NSTC släpper rapport om lärdomar från federal användning av cloud computing för att stödja AI-forskning och -utveckling

Artificiell intelligens (AI) och maskininlärning (ML) har gjort stora framsteg under det senaste decenniet. En stor del av dessa framsteg kan tillskrivas stora mängder tillgängliga datauppsättningar och datorresurser. På senare tid har många federala myndigheter börjat investera i att utnyttja kommersiella molnbaserade resurser för att främja AI/ML-forskning och utveckling (FoU). Vita husets nationella vetenskaps- och teknikråd (NSTC) och AI Subcommittee har precis släppt en rapport om Lärdomar från federal användning av cloud computing för att stödja AI-forskning och -utveckling sammanfattar lärdomar från federala myndigheter om användningen av molnberäkningar för att främja AI FoU.

Rapporten kom från en annan federal regerings rapport från den särskilda kommittén för AI, Rekommendationer för att utnyttja molnberäkningsresurser för federalt finansierad forskning och utveckling av artificiell intelligens som beskriver rekommendationer för den federala regeringen för att främja användningen av molnberäkningar för att stödja AI-innovation. I enlighet med dessa rekommendationer underlättade MLAI-underkommittén en serie dialoger mellan byrårepresentanter och kommersiella molnbaserade leverantörer för att hjälpa till att identifiera utmaningar och bästa praxis inom molnberäkning och FoU. De senaste rapporterna om "Lärdomar" sammanfattar nyckelresultat från dessa dialoger, sammanfattade i fördelar med investeringar, bästa praxis, gemensamma utmaningar och möjligheter att se framåt. Hela rapporten från dialogen finns här.

Fördelar med investeringar 

• Ge forskare ihållande tillgång på begäran till banbrytande kapacitet, påskynda experiment och användning av AI i nya domäner
• Möjliggör reproducerbarhet och skalbarhet av forskningsaktiviteter och deras resultat
• Hjälp forskare att snabbt få tillgång till specialiserad AI-hårdvara
• Ge byråer tillgång till de senaste och mest uppdaterade beräkningsmöjligheterna

Best Practices 

• Dedikerade administrationsteam. Att bygga denna förmåga har gett byråer den nödvändiga expertis och auktoritet för att hantera och övervaka åtkomst till molnbaserade resurser, tjänster och plattformar. Sådana team har också tillhandahållit utbildning till användargemenskapen och kontrollerat lämpligheten av efterfrågade resurser för att uppnå specifika forskningsmål.
• Användarautentisering. De flesta av programmen har begränsad tillgång till kända, kvalificerade och behöriga användare. Många kräver också tvåfaktorsautentisering som en del av sina säkerhetsåtgärder. Tillsammans ger dessa åtgärder en grundläggande säkerhetsnivå och en förmåga att skapa användarbaserade åtkomstkontroller.
• Träning och utbildning. Utbildningsstöd och utbildningsmöjligheter har varit avgörande för att åtgärda befintliga kompetensbrister, främja rättvisa tillgångsmöjligheter och bygga upp expertis bland användarbasen. Att göra dessa resurser tillgängliga har hjälpt de stödda forskarna att navigera i de olika molntjänsterna och matcha specifik forskning och behov till rätt beräkningsarkitektur och mjukvaruverktyg.
• Förberäknade resurser och arbetsflöden. Särskilt när man stödjer interna eller uppdragsfokuserade forskningsinsatser har förberäknade arbetsflöden minskat dubbelarbete och skapat tillgängliga baslinjemetoder för gemensamma utgångspunkter för analyser.

