هوش مصنوعی و رایانش ابری، تهدید یا فرصت؟

این روزها ستون‌های دوگانه هوش مصنوعی و رایانش ابری، کسب‌وکارها را به روش‌های مختلف به نقطه‌ای بسیار فراتر از انتظارات فناوری اطلاعات می‌برند. پیش‌بینی می‌شود تا سال 2026 بازار رایانش ابری به دو برابر اندازه فعلی خود برسد و به یک بازار 947 میلیارد دلاری برسد و برنامه‌ریزی‌شده که بازار هوش مصنوعی با رشد بیش از 5 برابری برای رسیدن به بازار 309 میلیارد دلاری برسد.

هوشمندانه‌تر است که به جای اینکه این دو را به عنوان رقیب نگاه کنیم، تلاش کنیم تا با قرار دادن حوزه به سرعت در حال گسترش هوش مصنوعی در کنار فناوری رایانش ابری، نوآوری‌های گسترده‌تری را تولید ‌کنیم و به رشد چشمگیرتری در کسب‌وکار خود چه در حوزه رایانش ابری و چه هوش مصنوعی دست پیدا کنیم.

نقطه موفق هم‌زیستی هوش مصنوعی و رایانش ابری را می‌توان در اتوماسیون پیدا کرد. اجرای هوش مصنوعی در بستر ابر فرآیندهای پیچیده و زمان بر و پرهزینه را ساده و ارزان می‌کند، کارایی افزایش می‌یابد و به رایانش ابری اجازه می‌دهد تا بر توسعه خلاقانه‌تر خدمات خود تمرکز کند.

این دو فناوری از جنبه‌های بسیاری بر یکدیگر تأثیرگذارند. سرمایه‌گذاری در رایانش ابری باعث پذیرش سریع‌تر و فرصت‌های بیشتر بر روی بازار هوش مصنوعی می‌شود، منجر به استقرار هوش مصنوعی در مقیاس گسترده‌تری می‌شود، مطالعات نشان داده که عمده شرکت‌ها قابلیت‌های هوش مصنوعی خود را از طریق نرم‌افزار مبتنی بر ابر عمومی یا هیبرید راه‌اندازی کرده‌اند و درصد کمتری از شرکت‌ها هستند که توان خود را بر روی ایجاد هوش مصنوعی در زیرساخت غیر ابری یا ابر خصوصی پرهزینه خود قرار داده‌اند.

رایانش ابری مکانیزم توزیع شگفت‌انگیزی برای الگوریتم‌های پیچیده‌ای است که نیازمند منابع پردازشی عظیمی هستند، غول‌های ارائه‌دهنده پیش‌رو در خدمات رایانش ابری مجموعه‌ای از زیرساخت‌های توسعه‌پذیر را در دسترس مشتریان خود قرار داده‌اند که انجام هوش مصنوعی را بسیار آسان‌تر می‌کند.

یکپارچه‌سازی هوش مصنوعی و رایانش ابری

هوش مصنوعی و رایانش ابری در فرآیندهای خودکار مانند تجزیه و تحلیل داده‌ها، مدیریت داده‌ها، امنیت و تصمیم‌گیری به سادگی و زیبایی مکمل یکدیگر می‌شوند. قدرت هوش مصنوعی در machine learning و پردازش‌های مشابه، باعث افزایش سرعت و کارایی در این فرآیندها می‌شود و می‌تواند منجر به صرفه‌جویی قابل توجهی در هزینه‌ها در کسب‌وکارها شود.

استفاده از نرم‌افزار هوش‌مصنوعی مبتنی بر الگوریتم‌های machine learning در محیط‌های ابری، تجربیات ملموس و موفقی را برای مشتریان و کاربران ارائه داده است. الکسا و سیری تنها دو نمونه آشنا از این همکاری موفق هستند که انجام انواع عملیات را امکان‌پذیر می‌کند، از انجام جستجو گرفته تا پخش آهنگ و خرید.

در بسیاری از مدل‌ها مجموعه‌های بزرگی از داده‌ها برای algorithm training استفاده می‌شود. این داده‌ها می‌توانند ساختاریافته، بدون ساختار یا خام باشند و برای پردازش به CPU و GPUهای قدرتمند نیاز دارند.

