2023년의 HPC-AI에 대한 많은 예측이 최근 몇 주 동안 우리 트랜섬을 통해 나왔습니다. 다음은 우리가 가장 흥미롭고 신선하며 통찰력 있고 심지어 역발상이라고 생각한 것에서 발췌한 것입니다.
Altair 수석 과학자 로즈마리 프랜시스:
Go Big or Go Home – HPC의 더 큰 워크로드.HPC 워크로드가 생명 과학 및 입자 가속기와 같은 빅 데이터 애플리케이션을 수행함에 따라 영국의 다이아몬드 광원 (더 많은 연구와 실험을 위해) 워크플로 도구가 폭발적으로 증가하고 있습니다. 2023년으로 접어들면서 업계가 스스로를 현대화하고 이러한 대규모 연결 애플리케이션에 적응하려고 노력함에 따라 다차원 스케줄링으로의 이러한 전환은 HPC 내에서 가장 큰 변화의 원동력이 될 것입니다.
HPC는 딥 러닝을 다룹니다.2023년에 딥 러닝이 더욱 보편화됨에 따라 HPC 워크로드에 추가 변화가 나타날 것입니다. 처음에는 대부분의 머신 러닝 워크로드가 Kubernetes 또는 기타 컨테이너 오케스트레이션 프레임워크에서 실행되었지만 이러한 시스템은 현재 딥 러닝에 필요한 컴퓨터 집약적인 머신 워크로드가 아니라 마이크로서비스용으로 설계되었다는 것이 분명해졌습니다. 상용 HPC 워크로드 관리자는 조직이 컴퓨팅을 스풀링하고 배치 스케줄링, 클라우드 버스팅, 요금 공유 등 효율적인 HPC의 모든 주요 측면을 활용할 수 있도록 포괄적인 컨테이너 지원이 필요합니다.
조 피츠시몬스 CEO Horizon 양자 컴퓨팅, NISQ의 죽음과 양자 컴퓨팅의 내결함성으로의 전환에 대해
“지난 몇 년 동안 양자 컴퓨팅을 위한 응용 프로그램 개발은 잡음이 많은 중간 규모 양자 프로세서를 참조하여 NISQ 체제에 특히 중점을 두었습니다. 이 제목의 '노이즈'는 다른 큐비트의 근접성에서 우주선의 충돌에 이르는 환경 요인의 간섭에 대한 큐비트의 민감성을 나타냅니다. 이러한 잡음은 양자 계산 프로세스에서 잠재적으로 치명적인 오류를 유발합니다. 적어도 이론적으로는 오류 수정을 포함하는 양자 컴퓨터를 구축하여 불완전한 구성 요소로 본질적으로 완벽한 컴퓨터를 구축할 수 있다는 사실은 오랫동안 알려져 왔습니다. 그러나 NISQ 연구의 초점은 오류 수정 없이 양자 이점을 허용하는 환경 잡음으로 인한 작은 섭동에 견고할 것으로 기대되는 변이 알고리즘을 개발하는 데 있었습니다.
“안타깝게도 이러한 NISQ 알고리즘이 고려 중인 광범위한 최적화 및 기계 학습 작업에서 기존 컴퓨터보다 실제로 이점을 제공한다는 증거는 상대적으로 거의 없습니다. 해결해야 할 문제가 본질적으로 양자 역학인 화학과 같은 분야에서 초기 양자 이점이 나타날 수 있다고 믿을 만한 타당한 이유가 있지만, 내결함성 체제에 도달하는 데 새롭게 초점을 맞추는 징후가 있습니다. 능동적으로 수정되었으며 양자 이점에 대한 훨씬 더 강력한 증거가 있습니다.”
Dell 기술' John Roese, 글로벌 CTO – 양자 새해 결심
나는 양자를 활용하기 위해 초기 기술 세트를 확립할 것입니다. 양자 컴퓨팅이 현실화되고 있으며 이 기술이 어떻게 작동하고 비즈니스에 어떤 영향을 미치는지 이해하는 사람이 비즈니스에 없다면 이 기술 물결을 놓치게 될 것입니다. 양자에 전념할 팀, 도구 및 작업을 식별하고 실험을 시작합니다. 지난달 우리는 온프레미스 Dell Quantum Computing 솔루션을 발표했습니다. 이 솔루션을 통해 업계 전반의 조직은 현재 사용할 수 없는 양자 기술을 통해 가속화된 컴퓨팅을 활용할 수 있습니다. 2023년에는 양자 시뮬레이션에 투자하고 데이터 과학 및 AI 팀이 양자의 새로운 언어와 기능을 학습하도록 지원하는 것이 중요합니다.
