יולי 18th, 2022 /
in הודעות /
by
מאדי האנטר
בינה מלאכותית (AI) ולמידת מכונה (ML) עשו צעדי ענק בעשור האחרון. חלק גדול מההתקדמות הזו ניתן לייחס לכמויות גדולות של מערכי נתונים נגישים ומשאבי מחשוב. לאחרונה החלו סוכנויות פדרליות רבות להשקיע במינוף משאבי מחשוב ענן מסחריים כדי לקדם מחקר ופיתוח של AI/ML (R&D). המועצה הלאומית למדע וטכנולוגיה של הבית הלבן (NSTC) ותת בינה מלאכותית פרסמו זה עתה דוח על לקחים שנלמדו מהשימוש הפדרלי במחשוב ענן לתמיכה במחקר ופיתוח בינה מלאכותית סיכום לקחים שנלמדו מסוכנויות פדרליות על השימוש במחשוב ענן לקידום מו"פ בינה מלאכותית.
הדו"ח הגיע מדו"ח ועדה נבחרה של ממשלה פדרלית אחרת בנושא AI, המלצות למינוף משאבי מחשוב ענן עבור מחקר ופיתוח של בינה מלאכותית במימון פדרלי המפרט המלצות לממשלה הפדרלית לקדם את השימוש במחשוב ענן כדי לתמוך בחדשנות בינה מלאכותית. בעקבות המלצות אלו, תת-הוועדה ל-MLAI הקימה סדרה של דיאלוגים בין נציגי סוכנות וספקי מחשוב ענן מסחריים כדי לסייע בזיהוי אתגרים ושיטות עבודה מומלצות בתחום מחשוב ענן ומו"פ. הדוחות החדשים ביותר על "לקחים שנלמדו" מסכמים את הממצאים העיקריים מדיאלוגים אלה המתמצים ביתרונות של השקעות, שיטות עבודה מומלצות, אתגרים נפוצים והזדמנויות להסתכל קדימה. ניתן למצוא את הדו"ח המלא מהשיח כאן.
יתרונות ההשקעה
- מתן גישה לחוקרים מתמשכת לפי דרישה ליכולות מתקדמות, האצת ניסויים ושימוש בבינה מלאכותית בתחומים חדשים
- מתן אפשרות לשחזור ומדרגיות של פעילויות מחקר ותוצאתן
- עזור לחוקרים לקבל במהירות גישה לחומרת AI מיוחדת
- לספק לסוכנויות גישה ליכולות החישוב העדכניות והמעודכנות ביותר
שיטות עבודה מומלצות
- צוותי אדמיניסטרציה ייעודיים. בניית יכולת זו סיפקה לסוכנויות את המומחיות והסמכות הנדרשות לנהל ולפקח על גישה למשאבי מחשוב ענן, שירותים ופלטפורמות. צוותים כאלה גם סיפקו הכשרה לקהילת המשתמשים ובדקו את ההתאמה של המשאבים המבוקשים להשגת יעדי מחקר ספציפיים.
- אימות משתמש. לרוב התוכניות יש גישה מוגבלת למשתמשים ידועים, מוסמכים ובעלי אישור. רבים גם דורשים אימות דו-גורמי כחלק מאמצעי האבטחה שלהם. יחד, אמצעים אלה מספקים רמת אבטחה בסיסית ויכולת ליצור בקרות גישה מבוססות משתמש.
- הכשרה וחינוך. סיוע בהכשרה והזדמנויות חינוכיות היו חשובות ביותר לטיפול בפערי מיומנויות קיימים, לקידום הזדמנויות גישה שוויוניות ולבניית מומחיות בקרב בסיס המשתמשים. הפיכת המשאבים הללו לזמינים סייעה לחוקרים הנתמכים לנווט בין מגוון משאבי מחשוב הענן ולהתאים מחקר וצרכים ספציפיים לארכיטקטורות המחשוב ולכלי התוכנה הנכונים.
- משאבים וזרימות עבודה מחושבים מראש. במיוחד כאשר תומכים במאמצי מחקר פנימיים או ממוקדי משימה, זרימות עבודה מחושבות מראש הפחיתו את העבודה הכפולה ויצרו גישות בסיס נגישות לנקודות מוצא משותפות לניתוחים.
אתגרים נפוצים
- הרשאת משתמש יעילה. אימות משתמשים יכול ליצור צווארי בקבוק הקשורים לאימות זהויות ולהקצאת יכולות כניסה. תת-מימון או תת-איוש של ארגונים שלטון עלולים להוביל לעיכובים בהפעלת החשבונות ופתרון בעיות המתעוררות בכל רמת גישה. יתרה מזאת, היעדר רשויות סמכותיות והנחיות ממשלתיות לגבי שירותים מאושרים, הכוללים שיקולי פרטיות וגישה משתנים לנתונים, מאט את האימוץ ויוצר שונות בין מדיניות ונהלים של הסוכנות.