امروزه تنها یک ترکیب ایده‌آل از سیستم‌های ابری عمومی، خصوصی یا ترکیبی (بر اساس الزامات امنیتی و انطباق) می‌تواند چنین حجم عظیمی از توان محاسباتی و پردازشی را فراهم کند. موفق‌ترین نمونه‌های هوش مصنوعی خدمات خود از قبیل محاسبات serverless، batch processing و container orchestration را بر بستر پردازش ابری  ارائه می‌کنند.

کاربردهای هوش مصنوعی در رایانش ابری

با خدمات ابر عمومی، توسعه‌دهندگان دیگر نیازی به ساخت و مدیریت زیرساخت جداگانه برای میزبانی پلتفرم‌های هوش مصنوعی خود ندارند. آنها می‌توانند از پیکربندی‌ها و مدل‌های آماده برای آزمایش و استقرار برنامه‌های کاربردی هوش مصنوعی استفاده کنند.

برخی از رایج‌ترین برنامه‌های کاربردی مبتنی بر هوش مصنوعی در فضای ابری عبارتند از:

اینترنت اشیا – معماری‌ها و سرویس‌های ابری که اینترنت اشیا را میزبانی می‌کنند، داده‌های تولید‌شده توسط پلتفرم‌های هوش مصنوعی را در زیرساخت‌های پردازشی و ذخیره‌سازی ابری ذخیره و پردازش می‌کنند.

چت بات‌ها – چت‌بات‌ها نرم‌افزارهای مبتنی بر هوش مصنوعی هستند که از پردازش زبان طبیعی برای انجام مکالمات با کاربران استفاده می‌کنند. این روزها این مدل ابزارها موهبتی برای خدمات مشتری محور است که رضایت آنی دارای کاربر و مشتری دارای اهمیت بالاست. پلتفرم‌های ابری داده‌های جمع‌آوری‌شده توسط چت‌بات‌ها و سرویس‌های ابری را ذخیره می‌کنند و آنها را برای پردازش به برنامه‌های کاربردی مستقر در ابر متصل می‌کنند و هر زمان درخواست داده‌ها توسط کاربر یا مشتری به برنامه چت بات که در فضای ابری قرار دارد داده می‌شود پاسخ لازم به سرعت از طرق اینترنت به کاربر بازگردانده می‌شود.

هوش تجاری – BI یکی دیگر از برنامه‌های حیاتی است که در آن محاسبات ابری هوش مصنوعی می‌تواند داده‌ها را از بازار، مخاطبان هدف و رقبا جمع آوری، پردازش و با هزاران مدل تحلیلی ارائه کند. بستر ابر ذخیره‌سازی‌های چند باره داده‌های خام و اطلاعات پردازش‌شده در زیرساخت پردازش ابری را به عهده دارد و با توجه به معماری چابک خود در بستر اینترنت انتقال داده‌ها را تسهیل می‌کند و هوش مصنوعی آن را از طریق مدل‌های تحلیلی پیش‌بینی‌شده اجرا می‌کند.

هوش مصنوعی به عنوان یک سرویس (AIaaS) – فروشندگان ابر عمومی اکنون خدمات out-source هوش مصنوعی را ارائه می‌دهند که به شرکت‌ها امکان می‌دهد نرم‌افزار و الگوریتم‌های Machine learning را بدون نیاز به دردسرهای تامین زیرساخت و بدون به خطر انداختن زیرساخت اصلی خود آزمایش کنند. آنها می‌توانند برنامه‌های کاربردی هوش مصنوعی را با هزینه بسیار پایین‌تری نسبت به هوش مصنوعی  پیاده‌سازی‌شده داخلی و با صرفه‌جویی قابل توجه به کار گیرند.

محاسبات ابری شناختی یا Cognitive – محاسبات شناختی استفاده از مدل‌های هوش مصنوعی برای تکرار و شبیه‌سازی فرآیندهای فکری انسان در موقعیت‌های پیچیده است. امروزه غول‌هایی مانند IBM و Google پلتفرم‌های ابری cognitive ایجاد کرده‌اند که پردازش‌ها و تحلیل‌های شناختی را به‌ عنوان یک سرویس به شرکت‌ها ارائه می‌کنند و کاربرد این فناوری را در امور مالی، خرده‌فروشی، صنایع پزشکی و بهداشتی و سایر صنایع تسهیل می‌کنند.