MLOps 플랫폼의 CEO이자 공동 설립자인 Gideon Mendels의 ML에 대한 반대 의견 혜성
데이터가 고갈될 때: ML에서 볼 수 있는 대부분의 개선 사항은 점점 더 많은 데이터가 포함된 교육 모델에서 나왔지만 그렇게 할 수 없는 시점에 도달했습니다. 2026년까지 데이터가 바닥날 수 있음을 보여주는 몇 가지 흥미로운 연구가 방금 나왔습니다. 이 논문이 유효하다면 동일한 데이터 세트에서 더 나은 모델을 구축할 수 없다면 더 이상 개선을 보지 못할 것입니다.
생성 모델의 환경 영향: 생성 모델은 매우 인상적인 결과를 산출하고 있지만 실제 비즈니스에 미치는 영향은 명확하지 않습니다. 분명한 것은 이러한 대규모 모델을 교육하는 것이 탄소 배출에 미치는 영향입니다. 컴퓨팅 요구 사항은 미쳤습니다. 따라서 "결과가 환경 비용의 가치가 있습니까?"라는 질문을 던집니다.
소프트웨어 사고 방식에서 벗어나십시오.: ML은 지금까지 소프트웨어 개발 과정을 따랐지만 ML이 성숙함에 따라 이 접근 방식이 무너집니다. 단일 벤더가 모든 것을 할 수는 없습니다. 오늘날 팀은 수행하려는 작업과 관련하여 사용 가능한 최상의 도구를 선택합니다. 팀의 모든 것이 되려고 했던 공급업체는 실패하고 있습니다. ML이 잠재력에 도달하려면 특정 비즈니스 요구 사항에 적합한 ML 스택을 구축하기 위해 다르게 생각해야 합니다.
편향이 과장됨: 바이어스는 많은 관심을 받는 개념이며 AI 권리 장전에서 계속해서 더 많은 관심을 받을 것입니다. 이는 많은 ML 실무자가 매일 관심을 갖는 것이 아닙니다. 물론 그들은 그것을 설명하지만 건전한 ML 실무자는 문제를 이해하고 편향이 결과에 부정적인 영향을 미치지 않도록 방지하기 위해 무엇을 해야 하는지 알고 있습니다.
요나스 쿠빌리우스 Oxylabs 자문 위원회 제너레이티브 AI
Three Thirds의 공동 창립자이자 CEO이자 Oxylabs 자문 위원회의 구성원인 Jonas Kubilius는 Stable Diffusion, GPT-3, GitHub Copilot 및 기타 콘텐츠 생성 기술이 개발자와 콘텐츠 제작자가 실제로 사용하는 수익성 있는 제품으로 발전할 것으로 예상합니다. 세계 응용 프로그램. 그는 텍스트, 이미지, 오디오 및 여러 작업에 대한 기타 입력을 처리할 수 있는 다중 모드 모델에 대한 관심이 증가할 것이라고 덧붙였습니다.
Kubilius는 "분류와 같은 정적 작업에 AI를 사용하는 것에서 사람들이 작업을 보다 효율적으로 수행할 수 있도록 도와주는 언어 모델 기반의 대화형 워크플로로 전환하는 것을 보게 될 것입니다."라고 말했습니다.
피터 맷슨 회장 MLCommons, 공개 데이터세트에서
“우리는 현재 공개 데이터 세트의 웹 스크랩 데이터에 대한 법적, 윤리적 및 공정성 문제 외에도 다중 모드 및 대화형 AI에 대한 까다로운 새로운 연구 과제의 조합에 직면하게 될 것입니다. 업계 전체는 또한 연구뿐만 아니라 널리 배포된 ML 애플리케이션 및 새로운 규정(예: 산업 품질 테스트 세트를 통해)을 더 잘 지원해야 합니다.”
