7月18th、2022 /
in お知らせ /
by
マディハンター
人工知能 (AI) と機械学習 (ML) は、過去 XNUMX 年間で大きな進歩を遂げました。 この進歩の大部分は、大量のアクセス可能なデータセットとコンピューティング リソースに起因する可能性があります。 最近、多くの連邦政府機関が、商用クラウド コンピューティング リソースを活用して AI/ML の研究開発 (R&D) を進めることに投資を開始しています。 ホワイトハウスの国家科学技術評議会 (NSTC) と AI 分科会は、 AI の研究開発を支援するための連邦政府によるクラウド コンピューティングの使用から学んだ教訓 AI の研究開発を促進するためのクラウド コンピューティングの使用について、連邦政府機関から学んだ教訓をまとめています。
このレポートは、別の連邦政府のAIレポートに関する特別委員会からのものでした。 連邦政府が資金提供する人工知能の研究開発にクラウド コンピューティング リソースを活用するための推奨事項 これは、AI イノベーションをサポートするためにクラウド コンピューティングの使用を促進するための連邦政府への推奨事項を詳述しています。 これらの推奨事項に基づいて、MLAI 小委員会は、クラウド コンピューティングと R&D における課題とベスト プラクティスの特定を支援するために、機関の代表者と商用クラウド コンピューティング プロバイダー間の一連の対話を促進しました。 「Lessons Learned」に関する最新のレポートは、これらの対話から得られた重要な調査結果をまとめたもので、投資のメリット、ベスト プラクティス、共通の課題、将来を見据えた機会に要約されています。 対話からの完全なレポートを見つけることができます ページ をご覧ください
投資のメリット
- 研究者に最先端の機能への永続的なオンデマンド アクセスを提供し、新しい領域での実験と AI の使用を加速します
- 研究活動とその結果の再現性と拡張性を可能にする
- 研究者が専用の AI ハードウェアにすばやくアクセスできるようにする
- 政府機関が最新かつ最新の計算能力にアクセスできるようにする
ベストプラクティス
- 専任の管理チーム。 この機能を構築することで、政府機関は、クラウド コンピューティング リソース、サービス、およびプラットフォームへのアクセスを管理および監督するために必要な専門知識と権限を得ることができました。 このようなチームはまた、ユーザー コミュニティにトレーニングを提供し、特定の研究目標を達成するために要求されたリソースの適切性を精査しました。
- ユーザ認証。 ほとんどのプログラムでは、既知の、資格のある、資格のあるユーザーへのアクセスが制限されています。 多くの企業は、セキュリティ対策のコンポーネントとして XNUMX 要素認証も必要としています。 これらの手段を組み合わせることで、ベースライン レベルのセキュリティと、ユーザー ベースのアクセス制御を作成する機能が提供されます。
- トレーニングと教育。 トレーニング支援と教育の機会は、既存のスキル ギャップに対処し、公平なアクセス機会を促進し、ユーザー ベースの専門知識を構築するために非常に重要です。 これらのリソースを利用できるようにすることで、サポートされている研究者はさまざまなクラウド コンピューティング リソースの提供をナビゲートし、特定の研究とニーズを適切なコンピューティング アーキテクチャとソフトウェア ツールに一致させることができます。
- 事前計算されたリソースとワークフロー。 特に、内部またはミッションに焦点を当てた研究活動をサポートする場合、事前に計算されたワークフローにより、重複する作業が削減され、分析の一般的な開始点に対するアクセス可能なベースライン アプローチが作成されました。
共通の課題
- 効率的なユーザー認証。 ユーザーの認証により、ID の検証とサインオン機能のプロビジョニングに関連するボトルネックが生じる可能性があります。 運営組織の資金不足や人員不足は、アカウントの有効化やアクセスのあらゆるレベルで発生する問題の解決の遅れにつながる可能性があります。 さらに、承認されたサービスに関する権威ある機関と政府全体のガイダンスの欠如は、可変データのプライバシーとアクセスの考慮事項を含め、採用を遅らせ、機関のポリシーと手順にばらつきを生じさせます。