مزایای استقرار هوش مصنوعی در محیط‌های ابری

هوش مصنوعی مانند فینیشینگ یک سرآشپز در زمان فرستادن بشقاب شام به میز مشتری‌ست، مثل یک گیلاس روی کیک ابری لبخند رضایت به لب مشتری و کاربر می‌آورد .

از جمله دلایلی که هوش مصنوعی و محاسبات ابری یک تیم برنده را تشکیل می‌دهند:

صرفه‌جویی در هزینه

مدل‌های مبتنی بر machine learningبه طور سنتی روی تجهیزات گران‌قیمت (که عمدتا از همه ظرفیت آنها استفاده نمی‌شود و یا آنقدر کافی نیستند که سرعت و کیفیت مورد انتظار را برآورده کنند) با چندین GPU در مراکز داده شرکت‌ها اجرا می‌شدند. با پیشرفت در مجازی‌سازی در ابرهای عمومی و خصوصی، هزینه استقرار ، آزمایش و بهره‌برداری از این فرایندها به شدت کاهش یافته است. این مدل‌های ابری زمینه تحول را برای بسیاری از کسب و کارهای کوچک تا متوسط هموار کرده است.

این روزها می‌توانیم سرویس‌های هوش مصنوعی خود را فقط با یک کارت اعتباری راه‌اندازی کنیم. اگر پیش‌تر می‌خواستیم چنین چیزهایی بسازیم به معنای واقعی کلمه باید صدها هزار یا میلیون‌ها دلار در فضای مرکز داده خود هزینه می‌کردیم، آن هم برای دریافت پاسخ سوالات ساده.

بهره‌وری

الگوریتم‌های مبتنی بر هوش مصنوعی نیازمند برنامه‌ریزی قابل توجهی برای ایجاد و استقرار محیط‌های آزمایش و تولید می‌باشند، مدیریت نرم‌افزار پیچیده است و تهیه زیرساخت‌ها و منابع سخت‌افزاری برای محاسبات و ذخیره‌سازی دانش و هزینه بسیاری را می‌طلبد. یک ابر هیبرید با مدیریت مرکزی یا یک ابر عمومی این نیاز را به سرعت و سادگی برطرف می‌کند و از آن به بعد تمرکز و توان مهندسان فناوری اطلاعات (که عمدتا دستمزدهای بسیار بالایی دارند و جذب آنها به این سادگی‌ها امکان‌پذیر نیست) دیگر می‌تواند  بر روی کارهای مهم دیگر از اهداف کلان شرکت صرف شود.

اتوماسیون

محاسبات ابری هوش مصنوعی آمده است تا به خودکارسازی فرآیندهای روزمره و تکراری و ساده‌سازی کارها کمک کند. در یک محیط ابری ، ابزارهای هوش مصنوعی می‌توانند برای نظارت، مدیریت و خودترمیمی تک تک اجزای خود ابر استفاده شوند. یکی از دغدغه‌های کسب‌وکارهای ارائه‌دهنده خدمات ابری چابک کردن فرایندها و سپردن وظایف ( که توسط انسان انجام می‌شود که هم زمان بیشتری می‌برد و هم احتمال بروز اشتباه در آنها بالاست) به یک مکانیزم خودکار است. با استفاده از اتوماسیون هزینه‌ها و زمان انجام کارها کاهش می‌یابد، دقت و سرعت بالا می‌رود و امنیت در سطح بالاتری قرار می‌گیرد.

تجزیه و تحلیل

داده‌های موجود در بیشتر بارهای کاری ابری باید برای درک بیشتر تجزیه و تحلیل شوند. روزانه در هر کسب‌و‌کار تعداد بی‌شماری از لاگ و انواع دیگر داده تولید و ذخیره می‌شوند که در صورتی که مدل و ابزاری برای تحلیل آنها نداشته باشیم این داده‌ها بی‌استفاده خواهند ماند. ابزارهای مبتنی بر هوش مصنوعی استخراج این داده‌ها را به سادگی و سرعت فراهم می‌کنند، تجزیه و تحلیل‌های تخصصی و چابکی را ارائه کرده و با امکان ایجاد داشبوردهای اختصاصی برای هر یک از این داده‌ها به همه این نیازها پاسخ می‌دهند. با کمک هوش مصنوعی با چشم باز و آگاهانه به سرعت می‌بینیم و به سرعت تصمیم می‌گیریم.

