


L'adoption de systèmes d'IA générative pourrait transformer les architectures cloud des entreprises
De la disponibilité et de la sécurité des données aux grands modèles de langage, en passant par la sélection et la surveillance, l'adoption par les entreprises de l'IA générative signifie la nécessité de réexaminer leur architecture cloud.
Ainsi, de nombreuses entreprises reconstruisent leur architecture cloud et développent des systèmes d’intelligence artificielle générative. Alors, quels changements ces entreprises doivent-elles apporter ?Quelles sont les meilleures pratiques émergentes ?Les experts de l'industrie ont déclaré qu'au cours des 20 dernières années, en particulier au cours des deux dernières années, il a aidé les entreprises à créer de telles plates-formes. entreprises :
Comprenez vos propres cas d'utilisation
Les entreprises doivent définir clairement le but et les objectifs de l'IA générative dans l'architecture cloud. Si vous voyez des faux retours, c'est parce qu'ils ne comprennent pas ce que signifie générer de l'intelligence artificielle dans les systèmes d'entreprise. Les entreprises doivent comprendre quels sont leurs objectifs, qu'il s'agisse de génération de contenu, de systèmes de recommandation ou d'autres applications.
Cela signifie que la direction de haut niveau de l'entreprise doit parvenir à un consensus sur les objectifs fixés et clarifier comment atteindre les objectifs et, plus important encore, comment définir le succès. Ce n’est pas propre à l’IA de production. Et c’est une étape vers le succès pour chaque migration et chaque nouveau système construit dans le cloud.
De nombreux projets intelligents développés par des entreprises sur des plateformes cloud échouent parce qu'elles ne parviennent pas à bien comprendre les cas d'utilisation métier. Bien que le produit développé par l’entreprise soit cool, il n’apporte aucune valeur à son activité. Cette approche ne fonctionnera pas.
La source et la qualité des données sont essentielles
Afin de former et d'inférer des modèles intelligents efficaces, l'identification de la formation et de l'inférence de modèles d'IA génératifs nécessite des sources de données efficaces qui doivent être des données accessibles, de haute qualité et soigneusement gérées. Les entreprises doivent également garantir la disponibilité et la tolérance aux pannes des solutions de stockage cloud computing pour garantir la disponibilité et la tolérance aux pannes des solutions de stockage cloud computing.
Le système de fonctions génératrices est un système centré sur les données hautement intelligent, que l'on peut appeler un système orienté données. Les données sont le carburant qui permet aux systèmes fonctionnels de produire des résultats. Toutefois, la qualité des données reste une question de « déchets entrants et sortants ».
À cette fin, il est utile de considérer l’accessibilité des données comme l’un des principaux moteurs de l’architecture cloud. Les entreprises doivent accéder aux données les plus pertinentes sous forme de données de formation, en les conservant généralement là où elles sont stockées plutôt que de les migrer vers une seule entité physique. Sinon, vous vous retrouverez avec des données redondantes et sans source unique de vérité. Envisagez des pipelines de gestion de données efficaces qui prétraitent et nettoient les données avant de les intégrer aux modèles d'IA. Cela garantit la qualité des données et les performances du modèle.
80 % de réussite avec l'architecture cloud utilisant les capacités de génération. Il s’agit du facteur le plus négligé, car les architectes cloud se concentrent davantage sur la génération de fonctionnalités plutôt que sur la fourniture de données de haute qualité à ces systèmes. En fait, les données sont tout.
Protection des données et confidentialité
Tout comme les données sont cruciales, la sécurité et la confidentialité de vos données le sont aussi. Le traitement de l’IA générative peut transformer des données apparemment dénuées de sens en données susceptibles d’exposer des informations sensibles.
Les entreprises doivent mettre en œuvre des mesures robustes de sécurité des données, de cryptage et de contrôle d'accès pour protéger les données sensibles utilisées par l'IA et les nouvelles données pouvant être générées par l'IA. Les entreprises doivent se conformer aux réglementations pertinentes en matière de confidentialité des données. Cela ne signifie pas installer un système de sécurité sur l'architecture de l'entreprise en dernier recours, mais la sécurité doit être appliquée au système à chaque étape.
Ressources d'évolutivité et d'inférence
Les entreprises doivent planifier des ressources cloud évolutives pour s'adapter aux différentes charges de travail et besoins de traitement des données. La plupart des entreprises envisagent des solutions d'autoscaling et d'équilibrage de charge. L’une des erreurs les plus graves que nous constatons est de créer des systèmes bien évolutifs mais très coûteux. Il est préférable d'équilibrer l'évolutivité et les coûts, ce qui est possible mais nécessite de bonnes pratiques d'architecture et d'optimisation des coûts du cloud.
De plus, les entreprises doivent consulter les ressources de raisonnement. Il a été remarqué qu'une grande partie de l'actualité lors des conférences de l'industrie du cloud computing tourne autour de ce sujet, et pour cause. Choisissez l'instance cloud appropriée avec GPU ou TPU pour la formation et l'inférence de modèles. Et optimisez l’allocation des ressources pour atteindre la rentabilité.
Envisagez la sélection du modèle
Choisissez des exemples d'architectures d'IA génératives (réseaux publicitaires universels, transformateurs, etc.) en fonction des cas d'utilisation et des besoins spécifiques de votre entreprise. Pensez à utiliser des services cloud pour la formation de modèles (tels qu'AWSSageMaker, etc.) et trouvez une solution optimisée. Cela signifie également comprendre qu’une entreprise peut avoir de nombreux modèles connectés et que cela sera la norme.
Les entreprises doivent mettre en œuvre une stratégie de déploiement de modèles robuste, comprenant le contrôle des versions et la conteneurisation, pour rendre les modèles d'IA accessibles aux applications et services dans l'architecture cloud de l'entreprise.
Surveillance et journalisation
La mise en place d'un système de surveillance et de journalisation pour suivre les performances d'un modèle d'IA, l'utilisation des ressources et les problèmes potentiels n'est pas une option. Établissez des mécanismes d’alerte d’anomalies et des systèmes d’observabilité pour gérer l’intelligence artificielle générée dans le cloud.
Surveillez et optimisez également en permanence les coûts des ressources cloud, car l’IA générative peut être gourmande en ressources. Utiliser des outils et des pratiques de gestion des coûts du cloud signifie laisser l'optimisation des coûts du cloud surveiller tous les aspects de votre déploiement, en minimisant les coûts opérationnels et en améliorant l'efficacité architecturale. La plupart des architectures nécessitent un réglage et une amélioration continue.
Autres considérations
Le basculement et la redondance sont nécessaires pour garantir une haute disponibilité, et un plan de reprise après sinistre peut minimiser les temps d'arrêt et la perte de données en cas de panne du système. Mettez en œuvre la redondance si nécessaire. De plus, auditez et évaluez régulièrement la sécurité des systèmes d’IA générative dans votre infrastructure cloud. Corrigez les vulnérabilités et maintenez la conformité.
C'est une bonne idée d'établir des lignes directrices pour l'utilisation éthique de l'IA, en particulier lorsque les systèmes d'IA générative génèrent du contenu ou prennent des décisions qui ont un impact sur les utilisateurs. De plus, les questions de partialité et d’équité doivent être résolues. Des poursuites sont en cours concernant l’intelligence artificielle et l’équité, et les entreprises doivent s’assurer qu’elles font ce qu’il faut. Les entreprises doivent évaluer en permanence l’expérience utilisateur pour s’assurer que le contenu généré par l’IA répond aux attentes des utilisateurs et stimule l’engagement.
Qu'une entreprise utilise ou non un système d'IA générative, les autres aspects de l'architecture cloud sont à peu près les mêmes. La clé est de réaliser qu’il y a des choses bien plus importantes et de continuer à améliorer votre architecture cloud.
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!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

