NSTC Merilis Laporan tentang Pelajaran dari Penggunaan Komputasi Awan oleh Federal untuk Mendukung Penelitian dan Pengembangan AI

Artificial Intelligence (AI) dan Machine Learning (ML) telah membuat langkah besar dalam dekade terakhir. Sebagian besar kemajuan ini dapat dikaitkan dengan sejumlah besar kumpulan data yang dapat diakses dan sumber daya komputasi. Baru-baru ini banyak lembaga federal mulai berinvestasi dalam memanfaatkan sumber daya komputasi awan komersial untuk memajukan penelitian dan pengembangan (R&D) AI/ML. Dewan Sains dan Teknologi Nasional Gedung Putih (NSTC) dan Subkomite AI baru saja merilis laporan tentang Pelajaran yang Dipetik dari Penggunaan Komputasi Awan oleh Federal untuk Mendukung Penelitian dan Pengembangan AI merangkum pelajaran yang dipetik dari lembaga Federal tentang penggunaan komputasi awan untuk R&D AI lebih lanjut.

Laporan itu muncul dari Komite Pilih Pemerintah Federal lainnya tentang laporan AI, Rekomendasi untuk Memanfaatkan Sumber Daya Komputasi Awan untuk Penelitian dan Pengembangan Kecerdasan Buatan yang Didanai Federal yang merinci rekomendasi bagi Pemerintah Federal untuk memajukan penggunaan komputasi awan untuk mendukung inovasi AI. Berdasarkan rekomendasi ini, subkomite MLAI memfasilitasi serangkaian dialog antara perwakilan agensi dan penyedia komputasi awan komersial untuk membantu mengidentifikasi tantangan dan praktik terbaik dalam komputasi awan dan R&D. Laporan terbaru tentang “Pelajaran yang Dipetik” merangkum temuan-temuan kunci dari dialog-dialog ini yang diringkas menjadi manfaat investasi, praktik terbaik, tantangan bersama, dan peluang ke depan. Laporan lengkap dari dialog dapat ditemukan sini.

Manfaat Investasi 

• Memberi peneliti akses yang persisten dan sesuai permintaan ke kemampuan mutakhir, mempercepat eksperimen, dan penggunaan AI di domain baru
• Memungkinkan reproduktifitas dan skalabilitas kegiatan penelitian dan hasilnya
• Bantu peneliti dengan cepat mendapatkan akses ke perangkat keras AI khusus
• Berikan agensi akses ke kemampuan komputasi terbaru dan terkini

Praktik Terbaik 

• Tim administrasi khusus. Membangun kemampuan ini telah memberi agensi keahlian dan otoritas yang diperlukan untuk mengelola dan mengawasi akses ke sumber daya, layanan, dan platform komputasi awan. Tim tersebut juga telah memberikan pelatihan kepada komunitas pengguna dan memeriksa kesesuaian sumber daya yang diminta untuk mencapai tujuan penelitian tertentu.
• Otentikasi pengguna. Sebagian besar program memiliki akses terbatas ke pengguna yang dikenal, memenuhi syarat, dan dapat dipercaya. Banyak juga yang memerlukan otentikasi dua faktor sebagai komponen dari langkah-langkah keamanan mereka. Bersama-sama, langkah-langkah ini memberikan tingkat keamanan dasar dan kemampuan untuk membuat kontrol akses berbasis pengguna.
• Pelatihan dan pendidikan. Bantuan pelatihan dan peluang pendidikan sangat penting untuk mengatasi kesenjangan keterampilan yang ada, memajukan peluang akses yang adil, dan membangun keahlian di antara basis pengguna. Menyediakan sumber daya ini telah membantu peneliti yang didukung menavigasi berbagai penawaran sumber daya komputasi awan dan mencocokkan penelitian dan kebutuhan spesifik dengan arsitektur komputasi dan alat perangkat lunak yang tepat.
• Sumber daya dan alur kerja yang telah dihitung sebelumnya. Khususnya ketika mendukung upaya penelitian internal atau yang berfokus pada misi, alur kerja yang telah dihitung sebelumnya telah mengurangi pekerjaan duplikat dan menciptakan pendekatan dasar yang dapat diakses untuk titik awal umum untuk analisis.