"차세대 공공 데이터"를 지원하기 위해 Mattson은 가장 시급한 사회 및 기술 문제에 대한 데이터 세트에 대한 강력한 투자와 전체 커뮤니티가 기여하고 검토할 수 있는 오픈 소스와 같은 인프라를 통해 투자 채널에 대한 필요성을 예측합니다. 자료.
Moses Guttmann, MLOps 플랫폼의 CEO 겸 공동 설립자 클리어ML, 주목해야 할 ML 트렌드
자동화 및 ML 기술 부족 많은 최고의 기술 회사가 2022년 후반에 해고를 발표하는 것을 보았지만, 그 중 누구도 가장 재능 있는 기계 학습 인력을 해고하지 않을 것입니다. 그러나 기술 팀의 빈 공간을 채우기 위해 회사는 생산성을 유지하고 프로젝트를 완료하기 위해 자동화에 더욱 의존해야 합니다. 우리는 또한 ML 기술을 사용하는 회사가 성능을 모니터링 및 관리하고 ML 또는 데이터 과학 팀을 관리하는 방법에 대해 더 많은 데이터 기반 결정을 내리기 위해 더 많은 시스템을 배치할 것으로 기대합니다.
ML 인재 비축은 끝났습니다 ML 근로자의 정리 해고는 더 장기적인 ML 직원과 달리 가장 최근에 고용된 직원들 사이에 있을 가능성이 높습니다… 지난 XNUMX년 동안 ML과 AI가 보다 일반적인 기술이 되었기 때문에 많은 기술 대기업은 이러한 유형의 직원을 고용하기 시작했습니다. 이러한 유형의 직원이 반드시 필요해서가 아니라 재정적 비용을 처리하고 경쟁업체와 차별화할 수 있기 때문입니다. (그래서) 그렇게 많은 ML 직원이 해고되는 것은 놀라운 일이 아닙니다. 하지만 ML 인재 사재기의 시대가 끝나감에 따라 스타트업을 위한 새로운 혁신과 기회의 물결이 열릴 수 있습니다. 현재 일자리를 찾고 있는 인재가 너무 많기 때문에 이들 중 많은 사람들이 대기업에서 빠져나와 중소기업이나 신생 기업으로 진출하는 것을 보게 될 것입니다.
ML 프로젝트 우선순위 지정 나는 기계 학습 프로젝트가 두 가지 유형으로 요약되는 것을 봅니다. 리더십이 판매를 늘리고 경쟁에서 이길 것이라고 믿는 판매 가능한 기능과 수익 최적화 프로젝트… , 현재 소규모 ML 팀은 실제 수익을 창출할 수 있으므로 수익 최적화에 더 집중할 것입니다. 현재 성능은 모든 비즈니스 단위에 필수적이며 ML은 이에 영향을 받지 않습니다.
통합 ML MLOps 채택을 늦추는 요인 중 하나는 포인트 솔루션의 과다입니다. 작동하지 않는 것이 아니라 서로 잘 통합되지 않고 작업 흐름에 공백이 생길 수 있습니다. 그 때문에 저는 2023년이 업계가 개별적으로 사용할 수 있고 서로 원활하게 통합할 수 있는 모듈로 구축된 통합 엔드 투 엔드 플랫폼으로 이동하는 해라고 굳게 믿습니다(또한 다른 제품과도 쉽게 통합됨). . 이러한 종류의 플랫폼 접근 방식은 개별 구성 요소의 유연성과 함께 오늘날의 전문가들이 찾고 있는 일종의 민첩한 경험을 제공합니다. 포인트 제품을 구입하여 함께 패치하는 것보다 쉽습니다. 자체 인프라를 처음부터 구축하는 것보다 빠릅니다(모델을 구축하는 데 그 시간을 사용해야 하는 경우)…
NVIDIA 다양한 AI 및 기계 학습 분야에서 다양한 예측을 제공했습니다.
Anima Anandkumar, ML 연구 책임자 및 Caltech의 Bren 교수
디지털 트윈은 신체를 얻습니다. 대규모로 보게 됩니다 디지털 쌍둥이 날씨 및 기후 모델, 지진 현상 및 재료 특성과 같은 복잡하고 다양한 규모의 물리적 프로세스. 이를 통해 현재 과학 시뮬레이션을 백만 x만큼 가속화하고 새로운 과학적 통찰력과 발견을 가능하게 할 것입니다.