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

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

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

Sujets chauds

Selon des informations publiées sur ce site le 31 juillet, le géant de la technologie Amazon a poursuivi mardi la société de télécommunications finlandaise Nokia devant le tribunal fédéral du Delaware, l'accusant d'avoir violé plus d'une douzaine de brevets d'Amazon liés à la technologie de cloud computing. 1. Amazon a déclaré dans le procès que Nokia avait abusé des technologies liées à Amazon Cloud Computing Service (AWS), notamment l'infrastructure de cloud computing, les technologies de sécurité et de performance, pour améliorer ses propres produits de services cloud. Amazon a lancé AWS en 2006 et sa technologie révolutionnaire de cloud computing a été développée depuis le début des années 2000, indique la plainte. "Amazon est un pionnier du cloud computing et Nokia utilise désormais les innovations brevetées d'Amazon en matière de cloud computing sans autorisation", indique la plainte. Amazon demande au tribunal une injonction de blocage

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

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

Selon les informations de ce site le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière

A tout moment, la concentration est une vertu. Auteur | Editeur Tang Yitao | Jing Yu La résurgence de l'intelligence artificielle a donné naissance à une nouvelle vague d'innovation matérielle. L’AIPin le plus populaire a rencontré des critiques négatives sans précédent. Marques Brownlee (MKBHD) l'a qualifié de pire produit qu'il ait jamais examiné ; David Pierce, rédacteur en chef de The Verge, a déclaré qu'il ne recommanderait à personne d'acheter cet appareil. Son concurrent, le RabbitR1, n'est guère mieux. Le plus grand doute à propos de cet appareil d'IA est qu'il ne s'agit évidemment que d'une application, mais Rabbit a construit un matériel de 200 $. De nombreuses personnes voient l’innovation matérielle en matière d’IA comme une opportunité de renverser l’ère des smartphones et de s’y consacrer.

Titre original: Bittensor = Aibitcoin? Bittensor adopte un modèle de sous-réseau qui permet l'émergence de différentes solutions d'IA et inspire l'innovation à travers les jetons Tao. Bien que le marché de l'IA soit mûr, Bittensor fait face à des risques concurrentiels et peut être soumis à d'autres open source

Pour importer en toute sécurité des jetons SEI dans votre portefeuille : sélectionnez un portefeuille sécurisé (par exemple Ledger, MetaMask) ; créez ou restaurez le portefeuille et activez les mesures de sécurité ; ajoutez des jetons SEI (adresse du contrat : 0x0e1eDEF440220B274c54e376882245A75597063D) ; vérifier le solde.

Les canaux de téléchargement de l'application GATEIO Exchange pour les anciennes versions, couvrant les marchés d'applications officiels, tiers, les communautés de forum et d'autres canaux.