مدیریت اطلاعات

هوش مصنوعی با تولید و پردازش داده‌ها به صورت Realtime به افزایش سرعت انجام بارهای کاری در زیرساخت ابری می‌تواند در خدمات ارائه‌شده به مشتریان، بازاریابی، ERP و مدیریت زنجیره تامین و بسیاری موارد دیگر کمک کند. به عنوان مثال، ابزارهای هوش مصنوعی تعبیه شده در Google Cloud، می‌توانند عملکردهای متنوعی مانند شرکت در مناقصات انجام تبلیغات هوشمند رسانه‌ای، پیشگیری از تقلب در خدمات مالی، شناسایی تهدید در امنیت اطلاعات و توصیه‌های خرید سفارشی‌سازی شده در خرده‌فروشی را ارائه کنند.

ابزارهای SaaS بهتر

شاید واضح‌ترین و محبوب‌ترین استفاده از الگوریتم‌ها در محاسبات ابری هوش مصنوعی، ادغام آنها در ابزارهای اصلی SaaS باشد تا کمک کند عملکرد و ارزش نهایی بیشتری را به کاربران نهایی ارائه دهند.

می‌توان الگوریتمی مبتنی بر هوش مصنوعی را به سیستم CRM اضافه کرد تا به مشتریان کمک کند تا حجم زیادی از داده‌ها را به صورت تحلیل‌شده دریافت کنند، الگوهایی را در این داده‌ها پیدا کرده و ایده‌های عملی سودمندی برای بهبود استراتژی‌های فروش خود به دست آورند. این تنها یک نمونه در چشم‌انداز صدها ابزار SaaS مجهز شده به هوش مصنوعی است.

چالش‌ها در استقرار هوش مصنوعی در محیط‌های ابری

استفاده از هوش مصنوعی یا پردازش ابری چه به تنهایی و چه ادغام شده همیشه هم گل و بلبل نیست. بزرگترین نگرانی کاربران و مشتریان حفظ حریم خصوصی داده‌ها و اطمینان از دسترسی با سرعت و بدون وقفه به داده‌ها است.

حریم خصوصی داده‌ها

ماهیت فناوری SaaS در شرکت‌های ارائه‌دهنده خدمات ابری در سراسر جهان به نحوی است که به نوعی بعد از مشتری و کاربر نزدیک‌ترین عامل در دسترسی به این داده‌ها نزدیک هستند .هرچند که کارآمدتر شدن فرآیندهای کابران در این بستر تحقق پیدا می‌کند، محصولات جدید توسعه پیدا می‌کند و سرویس‌ها گسترش می‌یابند و هزینه‌ها کاهش پیدا می‌کند و درآمدها افزایش پیدا می‌کند ممکن است داده‌های مشتریان بدون در نظر گرفتن تمهیدات امنیتی سختگیرانه از طریق برنامه‌های کاربردی ابری در ابر عمومی اجرا شوند. الزام ارائه‌دهندگان خدمات ابری به ارائه شواهد کافی مبنی ایمن بودن زیرساخت ابری با تاییده‌ها و گواهینامه‌های امنیتی استاندارد می‌تواند اطمینان‌بخش باشد.

هنگامی که هوش مصنوعی داده‌های وارد شده به ابزار SaaS را در یک محیط ابری عمومی پردازش می‌کند، این خطرات را در مقیاس گسترده‌تری تقویت می‌کند. زمانی که فرآیندها و الگوریتم‌های محاسبات ابری هوش مصنوعی به درستی مورد حفاظت تمهیدات امنیتی قرار نگرفته باشند،  ممکن است داده‌ها در معرض نقض امنیتی یا دسترسی غیرمجاز قرار گیرند.

به عبارتی به فرض نبود امنیت ، یک محیط بدون هوش مصنوعی که قدرت و سرعت استخراج و تحلیل و احیانا سرقت بسیار پایین‌تری داشت به مراتب کم خطرتر از بستری‌ست که با سرعت و قدرت هوش مصنوعی مجهز شده است. این مساله اهمیت توسعه و توانمندسازی ابزارها و تمهیدات و خط‌مشی‌های امنیتی را بیش از پیش الزامی می‌کند . هرچند که خوشبختانه در اینجا هم هوش مصنوعی می‌تواند یک راه حل سریع و پاسخی قدرتمند به این نیاز ارائه کند.

