15.05.2024 Экспертиза, Искусственный интеллект, МенеджментОпрошенные порталом ComputerWeekly эксперты обсуждают ключевые факторы влияния искусственного интеллекта на хранение данных, включая ввод-вывод (I/O) и возможные здесь узкие места, I/O-различия при обучении и выводе, а также проблемы управления данными и соблюдения нормативных требований. ИИ — одна из самых быстрорастущих корпоративных технологий. По данным IBM, 42% компаний с числом сотрудников более 1000 человек уже используют ИИ в своей деятельности. Еще 40% тестируют или экспериментируют с ним. Большая часть этих инноваций приходится на генеративный ИИ (GenAI) или большие языковые модели (LLM), такие как ChatGPT. Все чаще эти формы ИИ используются в корпоративных приложениях или чат-ботах, взаимодействующих с клиентами. Пока большинство систем GenAI работают в облаке, но поставщики работают над тем, чтобы упростить интеграцию LLM с корпоративными данными. LLM и более «традиционные» формы ИИ и машинного обучения требуют значительных ресурсов для вычислений и хранения данных, как локальных, так и облачных. Ниже рассмотрены некоторые проблемы, связанные с хранением данных, а также необходимость соблюдения нормативных требований на этапах обучения и эксплуатации ИИ. Обучение ИИ предъявляет высокие I/O-требования к СХД Модели ИИ необходимо обучать перед использованием. Чем лучше обучение, тем надежнее модель — и чем больше обучающих данных, тем лучше. «Важнейшим аспектом любой модели является то, насколько она хороша, — говорит Рой Иллсли, главный аналитик практики облачных ...
читать далее.