人工知能がデータセンターを再構築する 5 つの方法
私たちは、人工知能がデータセンター業界にどのような影響を与えているのか、そして今後数年間にどのような変化が予想されるのかについて考察します。
人工知能は、特にコードから詩まであらゆるものを生成できる ChatGPT や GitHub Copilot などのツールのおかげで、最近多くの見出しを飾っています。
しかし、人工知能はデータセンターに対して何ができるのでしょうか?この問題は、特に AI を活用したデータセンター監視ソリューションに関する議論の外ではあまり注目されていません。このソリューションは重要ではありますが、AI テクノロジーの最先端を正確に表しているわけではありません。
それでは、人工知能がデータセンター業界に与える可能性のある他の影響と、今後数年間でどのような変化が予想されるかを考えてみましょう。
データセンターの物理的セキュリティの向上
データセンターにとって物理的セキュリティは重要であり、侵入者による不正な物理的アクセスから資産を保護できる必要があります。残念なことに、物理的セキュリティの提供は、物理的境界の侵害を検出して対応するために現場にセキュリティ担当者を配置することに大きく依存しているため、伝統的にコストがかかりました。
人工知能は、物理的侵入の検出に役立つデータを分析することで、この点で役立ちます。たとえば、AI はビデオ ストリームをリアルタイムで解析することで、リスクをもたらす個人を特定できる可能性があります。また、リスクを検出するためにビデオを継続的に視聴する必要もなくなります。
データセンターのオンサイトのセキュリティ担当者がいなくなることを期待するのではなく、人工知能が彼らの仕事をより効率的に行うのに役立つことを期待してください。
データセンターのエネルギー管理
データセンターをある電源 (太陽光など) から別の電源にいつ切り替えるか、または予想されるエネルギーの課題 (冷却システムの移動など) に備えて事前に計画する方法を決定します。端まで押しやられる熱波)、多くの場合、人間による慎重な分析が必要です。多くの変数が関係するため、データセンターのエネルギー源と課題を管理する際に従うべき単純な公式や手順はありません。
ただし、現代の AI の複雑さを考慮すると、AI が意思決定の一部を担うことは可能です。データセンター運営者は依然として人間がAIツールの推奨事項を再確認することを望んでいるかもしれないが、人間がエネルギー使用量を追跡し、手動で課題に対処することを期待するのではなく、AIがエネルギー管理の主導権を握るのは理にかなっている。
キャパシティ管理
同様に、需要に合わせてインフラストラクチャをスケールアップまたはスケールダウンしたり、市場と歩調を合わせたペースで拡張する物理スペースを確保したりするタスクを含むデータセンターのキャパシティ管理も、従来は肉体労働だった。しかし、AI は自動化に役立ちます。 AI は、データセンターがさまざまな時点およびさまざまな側面で必要とする容量を決定する多くの要因を分析することにより、オペレーターがより多くの情報に基づいて容量管理の意思決定を行えるように支援します。
インシデント対応
データセンターで何か問題が発生した場合 (停電、誰かが誤ってスイッチを切った、サイバー攻撃による重要な機器の破壊など)、何が起こったのかをできるだけ早く特定します。何が影響を受けたのか、そしてそれをどのように修正するかが重要です。
これまで、データセンター管理チームは、さまざまな種類の課題への対処方法を詳述したインシデント対応の「プレイブック」を作成することで、これらの課題に対応してきました。
プレイブックは依然として便利ですが、最新の人工知能は、オペレーターがインシデント対応を管理するために活用できる別のツールを提供します。 AI は状況を評価し、人間よりも早く対応の計画を立てることができます。これは、対応の戦略が存在せず、特定の種類の危機を事前に予測できる人がいない状況では特に価値があることが証明される可能性があります。
AI 対応データセンター ハードウェアに対する需要の高まり
最新の AI テクノロジーへの関心の高まりにより、AI ワークロードの実行に最適化されたデータセンター インフラストラクチャの需要も高まっています。たとえば、GPU アクセラレーションを実行できるサーバーなどです。特に汎用サーバーとは異なり、AI に最適化されたハードウェアをパブリック クラウドから入手するのがより困難であることを考えると、データセンター運営者は今後、このニッチ市場に対応することで恩恵を受ける可能性があります。
AI フレンドリーなデータセンターに対する需要は、AI を活用してデータセンターの運営を支援する新しい方法を表すものではありませんが、データセンター運営者にとっては市場機会を生み出します。
結論: 人工知能とデータセンターの将来
最新の人工知能テクノロジーのデータセンターへの応用はまだ初期段階にありますが、可能性は非常に大きいです。今後数年間で、AI はデータセンター チームの資産監視を支援するだけではないことが期待されます。 AI は、物理的なセキュリティ、キャパシティ管理、インシデント対応などでも役割を果たします。
以上が人工知能がデータセンターを再構築する 5 つの方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

6 月 18 日のこのサイトのニュースによると、サムスン セミコンダクターは最近、最新の QLC フラッシュ メモリ (v7) を搭載した次世代データセンター グレードのソリッド ステート ドライブ BM1743 をテクノロジー ブログで紹介しました。 ▲Samsung QLCデータセンターグレードのソリッドステートドライブBM1743 4月のTrendForceによると、QLCデータセンターグレードのソリッドステートドライブの分野で、SamsungとSK Hynixの子会社であるSolidigmだけが企業向け顧客検証に合格したという。その時。前世代の v5QLCV-NAND (このサイトの注: Samsung v6V-NAND には QLC 製品がありません) と比較して、Samsung v7QLCV-NAND フラッシュ メモリは積層数がほぼ 2 倍になり、記憶密度も大幅に向上しました。同時に、v7QLCV-NAND の滑らかさ

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究