- コスト。 データ ストレージとアクセスのコストにより、複数のチームが共有データにアクセスする機能が複雑になります。 さらに、プロジェクトごとのクラウド コンピューティング コストの変動性と、研究者が誤った設定を使用してクレジットを使い果たしてしまう可能性があるため、請求と予算はさらに複雑になります。 さらに、変動料金は連邦政府の調達プロセスを複雑にし、どの割り当てカテゴリを使用してどのコンピューティング機能を購入できるかについての不確実性もあります。
- 組織。 特定のクラウド コンピューティング プラットフォームのユーザーが、自分の仕事や興味に関連するデータ、実験、および結果を見つけて認識できるようにします。
- プライバシーとセキュリティ。 予算を考慮し、研究の優先順位を変更し、進化するユーザー コミュニティに応じて、適切なプライバシーとセキュリティの保護を備えた適切な種類のデータをホストし、アクセスを容易にする方法を決定する。
- クラウド サービスと非クラウド リソースの統合。 研究者が機関のリソースのすべてに効果的にアクセスできるようにするという点で課題があります。
- 労働力開発。 連邦職員の多くは、クラウド コンピューティング テクノロジに精通しておらず、クラウド コンピューティング システムに関する業界認定を持っている人はほとんどいません。 これらの制限は、内部の研究努力と、外部の研究者にガイダンスとリソースを提供する能力の両方に挑戦します。
今後の機会
財務モデルに対処するために、連邦政府は次のことを行うことができます。
- 商用クラウド コンピューティング プラットフォームへの統合された連邦政府の投資に反映されている購買力をより有効に活用してください。 このアクションは、クラウドの最も高度な機能へのアクセスを容易にし、連邦政府が資金を提供する AI 研究コミュニティの期待とニーズについて共通の声で話す手段を提供します。
- 予算の不確実性をより適切に管理するために、対応するコストを含む説明可能なモデルを作成します。これらのモデルは、特にトレーニング パラメータとプロセスに関連する決定に関して、クラウド コンピューティングに関連するコスト ダイナミクスを研究者やプログラム マネージャーに説明します。
- 過剰支出を管理するための契約上の合意と戦略に関する政府機関のクラウド プログラムからベスト プラクティスを取得して共有します。
想定されるシームレスなマルチクラウド環境に移行するために、政府機関は次のことを行うことができます。
- マルチクラウド展開のためのワークロードを構築および実行する標準的な方法をサポートできるオープンソース テクノロジを活用し、育成するのを支援します (コンテナ化や自動化など)。
- 政府内外の研究コミュニティをまとめるフェデレーション システムを通じて、ID とアクセス管理を促進および自動化します。
- データの移動とレプリケーションを削減するためのフェデレーション データ メッシュの開発の実現可能性を評価するための評価を実施します。
政府機関は、次の方法で商用クラウド コンピューティング リソースの導入をさらに支援できます。
- 標準テンプレートの概要を説明し、組織のニーズに応じてさまざまなレベルでポータルを実装するためのベスト プラクティスを提示するポータル キットの作成。
- クラウドとハイパフォーマンス コンピューティングの選択、商用製品とオンプレミス マシンの選択など、さまざまな種類のリソースが最適な状況を政府機関が判断するのに役立つリソース選択ガイドの提供。
- 上記の購買力を活用して、商用クラウドの提供に関して、承認されたポリシー、手順、リソース、およびサービスに関するガイドを、実行可能な範囲で提供します。
最後に、労働力開発のニーズに対応するには、次のことが必要になります。
-
エンド ユーザー、研究者、技術スタッフのスキル レベル、ニーズ、関心に応じて差別化された、あらゆる範囲のエンド ユーザーにサービスを提供できるトレーニング リソースへの投資。
-
クラウド アーキテクト、リサーチ コンピューティングおよびデータの専門家、リサーチ ソフトウェア エンジニア、データ サイエンティストなど、クラウド コンピューティングをサポートする需要の高いスキル セットを含む採用および保持戦略。
完全なレポートを読む こちら.
