Maison Périphériques technologiques IA Comment l'apprentissage automatique change la gestion des centres de données

Comment l'apprentissage automatique change la gestion des centres de données

Apr 10, 2023 am 08:31 AM
人工智能 机器学习 数据中心

Comment l'apprentissage automatique change la gestion des centres de données

​L'apprentissage automatique va radicalement changer l'économie des centres de données et ouvrir la voie à un avenir meilleur.

Alors que les racks commencent à se remplir d'ASIC, de GPU, de FPGA et de supercalculateurs, l'apprentissage automatique et l'intelligence artificielle ont fait leur entrée dans les centres de données et changent l'apparence des fermes de serveurs hyperscale.

Ces techniques augmentent la puissance informatique disponible pour la formation des systèmes d’apprentissage automatique, une tâche qui nécessitait auparavant un traitement approfondi des données. L’objectif ultime est de créer des applications plus intelligentes et d’améliorer les services que les entreprises utilisent déjà quotidiennement. S’appuyer uniquement sur le jugement humain et le bon sens ne répondra pas aux normes requises d’exactitude et de validité. La seule façon durable de répondre à la demande de services informatiques à grande échelle est de passer entièrement à une prise de décision basée sur les données et d’utiliser toutes les données pour améliorer les résultats. En raison de la disponibilité de fournisseurs du secteur proposant des logiciels de gestion de centres de données ou des services basés sur le cloud qui exploitent cette technologie, certaines entreprises ou fournisseurs de services gérés sans la même échelle ou la même expertise sont devenus les premiers à adopter l'apprentissage automatique.

Selon IDC, d'ici 2022, 50 % des actifs informatiques des centres de données fonctionneront de manière indépendante grâce à la technologie d'intelligence artificielle embarquée. De nombreuses opérations globales, notamment la planification et la conception, les charges de travail, la disponibilité et la gestion des coûts, peuvent être optimisées dans le centre de données grâce à l'apprentissage automatique.

Voici quelques-uns des plus grands cas d'utilisation du machine learning dans la gestion des centres de données aujourd'hui :

  • Amélioration de l'efficacité du centre de données : les entreprises peuvent utiliser le machine learning pour gérer de manière autonome l'environnement physique de leurs centres de données plutôt que de s'appuyer sur des alertes logicielles. Cela impliquera qu'un logiciel apporte des modifications en temps réel à l'architecture et à la disposition physique du centre de données.
  • Planification de la capacité : l'apprentissage automatique dans les centres de données peut aider les entreprises informatiques à prévoir la demande afin qu'elles ne manquent pas d'espace, d'énergie, de refroidissement ou de ressources informatiques. Les algorithmes peuvent aider une entreprise à déterminer comment un changement affecte la capacité d'une installation, par exemple s'il s'agit de consolider des centres de données et de déplacer des applications et des données vers un centre de données central.
  • Réduire les risques opérationnels : la prévention des temps d'arrêt est une tâche essentielle pour les opérateurs de centres de données, et l'apprentissage automatique peut faciliter leur prévision et leur prévention. Les logiciels d'apprentissage automatique utilisés dans la gestion des centres de données suivent les données de performances des composants critiques, tels que les systèmes de refroidissement et de gestion de l'alimentation, et prédisent le moment où l'équipement est susceptible de tomber en panne. En conséquence, une maintenance préventive peut être effectuée sur ces systèmes et des temps d'arrêt coûteux peuvent être évités.
  • Utilisez des données intelligentes pour réduire le taux de désabonnement des clients : les entreprises peuvent utiliser l'apprentissage automatique dans les centres de données pour mieux comprendre leurs clients et potentiellement prédire leur comportement. En intégrant un logiciel d'apprentissage automatique aux systèmes de gestion de la relation client (CRM), les centres de données basés sur l'IA pourraient rechercher et récupérer des données à partir de bases de données historiques qui ne sont généralement pas utilisées dans le CRM, ce qui permettrait au système CRM de développer de nouveaux prospects ou clients. . Stratégies pour réussir.
  • Analyse et modélisation de l'impact budgétaire : cette technologie combine les données opérationnelles et de performance du centre de données avec des données financières (en particulier les informations fiscales applicables) pour aider à déterminer le prix d'achat et d'entretien de l'équipement informatique.

L'apprentissage automatique peut examiner des téraoctets de données historiques et appliquer des paramètres à ses décisions en une fraction de seconde, car il peut agir plus rapidement que n'importe quel humain. Ceci est utile lorsque vous suivez toutes les activités de votre centre de données. Les deux principaux problèmes que les fournisseurs et les opérateurs de centres de données résolvent grâce à l'apprentissage automatique sont l'amélioration de l'efficacité et la réduction des risques.

Par exemple, Digital Realty Trust, le plus grand fournisseur d'hébergement au monde avec plus de 200 centres de données, a récemment commencé à tester la technologie d'apprentissage automatique. La capacité humaine à consommer et à traiter la vaste gamme de systèmes, d’appareils et de données sous-jacents nécessaires au fonctionnement de l’infrastructure est rapidement épuisée. DigitalRealty en bénéficiera grâce à ses capacités supérieures de traitement, de réaction, de communication et de prise de décision en temps réel.

La conclusion fondamentale est que les opérateurs de centres de données disposent de nombreuses options pour tirer parti de l’intelligence artificielle et de l’apprentissage automatique, et qu’il y aura davantage d’options à mesure que la technologie deviendra plus abordable et plus avancée. Un avenir radieux nous attend.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

AI Hentai Generator

AI Hentai Generator

Générez AI Hentai gratuitement.

Article chaud

R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Meilleurs paramètres graphiques
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Comment réparer l'audio si vous n'entendez personne
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Où trouver la courte de la grue à atomide atomique
1 Il y a quelques semaines By DDD

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Jun 28, 2024 am 03:51 AM

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Jun 10, 2024 am 11:08 AM

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Jun 11, 2024 pm 03:57 PM

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

Sept questions d'entretien technique Cool GenAI et LLM Sept questions d'entretien technique Cool GenAI et LLM Jun 07, 2024 am 10:06 AM

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Samsung présente le SSD de qualité centre de données BM1743 : équipé de v7 QLC V-NAND et prend en charge PCIe 5.0 Samsung présente le SSD de qualité centre de données BM1743 : équipé de v7 QLC V-NAND et prend en charge PCIe 5.0 Jun 18, 2024 pm 04:15 PM

Selon des informations publiées sur ce site Web le 18 juin, Samsung Semiconductor a récemment présenté sur son blog technologique son disque SSD de nouvelle génération de qualité centre de données BM1743, équipé de sa dernière mémoire flash QLC (v7). ▲Disque SSD de qualité centre de données Samsung QLC BM1743 Selon TrendForce en avril, dans le domaine des disques SSD de qualité centre de données QLC, seuls Samsung et Solidigm, une filiale de SK Hynix, avaient réussi la vérification du client d'entreprise à ce temps. Par rapport à la génération précédente v5QLCV-NAND (remarque sur ce site : Samsung v6V-NAND n'a pas de produits QLC), la mémoire flash Samsung v7QLCV-NAND a presque doublé le nombre de couches d'empilement et la densité de stockage a également été considérablement améliorée. Dans le même temps, la fluidité de v7QLCV-NAND

Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Jul 25, 2024 am 06:42 AM

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

Cinq écoles d'apprentissage automatique que vous ne connaissez pas Cinq écoles d'apprentissage automatique que vous ne connaissez pas Jun 05, 2024 pm 08:51 PM

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Jul 17, 2024 pm 06:37 PM

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

See all articles