Спонсируемая функция По мере того, как технология становится все более широко внедряемой во все большем количестве вертикальных секторов и отраслей, способность искусственного интеллекта (ИИ) трансформировать бизнес-процессы, принятие стратегических решений и качество обслуживания клиентов все чаще хвалят ИТ-стратеги и экономические аналитики.

Даже руководители, которые когда-то опасались одобрять инвестиции, необходимые для достижения оптимальной эффективности ИИ, начинают осознавать его потенциал для повышения операционной эффективности и прокладывания пути к новым потокам доходов.

Прогнозы таких авторитетных наблюдателей за рынком, как PwC, подтверждают их точку зрения. В своем «Глобальном исследовании искусственного интеллекта» предполагается, что в 2030 году искусственный интеллект может принести до 15,7 триллиона долларов в мировую экономику. Из этой суммы 6,6 триллиона долларов могут быть получены за счет повышения производительности, а 9,1 триллиона долларов могут быть получены за счет «побочных эффектов потребления», утверждает PwC.

Недавнее внедрение нескольких инструментов генеративного искусственного интеллекта считается точкой прорыва в том, что раньше было узкоспециализированной и «футуристической» отраслью информатики. В Великобритании в 2022 году Управление искусственного интеллекта сообщило, что около 15 процентов предприятий внедрили хотя бы одну технологию искусственного интеллекта, что соответствует 432 000 компаний. Около 2 процентов предприятий тестировали ИИ, а 10 процентов планировали внедрить хотя бы одну технологию ИИ в будущем (62 000 и 292 000 предприятий соответственно).

Это все еще сложная вещь

На фоне этого энтузиазма организациям следует помнить, что ИИ — все еще относительно молодая технология, и ее первая настройка может оказаться сложной задачей. Более того, соответствующий возврат инвестиций (ROI) во многом зависит от очень точно управляемых процедур внедрения и конфигураций, которые часто менее устойчивы к ошибкам, чем традиционные ИТ-развертывания.

ИИ представляет собой достойный тест для ИТ-команд, которым поручено реализовать инициативы и рабочие нагрузки в области ИИ/машинного обучения, например, которые могут включать преодоление пробелов в навыках и вычислительных ограничений. Они также могут включать компромисс между ресурсами и другими рабочими нагрузками предприятия, уже использующими общую ИТ-инфраструктуру.

«ИИ — это путешествие, а не пункт назначения. Речь идет не о готовности к внедрению или автоматизации процессов просто для повышения эффективности», — говорит Мэтт Армстронг-Барнс, главный технический директор по искусственному интеллекту в Hewlett Packard Enterprise (HPE). «Скорее, речь идет о реализации долгосрочной ценности, обеспечении лучших результатов и признании того, что ИИ требует принципиально иного подхода к развертыванию ИТ. Для корпоративных технологов это всесторонняя кривая обучения на 360 градусов».

Точка зрения Армстронга-Барнса подтверждается последним опросом мировых лидеров бизнеса Deloitte «Состояние искусственного интеллекта на предприятии». Респонденты выявили массу проблем, с которыми ИИ возникал на последовательных этапах их проектов по внедрению ИИ. Доказательство ценности искусственного интеллекта для бизнеса было вопросом, упомянутым 37 процентами респондентов: проекты могут оказаться дорогостоящими, а убедительное экономическое обоснование может быть трудно проверить, столкнувшись с опасениями в отношении инвестиций советов директоров и руководителей высшего звена.

Расширение этих проектов в области ИИ с течением времени может столкнуться с дополнительными выявленными препятствиями, такими как управление рисками, связанными с ИИ (на это указали 50 процентов участников опроса Deloitte), отсутствие поддержки со стороны руководства (также 50 процентов) и отсутствие техническое обслуживание или постоянная поддержка (опять 50 процентов).

«Вполне понятно, что корпоративные лидеры должны быть убеждены в том, что ИИ оправдает себя», — говорит Армстронг-Барнс. «Именно здесь работа с технологическим партнером, который уже много лет занимается проверенными реализациями ИИ, помогает выиграть дело. Его послужной список придаст доверие проектным предложениям и поможет убедить руководителей в том, что риски ИИ так же управляемы, как и любые другие». другое ИТ-предприятие».

И хотя технологии и таланты, безусловно, необходимы, не менее важно согласовать культуру, структуру и методы работы компании для поддержки широкого внедрения ИИ, по мнению McKinsey, с отличительными характеристиками, которые иногда служат барьерами для изменений, вызванных ИИ.

«Если в компании есть менеджеры по связям с общественностью, которые гордятся тем, что они чутко реагируют на потребности клиентов, они могут отвергнуть идею о том, что «машина» может иметь лучшее представление о том, чего хотят клиенты, и игнорировать индивидуальные рекомендации по продуктам, предоставляемые инструментом искусственного интеллекта», — предполагает McKinsey.