Vanliga utmaningar

• Effektiv användarbehörighet. Autentisering av användare kan skapa flaskhalsar relaterade till att verifiera identiteter och tillhandahålla inloggningsfunktioner. Underfinansiering eller underbemanning av styrande organisationer kan leda till förseningar i kontoaktivering och lösning av problem som uppstår på alla åtkomstnivåer. Dessutom fördröjer en brist på auktoritativ myndighet och regeringsomfattande vägledning om godkända tjänster, som inkluderar varierande datasekretess och åtkomstöverväganden, antagandet och skapar variation mellan byråns policyer och procedurer.
• Kostar. Kostnaderna för datalagring och åtkomst komplicerar möjligheten för flera team att få tillgång till delad data. Dessutom kompliceras fakturering och budgetar ytterligare av variationen i kostnaderna för cloud computing per projekt och den lätthet med vilken forskare oavsiktligt kan tömma krediter genom att använda felaktiga inställningar. Dessutom tillför rörliga avgifter komplikationer för federala upphandlingsprocesser, liksom osäkerhet kring vilka anslagskategorier som kan användas för att köpa vilka beräkningsmöjligheter.
• Organisation. Säkerställa att användarna av en given datormolnplattform kan hitta och upprätthålla medvetenhet om data, experiment och resultat som är relevanta för deras arbete och intressen.
• Sekretess och säkerhet. Fastställande av sätt att vara värd för och underlätta åtkomst till rätt typer av data med lämpliga integritets- och säkerhetsskydd, med förbehåll för budgetöverväganden, ändrade forskningsprioriteringar och den föränderliga användargemenskapen som betjänas.
• Integration av molntjänster med icke-molnresurser. Medför utmaningar när det gäller att göra det möjligt för forskare att effektivt få tillgång till hela bredden av myndighetens resurser.
• Arbetskraftsutveckling. Många federala anställda har begränsad förtrogenhet med cloud computing-teknik, och få har branschcertifiering på molnberäkningssystem. Dessa begränsningar utmanar både interna forskningsinsatser och förmågan att ge vägledning och resurser till externa forskare.

Möjligheter att se framåt

För att ta itu med finansiella modeller kan den federala regeringen göra följande:

• Dra bättre fördel av köpkraften som återspeglas i de konsoliderade federala investeringarna i kommersiella molnbaserade plattformar. Denna åtgärd skulle underlätta tillgången till de mest avancerade funktionerna i molnet och ge ett sätt att tala med en gemensam röst om förväntningarna och behoven hos det federalt finansierade AI-forskningssamhället.
• Skapa förklarande modeller med motsvarande kostnader för att bättre hantera budgetosäkerhet, eftersom dessa skulle illustrera för forskare och programledare kostnadsdynamiken i samband med cloud computing, särskilt när det gäller beslut relaterade till utbildningsparametrar och processer.
• Fånga och dela bästa praxis från molnprogram för byråer angående avtal och strategier för att hantera överutgifter.

För att gå mot den tänkta sömlösa miljön med flera moln kan byråer göra följande:

• Dra nytta av och hjälp till att odla teknik med öppen källkod som kan stödja standardsätt för att bygga och utföra arbetsbelastningar för multimolndistribution (t.ex. containerisering och automatisering).
• Underlätta och automatisera identitets- och åtkomsthantering genom federerade system som samlar forskarsamhället inom och utanför regeringen.
• Genomför en utvärdering för att bedöma genomförbarheten av att utveckla ett federerat datanät för att minska dataförflyttning och replikering.

Byråer kan få ytterligare hjälp med att ta till sig kommersiella molnbaserade resurser genom följande:

• Skapande av ett portalkit som skulle beskriva en standardmall och presentera bästa praxis för att implementera portaler på olika nivåer, beroende på organisationens behov.
• Tillhandahållande av en guide för resursval som skulle hjälpa byråer att avgöra under vilka omständigheter olika typer av resurser är bäst lämpade, såsom valet av moln kontra högpresterande datorer och kommersiella erbjudanden kontra lokala maskiner.
• Erbjud en guide om godkända policyer, procedurer, resurser och tjänster när det gäller kommersiella molnerbjudanden, i den utsträckning det är praktiskt möjligt, genom att utnyttja den köpkraft som beskrivs ovan.

Slutligen kommer det att krävas följande för att ta itu med behovet av personalutveckling:

• Investeringar i utbildningsresurser som kan tjäna hela skalan av slutanvändare, forskare och teknisk personal, differentierade för deras kompetensnivåer, behov och intressen.

• Rekryterings- och retentionsstrategier som inkluderar högt efterfrågade kompetensuppsättningar som stöder molnberäkning, såsom molnarkitekter, forskningsdatorer och dataproffs, forskningsprogramvaruingenjörer och datavetare.

Läs hela rapporten här..