일반 AI 에이전트: AI 에이전트는 자연어 지침과 대규모 강화 학습으로 개방형 작업을 해결하는 동시에 기본 모델(레이블이 지정되지 않은 방대한 양의 대규모 AI 모델)을 활용하여 에이전트가 모든 유형의 요청을 구문 분석하고 시간이 지남에 따라 새로운 유형의 질문에 적응하십시오.
Manuvir Das, 엔터프라이즈 컴퓨팅 부문 부사장
소프트웨어 발전으로 AI 사일로 종료: 기업은 오랫동안 AI 연구 및 개발을 위해 클라우드 컴퓨팅과 하이브리드 아키텍처 중에서 선택해야 했습니다. 이는 개발자 생산성을 저해하고 혁신을 더디게 할 수 있는 관행입니다.
2023년에는 소프트웨어를 통해 기업이 모든 인프라 유형에 걸쳐 AI 파이프라인을 통합하고 AI 실무자에게 연결된 단일 경험을 제공할 수 있습니다. 이를 통해 기업은 프로젝트 규모나 복잡성에 관계없이 전략적 목표와 비용의 균형을 맞출 수 있고 유연한 개발을 위해 거의 무제한의 용량에 액세스할 수 있습니다.
제너레이티브 AI는 엔터프라이즈 애플리케이션을 혁신합니다. 제너레이티브 AI에 대한 과대 광고는 2023년에 현실이 됩니다. 진정한 제너레이티브 AI의 기반이 마침내 자리를 잡았기 때문입니다. 대규모 언어 모델과 추천 시스템을 이미지를 넘어 지능적으로 질문에 답하고 콘텐츠를 생성하며 심지어는 생산 애플리케이션으로 변환할 수 있는 소프트웨어가 있기 때문입니다. 스파크 발견…
킴벌리 파월, 의료 담당 부사장
수술 4.0: 비행 시뮬레이터는 조종사를 훈련하고 새로운 항공기 제어를 연구하는 역할을 합니다. 이제 외과 의사와 로봇 수술 장치 제조업체도 마찬가지입니다. 수술실 환경에서 의료 로봇 및 환자 해부학에 이르기까지 모든 규모에서 시뮬레이션할 수 있는 디지털 트윈은 개인화된 수술 리허설에서 새로운 지평을 열고 AI 기반 인간과 기계의 상호 작용을 설계하고 있습니다. 장기 레지던트만이 숙련된 외과의를 배출하는 유일한 방법은 아닙니다. 많은 사람들이 실제 환자에게 처음으로 로봇 지원 수술을 수행할 때 전문 수술자가 될 것입니다.
Danny Shapiro, 자동차 부문 부사장
메타버스에서 자율 주행 차량 훈련: 자율주행차를 개발하는 250개 이상의 자동차 및 트럭 제조업체, 신생 기업, 운송 및 서비스로서의 모빌리티 제공업체는 우리 시대의 가장 복잡한 AI 문제 중 하나를 해결하고 있습니다. 도로에서 테스트를 통해 처리할 수 있어야 하는 모든 시나리오를 접하는 것은 불가능하므로 2023년에는 많은 업계가 도움을 받기 위해 가상 세계로 눈을 돌릴 것입니다. 온로드 데이터 수집은 배포 전에 새로운 기능을 교육하고 테스트하기 위한 데이터를 생성하는 가상 차량으로 보완됩니다. 충실도가 높은 시뮬레이션은 사실상 무한한 범위의 시나리오와 환경을 통해 자율 주행 차량을 실행합니다…
Rev Lebardedian, 부사장, 옴니버스 및 시뮬레이션 기술
메타버스 유니버설 번역기: HTML이 2D 웹의 표준 언어인 것처럼, 범용 장면 설명 3D 웹을 위한 가장 강력하고 확장 가능한 개방형 언어가 될 것입니다. 메타버스에서 가상 세계를 설명하기 위한 3D 표준으로서 USD는 기업과 심지어 소비자가 다양한 도구, 뷰어 및 브라우저를 사용하여 가장 원활하고 일관된 방식으로 서로 다른 3D 세계 사이를 이동할 수 있도록 합니다.