- עלויות. העלויות של אחסון וגישה לנתונים מסבכות את היכולת של צוותים מרובים לגשת לנתונים משותפים. בנוסף, החיוב והתקציבים מסובכים עוד יותר בשל השונות של עלויות מחשוב הענן לכל פרויקט והקלות שבה חוקרים יכולים למצות בשוגג את הקרדיטים באמצעות שימוש בהגדרות שגויות. יתר על כן, חיובים משתנים מוסיפים סיבוכים לתהליכי הרכש הפדרליים, וכך גם אי הוודאות סביב אילו קטגוריות ההקצאות ניתן להשתמש כדי לרכוש אילו יכולות מחשוב.
- ארגון. הבטחה שהמשתמשים של פלטפורמת מחשוב ענן נתונה יכולים לאתר ולשמור על מודעות לנתונים, ניסויים ותוצאות הרלוונטיות לעבודתם ולתחומי העניין שלהם.
- פרטיות ואבטחה. קביעת דרכים לארח ולהקל על הגישה לסוגים הנכונים של נתונים עם אמצעי הגנה נאותים לפרטיות ואבטחה, בכפוף לשיקולי תקציב, שינוי סדרי עדיפויות מחקר, וקהילת המשתמשים המתפתחת המוגשת.
- שילוב שירותי ענן עם משאבים שאינם ענן. מציג אתגרים במונחים של מתן אפשרות לחוקרים לגשת ביעילות לכל הרוחב המלא של משאבי הסוכנות.
- פיתוח כוח אדם. לעובדים פדרליים רבים יש היכרות מוגבלת עם טכנולוגיות מחשוב ענן, ולמעטים יש הסמכה בתעשייה על מערכות מחשוב ענן. מגבלות אלו מאתגרות הן את מאמצי המחקר הפנימיים והן את היכולת לספק הדרכה ומשאבים לחוקרים חיצוניים.
הזדמנויות במבט קדימה
כדי לטפל במודלים פיננסיים, הממשלה הפדרלית יכולה לעשות את הפעולות הבאות:
- נצל טוב יותר את כוח הקנייה המשתקף בהשקעות הפדרליות המאוחדות בפלטפורמות מחשוב ענן מסחריות. פעולה זו תקל על הגישה ליכולות המתקדמות ביותר של הענן ותספק אמצעי לדבר בקול משותף על הציפיות והצרכים של קהילת המחקר בינה מלאכותית במימון פדרלי.
- צור מודלים ניתנים להסבר עם עלויות מתאימות כדי לנהל טוב יותר את אי הוודאות התקציבית, שכן אלה ימחישו עבור חוקרים ומנהלי תוכניות את דינמיקת העלויות הקשורה למחשוב ענן, במיוחד במונחים של החלטות הקשורות לפרמטרים ולתהליכי ההדרכה.
- ללכוד ושתף שיטות עבודה מומלצות מתוכניות ענן של סוכנויות בנוגע להסכמים החוזים והאסטרטגיות לניהול הוצאות יתר.
כדי להתקדם לעבר הסביבה החלקה, מרובת עננים, סוכנויות יכולות לעשות את הפעולות הבאות:
- למנף ולעזור בטיפוח טכנולוגיות קוד פתוח שיכולות לתמוך בדרכים סטנדרטיות לבנייה וביצוע של עומסי עבודה לפריסה מרובת עננים (למשל, קונטיינריזציה ואוטומציה).
- הקלה ואוטומציה של ניהול זהויות וגישה באמצעות מערכות מאוחדות המפגישות את קהילת המחקר בתוך הממשלה ומחוצה לה.
- ערכו הערכה כדי להעריך את ההיתכנות של פיתוח רשת נתונים מאוחדת להפחתת תנועת נתונים ושכפול.
סוכנויות יכולות לקבל סיוע נוסף באימוץ משאבי מחשוב ענן מסחריים באמצעות הדברים הבאים:
- יצירת ערכת פורטל שתתווה תבנית סטנדרטית ותציג שיטות עבודה מומלצות ליישום פורטלים ברמות שונות, בהתאם לצרכים הארגוניים.
- אספקת מדריך לבחירת משאבים שיעזור לסוכנויות לקבוע את הנסיבות שבהן סוגים שונים של משאבים מתאימים ביותר, כגון הבחירה בענן לעומת מחשוב בעל ביצועים גבוהים והצעות מסחריות לעומת מכונות מקומיות.
- הצע מדריך על מדיניות, נהלים, משאבים ושירותים מאושרים בכל הנוגע להצעות ענן מסחריות, במידת האפשר, על ידי מינוף כוח הקנייה שתואר לעיל.
לבסוף, טיפול בצורכי פיתוח כוח אדם ידרוש את הדברים הבאים:
-
השקעות במשאבי הדרכה שיכולים לשרת את כל מגוון משתמשי הקצה, החוקרים והצוות הטכני, מובחנים לפי רמות המיומנות, הצרכים ותחומי העניין שלהם.
-
אסטרטגיות גיוס ושימור הכוללות מערכי מיומנויות בביקוש גבוה התומכות במחשוב ענן, כגון ארכיטקטי ענן, אנשי מחשוב מחקר ונתונים, מהנדסי תוכנה מחקריים ומדעני נתונים.
קרא את הדוח המלא כאן.
