11.04.2022 Экспертиза, Искусственный интеллектОпрошенные порталом ComputerWeekly эксперты обсуждают, что необходимо для искусственного интеллекта и машинного обучения в плане хранения данных, а также плюсы и минусы блочных, файловых и объектных систем для хранения и доступа к очень большим объемам зачастую неструктурированных данных. ИИ и МО обещают преобразовать целые области экономики и общества, если уже не делают этого. От беспилотных автомобилей до ботов, обслуживающих клиентов, системы на основе ИИ и МО определяют следующую волну автоматизации бизнеса. Они также являются крупными потребителями данных. После примерно десятилетия относительно стабильного роста объема данных, используемых моделями ИИ и МО, этот рост становится экспоненциальным, поскольку ученые и инженеры стремятся повысить точность своих систем. Это предъявляет новые, порой экстремальные требования к ИТ-системам, включая СХД. «ИИ, МО и аналитика используют огромные объемы неструктурированных данных, — говорит Патрик Смит, технический директор Pure Storage в EMEA. — Это мир неструктурированных данных, а не блоков или баз данных». Большие наборы данных используют для обучения моделей ИИ и МО, в частности, чтобы получать более точных прогнозы. Как отмечает Вибин Виджай, специалист по ИИ и МО компании OCF, базовая пробная модель на одном сервере может иметь точность 80%. При обучении на кластере серверов точность повысится до 98% или даже 99,99%. Но это предъявляет свои требования к ИТ-инфраструктуре. Почти все разработчики работают исходя из того, что ...
читать далее.