Ronnie Vasishta, 통신 부문 수석 부사장
5G 네트워크를 통한 AR/VR의 코드 절단: 많은 기업이 하드웨어 및 소프트웨어 개발을 위해 클라우드로 이동하는 동안 5G 네트워크가 전 세계에 보다 완전하게 배포됨에 따라 에지 설계 및 협업도 성장할 것입니다. 예를 들어 자동차 설계자는 증강 현실 헤드셋을 착용하고 무선 네트워크를 통해 보는 것과 동일한 콘텐츠를 전 세계 동료에게 스트리밍하여 협업 변화를 가속화하고 기록적인 속도로 혁신적인 솔루션을 개발할 수 있습니다. 5G는 또한 상점 선반 재입고, 바닥 청소, 피자 배달, 공장에서 상품 선택 및 포장에 사용되는 산업 전반에 걸쳐 연결된 로봇의 배치를 가속화할 것입니다.
Bob Pette, 전문 시각화 담당 부사장
시뮬레이션을 통한 산업 혁명: 물리적 세계에 구축된 모든 것은 먼저 물리 법칙을 따르는 가상 세계에서 시뮬레이션됩니다. 공장, 도시, 심지어 지구 전체와 같은 대규모 환경을 포함하는 이러한 디지털 트윈과 산업 메타버스는 디지털 변환 이니셔티브의 중요한 구성 요소가 될 것입니다. 예는 이미 많습니다. Siemens는 산업 자동화를 새로운 수준으로 끌어올리고 있습니다. BMW는 제조 프로세스를 최적으로 계획하기 위해 전체 공장 바닥을 시뮬레이션하고 있습니다. Lockheed Martin은 언제 어디서 자원을 배치할지 예측하기 위해 산불의 행동을 시뮬레이션하고 있습니다. DNEG, SONY Pictures, WPP 등은 크리에이터, 아티스트 및 디자이너가 가상으로 실시간으로 장면을 반복할 수 있도록 하는 전 세계적으로 분산된 아트 부서를 통해 생산성을 높이고 있습니다.
엔터프라이즈 IT 아키텍처 재고: 많은 기업이 하이브리드 작업의 문제를 해결하기 위해 문화와 기술을 적응하기 위해 안간힘을 썼던 것처럼 새해에는 많은 기업의 전체 IT 인프라가 재설계될 것입니다. 기업은 계속해서 증가하는 애플리케이션 및 복잡한 데이터 세트의 요구 사항을 처리할 수 있는 강력한 클라이언트 장치를 찾을 것입니다. 또한 유연성을 수용하고 기하급수적인 확장을 위해 클라우드로 버스트를 전환할 것입니다. 분산 컴퓨팅 소프트웨어 플랫폼을 채택하면 전 세계적으로 분산된 인력이 가장 이질적인 작업 환경에서 협업하고 생산성을 유지할 수 있습니다.
마찬가지로 복잡한 AI 모델 개발 및 교육에는 데이터 센터와 데스크톱에 강력한 컴퓨팅 인프라가 필요합니다. 기업은 다양한 산업 사용 사례에 대해 선별된 AI 소프트웨어 스택을 살펴보고 AI를 워크플로에 쉽게 도입하고 고객에게 더 높은 품질의 제품과 서비스를 더 빠르게 제공할 수 있습니다.
Azita Martin, 소매 및 소비자 제품 그룹용 AI 부사장
공급망을 최적화하는 AI: 가장 정교한 소매업체와 전자상거래 회사조차도 지난 XNUMX년 동안 수요와 공급의 균형을 맞추는 데 어려움을 겪었습니다. 팬데믹 기간 동안 소비자들은 홈쇼핑을 받아들였고 봉쇄가 해제된 후 다시 오프라인 매장으로 몰려들었습니다. 인플레이션이 닥친 후 그들은 구매 습관을 다시 한 번 바꾸어 공급망 관리자에게 적합했습니다. AI는 더 자주, 더 정확한 예측을 가능하게 하여 올바른 제품이 적시에 올바른 매장에 있는지 확인합니다. 또한 소매업체는 경로 최적화 소프트웨어와 시뮬레이션 기술을 채택하여 기회와 함정에 대한 보다 전체적인 관점을 제공할 것입니다.