Tantangan Umum

• Otorisasi pengguna yang efisien. Mengautentikasi pengguna dapat membuat kemacetan terkait dengan verifikasi identitas dan penyediaan kemampuan masuk. Kurangnya dana atau kekurangan staf dari organisasi yang mengatur dapat menyebabkan keterlambatan dalam aktivasi akun dan penyelesaian masalah yang muncul di setiap tingkat akses. Selain itu, kurangnya lembaga otoritatif dan panduan seluruh pemerintah tentang layanan yang disetujui, yang mencakup pertimbangan privasi dan akses data yang bervariasi, memperlambat adopsi dan menciptakan variasi di seluruh kebijakan dan prosedur lembaga.
• Biaya. Biaya penyimpanan dan akses data, memperumit kemampuan beberapa tim untuk mengakses data bersama. Selain itu, penagihan dan anggaran semakin diperumit oleh variabilitas biaya komputasi awan per proyek dan kemudahan yang peneliti dapat secara tidak sengaja menghabiskan kredit melalui penggunaan pengaturan yang salah. Selain itu, biaya variabel menambah komplikasi untuk proses pengadaan Federal, seperti halnya ketidakpastian seputar kategori alokasi mana yang dapat digunakan untuk membeli kemampuan komputasi mana.
• Organisasi. Memastikan bahwa pengguna platform komputasi awan tertentu dapat menemukan dan mempertahankan kesadaran akan data, eksperimen, dan hasil yang relevan dengan pekerjaan dan minat mereka.
• Privasi dan Keamanan. Menentukan cara untuk menampung dan memfasilitasi akses ke jenis data yang tepat dengan perlindungan privasi dan keamanan yang sesuai, tunduk pada pertimbangan anggaran, perubahan prioritas penelitian, dan komunitas pengguna yang terus berkembang dilayani.
• Integrasi layanan cloud dengan sumber daya non-cloud. Menyajikan tantangan dalam hal memungkinkan peneliti untuk secara efektif mengakses seluruh sumber daya lembaga.
• Pengembangan tenaga kerja. Banyak karyawan Federal memiliki pengetahuan terbatas dengan teknologi komputasi awan, dan hanya sedikit yang memiliki sertifikasi industri pada sistem komputasi awan. Keterbatasan ini menantang upaya penelitian internal dan kemampuan untuk memberikan panduan dan sumber daya kepada peneliti eksternal.

Peluang Melihat ke Depan

Untuk mengatasi model keuangan, Pemerintah Federal dapat melakukan hal berikut:

• Manfaatkan daya beli yang lebih baik yang tercermin dalam investasi Federal yang terkonsolidasi dalam platform komputasi awan komersial. Tindakan ini akan memfasilitasi akses ke kemampuan cloud yang paling canggih dan menyediakan sarana untuk berbicara dengan suara yang sama tentang harapan dan kebutuhan komunitas riset AI yang didanai pemerintah federal.
• Buat model yang dapat dijelaskan dengan biaya yang sesuai untuk mengelola ketidakpastian anggaran dengan lebih baik, karena ini akan menggambarkan bagi peneliti dan manajer program dinamika biaya yang terkait dengan komputasi awan, terutama dalam hal keputusan yang terkait dengan parameter dan proses pelatihan.
• Tangkap dan bagikan praktik terbaik dari program cloud agensi terkait perjanjian kontrak dan strategi untuk mengelola pengeluaran berlebih.

Untuk bergerak menuju lingkungan multi-cloud yang mulus seperti yang dibayangkan, agensi dapat melakukan hal berikut:

• Manfaatkan dan bantu kembangkan teknologi sumber terbuka yang dapat mendukung cara standar dalam membangun dan menjalankan beban kerja untuk penerapan multi-cloud (misalnya, containerisasi dan otomatisasi).
• Memfasilitasi dan mengotomatisasi manajemen identitas dan akses melalui sistem federasi yang menyatukan komunitas riset di dalam dan di luar pemerintahan.
• Lakukan evaluasi untuk menilai kelayakan pengembangan mesh data federasi untuk mengurangi pergerakan dan replikasi data.

Agen dapat dibantu lebih lanjut dalam adopsi sumber daya komputasi awan komersial melalui hal berikut:

• Pembuatan kit portal yang akan menguraikan template standar dan mengedepankan praktik terbaik untuk mengimplementasikan portal di berbagai tingkatan, tergantung pada kebutuhan organisasi.
• Penyediaan panduan untuk pemilihan sumber daya yang akan membantu lembaga menentukan keadaan di mana berbagai jenis sumber daya paling cocok, seperti pilihan cloud versus komputasi kinerja tinggi dan penawaran komersial versus mesin di lokasi.
• Tawarkan panduan tentang kebijakan, prosedur, sumber daya, dan layanan yang disetujui terkait penawaran cloud komersial, sejauh memungkinkan, dengan memanfaatkan daya beli yang dijelaskan di atas.

Akhirnya, menangani kebutuhan pengembangan tenaga kerja akan membutuhkan hal-hal berikut:

• Investasi dalam sumber daya pelatihan yang dapat melayani seluruh jajaran pengguna akhir, peneliti, dan staf teknis, dibedakan berdasarkan tingkat keahlian, kebutuhan, dan minat mereka.

• Strategi rekrutmen dan retensi yang mencakup keahlian permintaan tinggi yang mendukung komputasi awan, seperti arsitek awan, profesional komputasi dan data penelitian, insinyur perangkat lunak penelitian, dan ilmuwan data.

Baca laporan lengkap di sini.