Искусственный интеллект (ИИ) и Интернет вещей (IoT) — два самые популярные темы, пишет архитектор облаков и менеджер продуктов компании Canonical Стефан Фабел на портале InformationWeek. Если их объединить, получится мощное сочетание для обработки умопомрачительных объемов данных, стекающихся на предприятия со всех сторон.
IDC ожидает, что к 2021 г. мировые расходы на IoT достигнут 1,4 трлн. долл. Будущее буквально всего связывают с IoT. В «умных» городах это ликвидация дорожных пробок и интеллектуальное уличное освещение. Это улучшенное управление энергетикой, промышленные роботы, отслеживание активов, мониторинг медицинского оборудования и состояния пациентов, не говоря уже о массе потребительских приложений для дома.
Все эти устройства и сенсоры (а согласно часто цитируемому прогнозу Gartner к 2020 г. их число достигнет 20,4 млрд.) порождают невообразимый объем данных. Компании, правительственные и другие организации должны иметь возможность собирать, обрабатывать и анализировать все эти данные, чтобы выявлять шаблоны, которые могут стимулировать бизнес-решения.
Чем больше данных, тем, разумеется, труднее получить на их основе знания. Единственный способ — автоматизированная обработка с использованием машин, т. е. ИИ.
Все просто. Проблема решена? Отнюдь.
Когда мы говорим об управлении устройствами IoT на периферии сети, то в действительности имеем в виду не сами устройства, а контрольные панели. На крупном предприятии это те элементы инфраструктуры облака, которые управляют вычислениями, сетями и хранением, связанными с устройствами или сенсорами IoT. Их количество может исчисляться тысячами.
При широком распространении устройств или сенсоров IoT удаленное управление ими из централизованного облака или ЦОДа становится весьма трудным, неэффективным и дорогим, если нет системы сбора и анализа данных, расположенной ближе к источнику. Устройства IoT должны собирать и обрабатывать огромный объем данных практически в реальном времени с минимальной задержкой. А компании будут тратить огромные деньги на сети, если станут пересылать в ЦОДы потоки сырых данных от сенсоров вместо только наиболее ценной информации.
Поэтому главным приоритетом предприятий сегодня должна стать разработка систем ИИ и машинного обучения (МО), которые будут развертываться на периферии, управлять данными, просеивать их и пересылать наиболее значимые из них в ядро сети. В дальнейшем их можно объединить с другой имеющейся в организации информацией для получения знаний.
Это невозможно осуществить без ИИ. Просто уровень сложности слишком высок.
Укреплению связи между ИИ и IoT способствует изменение корпоративных вычислений. Если в прошлом речь шла о том, как быстро машины могут что-то обрабатывать, если даже сейчас, в эпоху облаков, речь идет о том, насколько облака обеспечивают эластичность вычислений, то теперь речь идет о данных: где их следует хранить, как перемещать и какие действия предпринимать на их основе.
Все это требует переосмысления архитектур и инструментов, необходимых, чтобы сделать модели ИИ на интеллектуальной периферии сети легкодоступными и многократно используемыми.
Расширяясь, предприятия все больше захватывают периферию, контейнеры вытесняют виртуальные машины в качестве наилучшей технологии в связи с тем, что последние просто слишком тяжеловесны.
Kubernetes является очевидным победителем в качестве средства оркестрирования контейнеров. ИИ — одна из наиболее быстро растущих сфер применения этой технологии, поскольку она обеспечивает высокую операционную эффективность и гибкую связь между ядром и периферией.
Kubeflow, модуль МО для Kubernetes, упрощает создание производственных систем ИИ: облегчает написание кода вручную для объединения компонентов различных производителей и собственных решений, перенос моделей МО без внесения серьезных изменений в архитектуру.
Acumos — новый проект фонда Linux Foundation, имеющий целью создание федеративной платформы управления приложениями ИИ и МО, а также свободный обмен решениями ИИ и моделями данных. Acumos обещает запуск приложений ИИ в виде контейнеров.
Благодаря этим поддерживающим ИИ технологиям организации, которые все больше зависят от IoT, смогут сосредоточить усилия на науке о данных, не наталкиваясь на ограничения со стороны инфраструктуры.
ИИ и IoT — важнейшая комбинация, которая в ближайшие годы будет определять корпоративную стратегию в области данных.