«Я часто совещаюсь с коллегами из HPE и клиентами HPE о ряде проблем, с которыми они сталкиваются при развертывании ИИ», — сообщает Армстронг-Барнс. «Некоторые общие очевидные характеристики всплывают снова и снова. Одной из них является недооценка того, насколько фундаментально отличаются развертывания ИИ от традиционных ИТ-реализаций. Масштабирование для ИИ существенно отличается. Это означает, что иногда с трудом завоеванный технологический опыт приходится изучать заново».

Армстронг-Барнс объясняет, что следует избегать склонности экспериментировать с пилотными версиями ИИ перед их непосредственным внедрением в реальный сценарий использования, который удовлетворяет насущные потребности бизнеса. «Подход «попробуй перед покупкой» кажется разумным: искусственный интеллект сложен и требует инвестиций, — объясняет он. — Но при использовании искусственного интеллекта пробные прогоны и тестовые проекты на самом деле не воспроизводят проблемы, с которыми пользовательские организации столкнутся при фактическом внедрении. … То, что начинается «в лаборатории», имеет тенденцию оставаться в лаборатории».

На другом конце шкалы внедрения Армстронг-Барнс видит компании, которые пытаются применять ИИ везде, где это возможно, даже там, где приложение работает оптимально без ИИ: «Вывод здесь таков: просто потому, что в ИИ у вас есть огромный молоток, тогда вам не следует воспринимать все как орешек, который нужно расколоть».

Люди и инфраструктура недоступны

Даже самые продвинутые системы искусственного интеллекта еще не достигли полной сквозной автономии — их необходимо обучать и настраивать с помощью человеческого опыта. Это представляет собой еще одну проблему для компаний, стремящихся к внедрению ИИ: как лучше всего приобрести необходимые навыки – переобучить существующий ИТ-персонал? Набирать новых членов команды с необходимыми знаниями в области ИИ? Или изучить варианты, позволяющие передать потребность в экспертных знаниях в области ИИ технологическим партнерам?

McKinsey сообщает, что потенциал ИИ ограничен нехваткой квалифицированных специалистов. Типичный проект искусственного интеллекта требует высококвалифицированной команды, включающей специалиста по данным, инженера по данным, инженера ML, менеджера по продукту и дизайнера — и специалистов просто не хватает, чтобы занять все эти открытые вакансии.

«Мы видим, что корпоративным технологам обычно приходится повышать свои навыки в пяти ключевых аспектах», — говорит Армстронг-Барнс. «В основном они касаются областей знаний в области искусственного интеллекта, ИТ-инфраструктуры, управления данными, управления сложностью и, в меньшей степени, вышеупомянутых культурных барьеров. Ни одна из этих проблем не является непреодолимой при условии правильного подхода и партнерской поддержки».

ИИ также любит сверхмощное оборудование. Предоставление высокопроизводительных вычислительных платформ остается постоянной проблемой, поскольку немногие организации хотят (или могут себе позволить) делать необходимые инвестиции в свои серверные комплексы без доказуемого увеличения коэффициентов окупаемости инвестиций.

«При планировании внедрения ИИ на самом раннем этапе ИТ-планировщикам необходимо принять некоторые ключевые решения относительно базовой технологии», — говорит Армстронг-Барнс. «Например, собираетесь ли вы купить его, построить – или использовать гибридный подход, включающий в себя элементы того и другого?»

Следующее важное решение касается партнерства. Определяющим условием успешного внедрения ИИ является то, что никто не может действовать в одиночку, отмечает Армстронг-Барнс: «Вам нужна поддержка технологических партнеров, и лучший способ установить такое партнерство — через экосистему ИИ. Думайте об экосистеме ИИ как о поддерживающий консорциум экспертов, которые, объединившись, предоставят вам доступ к нужным ноу-хау, данным, инструментам искусственного интеллекта, технологиям и экономике для разработки и реализации ваших начинаний в области искусственного интеллекта».

Армстронг-Барнс добавляет: «Клиенты иногда спрашивают, как компания HPE приобрела такой опыт в сценариях использования ИИ – предвидели ли мы его влияние много лет назад и начали готовиться намного раньше рынка? Дело в том, что мы увидели, что влияние ИИ наступит не годами, а десятилетиями. назад, в течение длительного времени создавали центры передового опыта и экосистемы искусственного интеллекта, а также совершали стратегические приобретения, чтобы расширить наш существующий опыт в соответствии с требованиями клиентов и возможностями роста».

Нет поезда, нет выигрыша

Одним из таких дополнений является Defined AI, которое стало частью предложений HPE по HPC и решениям искусственного интеллекта в 2021 году. Программное обеспечение Defined AI с открытым исходным кодом учитывает тот факт, что построение и обучение оптимизированных моделей в большом масштабе является требовательным и критическим этапом разработки машинного обучения, который все чаще требует, чтобы нетехнологи, такие как аналитики, исследователи и ученые, взяли на себя задачи HPC.

