ति की आवश्यकता होती है, आमतौर पर जीपीयू का उपयोग करते हुए, जो प्रीमियम डेटा सेंटर संसाधन हैं जिन्हें साइलिड किया जा सकता है और कुशलता से उपयोग नहीं किया जा सकता है।" "यह सुनिश्चित करने के लिए बहुत सारा पैसा बर्बाद हो सकता है।" 

उदाहरण के लिए, साइलेड इंफ्रास्ट्रक्चर का उपयोग 10% से कम स्तर पर हो सकता है।

रन: एआई पोल के अनुसार, द 2021 स्टेट ऑफ एआई इंफ्रास्ट्रक्चर सर्वेअक्टूबर 2021 में प्रकाशित, 87 प्रतिशत उत्तरदाताओं ने कहा कि वे जीपीयू/गणना संसाधन आवंटन के कुछ स्तर का अनुभव करते हैं, जबकि 12 प्रतिशत का कहना है कि ऐसा अक्सर होता है। परिणामस्वरूप, सर्वेक्षण में शामिल 83 प्रतिशत कंपनियों ने बताया कि वे अपने जीपीयू और एआई हार्डवेयर का पूरी तरह से उपयोग नहीं कर रही हैं। वास्तव में, लगभग दो-तिहाई (61 प्रतिशत) ने संकेत दिया कि उनके जीपीयू और एआई हार्डवेयर ज्यादातर "मध्यम" उपयोग के स्तर पर हैं।

एआई का केंद्रीकरण

इन समस्याओं को हल करने के लिए डार एआई संसाधनों के प्रावधान को केंद्रीकृत करने की वकालत करता है। रन: एआई ने एआई के लिए एक कंप्यूट-मैनेजमेंट प्लेटफॉर्म विकसित किया है जो जीपीयू कंप्यूट संसाधन को केंद्रीकृत और वर्चुअलाइज करता है। जीपीयू को एक आभासी परत में पूल करके और 100 प्रतिशत उपयोग के लिए वर्कलोड शेड्यूलिंग को स्वचालित करके, यह दृष्टिकोण विभागीय स्तर पर साइलेड सिस्टम की तुलना में लाभ प्रदान करता है। 

बुनियादी ढांचे को केंद्रीकृत करने से डेटा वैज्ञानिकों को बुनियादी ढांचे के प्रबंधन के ऊपरी हिस्से से मुक्त करते हुए नियंत्रण और दृश्यता वापस मिलती है। एआई टीमें एक सार्वभौमिक एआई कंप्यूट संसाधन साझा करती हैं, जिसे मांग बढ़ने या घटने पर गतिशील रूप से ऊपर और नीचे डायल किया जा सकता है, जिससे मांग की अड़चनें और कम उपयोग की अवधि समाप्त हो जाती है। 

यह दृष्टिकोण, डार का तर्क है, संगठनों को अपने हार्डवेयर से अधिक लाभ उठाने और डेटा वैज्ञानिकों को अंतर्निहित संसाधन सीमा की बाधाओं से मुक्त करने में मदद कर सकता है। इन सभी का मतलब है कि वे अधिक नौकरियां चला सकते हैं और उत्पादन में अधिक एआई मॉडल ला सकते हैं। 

किंग्स कॉलेज लंदन के नेतृत्व में और सेंट थॉमस अस्पताल में स्थित लंदन मेडिकल इमेजिंग एंड आर्टिफिशियल इंटेलिजेंस सेंटर फॉर वैल्यू बेस्ड हेल्थकेयर से एक उदाहरण प्रदान किया गया है। यह कंप्यूटर दृष्टि और प्राकृतिक भाषा प्रसंस्करण के लिए परिष्कृत गहन शिक्षण एल्गोरिदम को प्रशिक्षित करने के लिए चिकित्सा छवियों और इलेक्ट्रॉनिक स्वास्थ्य देखभाल डेटा का उपयोग करता है। इन एल्गोरिदम का उपयोग प्रभावी स्क्रीनिंग, तेज निदान और व्यक्तिगत चिकित्सा के लिए नए उपकरण बनाने के लिए किया जाता है।

केंद्र ने महसूस किया कि इसकी विरासत एआई अवसंरचना दक्षता के मुद्दों से पीड़ित थी: कुछ घटकों के लिए "महत्वपूर्ण" निष्क्रिय अवधि के साथ जीपीयू का कुल उपयोग 30 प्रतिशत से कम था। रन: एआई के प्लेटफॉर्म पर आधारित एक केंद्रीकृत एआई कंप्यूट प्रोविजनिंग मॉडल को अपनाकर इन मुद्दों को हल करने के लिए आगे बढ़ने के बाद, प्रयोग की गति और समग्र अनुसंधान दक्षता में समानांतर सुधार के साथ इसका जीपीयू उपयोग 110 प्रतिशत बढ़ गया।

किंग्स कॉलेज लंदन में एआई के एसोसिएट प्रोफेसर और सीनियर लेक्चरर और एआई सेंटर के सीटीओ डॉ. एम. जोर्ज कार्डसो कहते हैं, "कंप्यूटिंग पावर या पूरे क्लस्टर के एक ट्रिकल का उपयोग करके हमारे प्रयोगों में दिन या मिनट लग सकते हैं।" "परिणामों के लिए समय कम करना सुनिश्चित करता है कि हम लोगों के स्वास्थ्य और जीवन के बारे में अधिक महत्वपूर्ण प्रश्न पूछ सकते हैं और उनका उत्तर दे सकते हैं," 