Malcolm deMayo, 금융 서비스 부문 부사장
금융 서비스를 위한 클라우드 우선: 은행에는 새로운 과제가 생겼습니다. 바로 민첩성을 빠르게 확보하는 것입니다. 비전통적인 금융 기관과의 경쟁 심화, 다른 산업에서의 경험에서 비롯된 변화하는 고객 기대치, 레거시 인프라로 인해 은행 및 기타 기관은 클라우드 우선 AI 접근 방식을 수용할 것입니다. 그러나 시스템이 충격(팬데믹과 같은)을 흡수하고 생존할 수 있음을 의미하는 업계 용어인 운영 탄력성이 요구되는 고도로 규제된 산업으로서 은행은 개방적이고 휴대 가능하며 강화된 하이브리드 솔루션을 찾을 것입니다. 결과적으로 은행은 가능한 경우 지원 계약을 구매해야 합니다.
David Reber, 최고 보안 책임자
데이터 과학자는 새로운 사이버 자산입니다. 공격과 방어의 속도와 복잡성이 사실상 인간의 능력을 초과했기 때문에 전통적인 사이버 전문가는 더 이상 가장 정교한 위협에 대해 효과적으로 방어할 수 없습니다. 데이터 과학자 및 기타 인간 분석가는 AI를 사용하여 모든 데이터를 객관적으로 보고 위협을 발견합니다. 위반이 발생하기 때문에 AI와 인간을 사용하는 데이터 과학 기술은 건초더미에서 바늘을 찾고 신속하게 대응하는 데 도움이 될 것입니다.
Kari Briski, AI 및 HPC 소프트웨어 부사장
레이블이 지정되지 않은 데이터의 목적 찾기: 대규모 언어 모델과 구조화된 데이터는 사진, 오디오 녹음, 트윗 등으로 확장되어 의료 혁신, 과학 발전, 더 나은 고객 참여 및 자율 주행 운송의 주요 발전을 지원하기 위한 숨겨진 패턴과 단서를 찾을 수 있습니다. 2023년에 이 모든 구조화되지 않은 데이터를 혼합에 추가하면 예를 들어 학습한 건강 기록을 모방하기 위해 합성 프로필을 생성할 수 있는 신경망을 개발하는 데 도움이 될 것입니다. 이러한 유형의 비지도 머신 러닝은 지도 머신 러닝만큼 중요해질 것입니다.
새로운 콜 센터: 점점 더 쉽게 구현되는 음성 AI 워크플로를 채택하여 모델 아키텍처 수정에서 독점 데이터에 대한 모델 미세 조정 및 파이프라인 사용자 지정에 이르기까지 고객 상호 작용 파이프라인의 모든 단계에서 비즈니스 유연성을 제공하는 2023년 콜 센터를 주시하십시오. 음성 AI 워크플로의 접근성이 확대됨에 따라 해결 시간 단축을 통해 기업 채택이 확대되고 콜 센터 생산성이 크게 향상될 것입니다. AI는 상담원이 적시에 방대한 지식 기반에서 올바른 정보를 추출하여 고객 대기 시간을 최소화하도록 도와줍니다.
Deepu Talla, 임베디드 및 에지 컴퓨팅 부사장
로봇은 백만 명의 생명을 얻습니다: 사실적인 렌더링과 정확한 물리 모델링이 클라우드의 GPU에서 수백만 개의 로봇 인스턴스를 병렬로 시뮬레이션할 수 있는 기능과 결합됨에 따라 더 많은 로봇이 가상 세계에서 훈련될 것입니다. 제너레이티브 AI 기술을 사용하면 매우 사실적인 3D 시뮬레이션 시나리오를 보다 쉽게 생성하고 보다 유능한 로봇을 개발하기 위한 시뮬레이션 및 합성 데이터의 채택을 더욱 가속화할 수 있습니다.
Marc Spieler, 에너지 부문 선임 이사
AI 기반 에너지 그리드: 전례 없는 분산 에너지 자원 추가로 인해 그리드가 더욱 복잡해짐에 따라 전력 회사는 운영 효율성을 개선하고 기능 안전을 강화하며 부하 및 수요 예측의 정확도를 높이고 재생 에너지 연결 시간을 가속화하기 위해 에지 AI를 필요로 할 것입니다. , 태양열과 바람처럼. 에지의 AI는 그리드 복원력을 높이는 동시에 에너지 낭비와 비용을 줄입니다.