Эти задачи включают в себя настройку и управление высокопараллельным программным стеком и инфраструктурой, охватывающей специализированные вычислительные ресурсы, хранилище данных, вычислительную структуру и карты-ускорители.

«Кроме того, сторонникам машинного обучения необходимо эффективно программировать, планировать и обучать свои модели, чтобы максимально эффективно использовать созданную ими специализированную инфраструктуру», — говорит Армстронг-Барнс, — «что может усложнить работу и замедлить производительность».

Разумеется, эти задачи должны выполняться с соблюдением строгого уровня компетентности, который нелегко обеспечить даже при поддержке перегруженных внутренних ИТ-команд.

Платформа с открытым исходным кодом компании Defined AI для обучения моделям машинного обучения призвана устранить этот дефицит ресурсов, упрощая настройку, настройку, управление и совместное использование рабочих станций или кластеров искусственного интеллекта, которые работают локально или в облаке. Помимо премиум-поддержки, оно включает в себя такие функции, как расширенные инструменты безопасности, мониторинга и наблюдения, поддерживаемые экспертами HPE.

«Решительный ИИ — это устранение препятствий для предприятий в создании и обучении моделей машинного обучения в масштабе и скорости, чтобы получить большую отдачу за меньшее время с помощью новой системы разработки машинного обучения HPE», — объясняет Армстронг-Барнс. «Эти возможности включают в себя весьма технические возможности, необходимые для оптимизации рабочих нагрузок искусственного интеллекта и машинного обучения, такие как планирование ускорителей, отказоустойчивость, высокоскоростное параллельное и распределенное обучение моделей, расширенная оптимизация гиперпараметров и поиск нейронной архитектуры.

«Добавьте к этому дисциплинарные задачи, такие как воспроизводимое сотрудничество и отслеживание показателей — это очень важно. С помощью Defined AI специалисты проектов могут сосредоточиться на инновациях и сократить время реализации».

Увеличение ресурсов высокопроизводительных вычислений и регулирование играют свою роль

Возможности HPC также все чаще используются для обучения и оптимизации моделей ИИ, а также в сочетании с ИИ для расширения рабочих нагрузок, таких как моделирование и симуляция — давно зарекомендовавшие себя инструменты для ускорения времени открытия в секторах обрабатывающей промышленности.

Мировой рынок высокопроизводительных вычислений ожидает заметный рост в оставшуюся часть 2020-х годов. Mordor Intelligence оценивает его стоимость в 56,98 миллиарда долларов в 2023 году и ожидает, что к 2028 году она достигнет 96,79 миллиарда долларов, то есть среднегодовой темп роста составит 11,18 процента за прогнозируемый период.

«HPE уже давно создает инфраструктуру высокопроизводительных вычислений, и теперь у нее есть портфель высокопроизводительных вычислений, включающий суперкомпьютеры Exascale и вычислительные платформы, оптимизированные по плотности. Некоторые из крупнейших кластеров высокопроизводительных вычислений построены на инновациях HPE», — говорит Армстронг-Барнс. «HPE обладает непревзойденным опытом в области высокопроизводительных аппаратных платформ».

Благодаря внедрению HPE GreenLake для больших языковых моделей в начале этого года (2023 г.) предприятия – от стартапов до компаний из списка Fortune 500 – смогут обучать, настраивать и развертывать крупномасштабный ИИ, используя устойчивую суперкомпьютерную платформу, сочетающую в себе программное обеспечение HPE для ИИ и самые передовые суперкомпьютеры. .

Очевидно, что внедрение ИИ является сложной задачей для организаций любого размера, но дело не только в технологиях, отмечает Армстронг-Барнс: «Все чаще всем, кто внедряет ИИ, придется быть в курсе новых правил и требований в области ИИ. Такие законы, как Билль о правах ИИ США, Закон ЕС об ИИ и предстоящие нормативные предложения, изложенные в «Белой книге» правительства Великобритании по ИИ, которые, как ожидается, будут служить основой для создания готовой к соблюдению требований системы ИИ, являются яркими примерами этого».

Для компаний, которые работают на международном уровне, это выглядит как еще одно препятствие, окутанное бюрократической волокитой, но Армстронг-Барнс предполагает, что соблюдение нормативных требований может быть не таким обременительным, как может показаться – с небольшой помощью хорошо организованной партнерской экосистемы в области ИИ.

«Проверьте, могут ли ваши партнеры по экосистеме ИИ также помочь вам в соблюдении требований — если вы уже находитесь в жестко регулируемой бизнес-среде, вполне возможно, что вы уже на полпути с существующими правилами».

При поддержке HPE.