एआई जीपीयू संसाधनों को केंद्रीकृत करने से लंदन की एक फर्म वेवे को मूल्यवान व्यावसायिक लाभ भी मिला, जो सेल्फ-ड्राइविंग कारों के लिए एआई सॉफ्टवेयर विकसित करती है। इसकी तकनीक को संवेदन पर निर्भर नहीं करने के लिए डिज़ाइन किया गया है, बल्कि घने शहरी इलाकों में बेहतर स्वायत्त ड्राइविंग के लिए अधिक बुद्धिमानी पर केंद्रित है।

वेव के फ्लीट लर्निंग लूप में बेड़े में तैनाती से पहले डेटा संग्रह, क्यूरेशन, मॉडलों का प्रशिक्षण, री-सिमुलेशन और लाइसेंसिंग मॉडल का एक सतत चक्र शामिल है। कंपनी की प्राथमिक जीपीयू कंप्यूट खपत फ्लीट लर्निंग लूप प्रोडक्शन ट्रेनिंग से आती है। यह उत्पाद बेसलाइन को पूर्ण डेटासेट के साथ प्रशिक्षित करता है और फ्लीट लर्निंग लूप के पुनरावृत्तियों के माध्यम से नया डेटा एकत्र करने के लिए लगातार पुन: प्रशिक्षित करता है।

कंपनी ने महसूस करना शुरू कर दिया कि वह जीपीयू शेड्यूलिंग "डरावनी" से पीड़ित थी: हालांकि इसके उपलब्ध जीपीयू संसाधनों का लगभग 100 प्रतिशत शोधकर्ताओं को आवंटित किया गया था, जब परीक्षण शुरू में किया गया था तो 45 प्रतिशत से कम का उपयोग किया गया था। 

"चूंकि जीपीयू को स्थिर रूप से शोधकर्ताओं को सौंपा गया था, जब शोधकर्ता अपने असाइन किए गए जीपीयू का उपयोग नहीं कर रहे थे, तो अन्य लोग उन्हें एक्सेस नहीं कर सकते थे, जिससे यह भ्रम पैदा होता है कि मॉडल प्रशिक्षण के लिए जीपीयू क्षमता पर थे, भले ही कई जीपीयू निष्क्रिय थे" वेव नोट। 

रन के साथ कार्य करना: एआई ने साइलो को हटाकर और संसाधनों के स्थिर आवंटन को समाप्त करके इस समस्या का समाधान किया। साझा जीपीयू के पूल बनाए गए थे जिससे टीमों को अधिक जीपीयू का उपयोग करने और अधिक कार्यभार चलाने की अनुमति मिली, जिससे उनके उपयोग में 35% सुधार हुआ। 

मिरर सीपीयू दक्षता में सुधार

जिस तरह से वीएमवेयर ने हाल के वर्षों में अधिकतम क्षमता के लिए सर्वर सीपीयू का उपयोग किया जा रहा है, उसमें पर्याप्त दक्षता में सुधार लाया है, एआई कंप्यूट वर्कलोड के लिए जीपीयू उपयोग की दक्षता को अनुकूलित करने के लिए अब नए नवाचार स्ट्रीम पर आ रहे हैं। 

"यदि आप सॉफ़्टवेयर स्टैक के बारे में सोचते हैं जो CPU के शीर्ष पर चलता है, तो यह बहुत सारे VMware और वर्चुअलाइजेशन के साथ बनाया गया था," डार बताते हैं। "जीपीयू डेटा सेंटर में अपेक्षाकृत नए हैं, और एआई और वर्चुअलाइजेशन के लिए सॉफ्टवेयर - जैसे एनवीडिया एआई एंटरप्राइज - यह भी एक हालिया विकास है। 

“हम आंशिक जीपीयू, जॉब स्वैपिंग और जैसी क्षमताओं के साथ उस क्षेत्र में उन्नत तकनीक लाते हैं। डार कहते हैं, वर्कलोड को जीपीयू को कुशलतापूर्वक साझा करने की इजाजत देता है, आगे की वृद्धि की योजना बनाई जा रही है।

रन: एआई उद्यम में जीपीयू के उपयोग को बेहतर बनाने और सरल बनाने के लिए एनवीडिया के साथ मिलकर काम करता है। सबसे हालिया सहयोग में क्लाउड में जीपीयू का उपयोग करने वाली कंपनियों के लिए मल्टी-क्लाउड जीपीयू लचीलेपन को सक्षम करना और इसके साथ एकीकरण शामिल है NVIDIA ट्राइटन अनुमान सर्वर सॉफ्टवेयर उत्पादन में मॉडल को तैनात करने की प्रक्रिया को आसान बनाने के लिए।

जिस तरह से इतिहास के दौरान प्रमुख नवाचारों का मानव जाति और दुनिया पर गहरा प्रभाव पड़ा है, डार ने नोट किया कि संभावित नुकसान का प्रबंधन करते हुए एआई की शक्ति को इसके संभावित लाभों को अधिकतम करने के लिए देखभाल के साथ उपयोग करने की आवश्यकता होगी। वह एआई की तुलना सभी के सबसे प्रचलित नवाचार: आग से करता है। 

"यह आग की तरह है जो बहुत सारी महान चीजें लेकर आई और मानव जीवन को बदल दिया। आग भी खतरा लाई। तो इंसान समझ गया कि आग के साथ कैसे जीना है,” डार कहते हैं। "मुझे लगता है कि यह इन दिनों एआई में भी है।" 

रन द्वारा प्रायोजित:ai.