اطمینان از اتصال و دسترس‌پذیری

هر الگوریتم یا سیستم پردازش داده در فضای ابری برای ادامه کار به یک چیز بستگی دارد: اتصال ثابت به اینترنت.

 اتصال ضعیف شبکه یا اینترنت می‌تواند فرآیندهای تحلیل داده کابرمحور و machine learning و یا پردازش‌های مشابه را کند کرده و اهداف و تجزیه و تحلیل‌های آنی آن تراکنش‌ها را با شکست یا کارآمدی ناکافی مواجه کند.

آینده هوش مصنوعی ابری

از آنجایی که رایانش ابری در هر بخش از صنعت فناوری اطلاعات جایگاه خوبی پیدا کرده است و رشد درآمد سرعت مشخص و محدودی پیدا کرده است به زودی برای پاسخگویی به مدل‌های عظیم امروزه کند خواهد شد. به همین دلیل کسب‌وکارها و سرمایه‌گذاران انتظار دارند رونق به کارگیری هوش مصنوعی، پاسخگویی‌ها را سرعت و دقت بخشد؛ همچنین شرکت‌های بزرگ فناوری به طور فزاینده‌ای دنبال به خدمت گرفتن هوش مصنوعی بر بستر ابر هستند تا با هزینه کمتری به این هدف دست پیدا کنند.

سرویس ابری جدید آمازون نمونه‌ای از یک ابتکار جذاب در رابطه با هوش مصنوعی مولد در فضای ابری است. از طریق این سرویس، توسعه‌دهندگان می‌توانند به طور موثر نرم‌افزار خود را با خروجی تولیدشده توسط هوش مصنوعی این سرویس ارتقا دهند.

مطالعه بیشتر: آینده رایانش ابری؛ از ابر هیبرید تا هوش مصنوعی

شرکت‌ها در هر اندازه‌ای که باشند شرط‌بندی‌های بزرگی روی هوش مصنوعی خواهند کرد، تیم‌های فناوری اطلاعات در این شرکت‌ها باید برای همگام شدن با دانش و مهارت لازم برای پیاده‌سازی راه‌حل‌های محاسبات ابری هوش مصنوعی مجهز و آماده شوند. دیگر زمانی برای وقت تلف کردن و مردد ماندن در تصمیم گیری برای رفتن به سمت به کارگیری فناوری هوش مصنوعی در کسب و کارها باقی نمانده است.باید اطمینان حاصل کرد که تیم فناوری اطلاعات فرصت کافی دارد تا قبل از رشد سایر رقبا و عقب ماندن از این رقابت، فناوری هوش مصنوعی را به درستی پیاده‌سازی و اجرا کند، شکی نیست که این تصمیم بسیار حیاتی است.

Hybrid Cloud – خانه جدید محاسبات ابری هوش مصنوعی

شرکت‌های ارائه‌دهنده خدمات رایانش ابری به طور جدی به دنبال هوش مصنوعی هستند تا تصویرهای صحیح و جامعی را از بازار داشته باشند و مجهز بودن به این توانایی مزیت رقابتی بزرگی ایجاد می‌کند. مدیریت حجم وسیعی از داده‌های مرتبط با این صعنت نیازمند زیرساختی قوی و کارآمد است و در کنار آن با استفاده از هوش مصنوعی ضریب امنیت بالایی را برای کاربران و مشتریان تامین می‌کنند.

و در آخر یک نمونه تجاری موفق را شاهد بودیم، شرکت Nutanix با شرکت‌های NVIDIA و Mellanox Technologies همکاری موفقیت آمیزی انجام داد تا یک زیرساخت ابری هیبرید AI-Ready ایجاد کند و به این ترتیب توانست امکان دستیابی شرکت‌های خرده‌فروشی، مراقبت‌های بهداشتی، مالی، هوافضا و سایر صنایع به راه‌حل‌ها و برنامه‌های کاربردی مبتنی بر هوش مصنوعی را ارائه کند.

امروزه دیگر با این حجم از محاسبات هوش مصنوعی در زیرساخت‌های ابری، می‌توان گفت که هوش مصنوعی سرانجام بستر ابر را برای زندگی و توسعه انتخاب کرده است.