בינה מלאכותית ומחשוב קצה יובילו את תפיסת המחשוב העתידית. למעשה, אנו דנים בהם כבר עשרות שנים: פריצות דרך טכנולוגיות מחד ומגבלות שאנו לומדים לזהות מאידך, מזיזות את "מרכזי הכובד", כאשר המטרות נשארות זהות - לקבל את ההחלטות הנכונות ביותר במקום ובזמן התרחשות האירוע.
הצורך הוא מיידי ועכשווי. ראשית, קבלת החלטה נכונה וטובה יכולה להתקיים רק כאשר אנו מייצרים מודל מכמויות מידע גדולות ומטויבות. הנתונים העצומים יפחיתו את הסיכון לטעות. שנית, יישום האלגוריתם בקצה (Edge) עם מידע עדכני בזמן אמת בהקשר האירוע (קונטקסט). למעשה, ההקשר המדויק ביותר של המידע.
מקרי השימוש אין-סופיים ופוטנציאל המימוש הוא עצום. כבר התחלנו לחוות את השימושים והיתרונות השונים של הבינה המלאכותית ומחשוב הקצה וזוהי רק ההתחלה. בתעשיות הביטחוניות ניתן לספק תגובה מיידית לתנאי סביבה משתנים, המאפשרת לחימה באמצעות רובוטים ומזל"טים במקום חיילים. בתחום הקמעונאות מחשוב הקצה יכול לשמש כדי לעקוב אחר מלאי בזמן אמת, לזהות מגמות ולהתאים אישית את חוויות הלקוח. תעשיית הבריאות גם היא יכולה להרוויח משמעותית באמצעות מעקב אחר הסימנים החיוניים של המטופלים בזמן אמת, אספקת טיפול מרחוק והנגשת שירותי מומחה במקומות מרוחקים. שימושים נוספים ניתן למצוא בתעשיית ההובלה והשינוע, ערים חכמות, חקלאות והזרוע עוד נטויה.
התפקיד של מחשוב הקצה מתעצם
לתחומים הללו יש דרישות שונות שיש למזג כדי ליצור את הערך הייעודי להם. כלל בסיסי בסטטיסטיקה הוא שככל שהמידע רב ורלוונטי יותר, הסיכוי לטעות קטן יותר. לשם כך, עלינו לחקור כמויות אדירות של נתונים באמצעות כוח מחשוב עצום וארכיטקטורות המיועדות לכך. התוצאה היא מחשבים עם כוח מחשוב גבוה, זיכרון מהיר, אחסון מהיר, תקשורת מהירה בין מעבדים, כאשר ההשפעה המיידית היא מרכזי מחשוב עם מערכות קירור ושיהוי קישוריות מינימלי. דרישות אלה זמינות בדרך כלל במרכזי נתונים גדולים.
מחשוב קצה היא ארכיטקטורת מחשוב מבוזרת המקרבת את המחשוב ואחסון הנתונים למקורות הנתונים. כאן הכל שונה - החלל קטן, אין חשמל יציב, מערכות הקירור מוגבלות, התקשורת חלשה ובנוסף לכך, קיימים סיכוני אבטחה פיזיים המוסיפים למורכבות. הצפי למחשוב הקצה צומח במהירות עם כניסת רכבים אוטונומיים, רחפני משלוחים ורובוטים. ככל שמספר ההתקנים המחוברים וכמות המידע
שנוצרו על ידי אותם מכשירים ימשיכו לגדול, מחשוב הקצה ימלא תפקיד חשוב יותר ויותר בעיבוד ובשימוש בנתונים. אנליסטים צופים כי עד שנת 2025, כמעט 70% מהמידע ייווצר ויעובד מחוץ למרכזי הנתונים.
בינה מלאכותית בקצה זוהי פריסה של אפליקציות ומודלים על מכשירים ומערכות הממוקמים בקצה הרשת, מה שמאפשר להפעיל יישומי AI בזמן אמת מבלי להעביר נתונים למרכזי נתונים או לענן מרכזי לעיבוד. רוב ספריות הבינה המלאכותית וכלי הניתוח המסורתיים נכתבים בקוד פתוח, כאשר אחת הדוגמאות האחרונות היא שיתוף הפעולה בין מיקרוסופט לפייסבוק בפרויקט Llama 2 החינמי, המיועד לשימוש מסחרי ולצורך מחקר. בעצם, הקוד הפתוח מהווה את הבסיס לעולם העשיר של הבינה המלאכותית.
התכנון, היישום והתחזוקה של מערכת אלה יהיו שונים לחלוטין. מערכות אוטונומיות, תפעול עצמי, התקנה מרחוק באזורים לא נגישים, השמדה עצמית, הפחתת סיכונים - כל אלה ישנו את מבנה ה-IT ואנחנו נקבל שילוב בין ה-IT המסורתי יחד עם מכונות שיחלקו תפקידים ואחריות.
שילוב הטכנולוגיות בשוק - הלכה למעשה
אנו חווים ונחווה השקעות רבות של חברות גדולות ברכיבי מחשוב עם "פורמט קטן", מעבדים ומכשירים המכוונים לקצה. כמו כן, נראה ספריות AI חדשות ומשופרות המותאמות לפשטות ביצועים, פיתוח, גמישות לשינוי והתאמה כדי לאפשר פיתוח וריצה. כבר היום חברות הענק מחפשות גם קוד פתוח ואת הקהילות שייבנו סביבן. בנוסף, השילוב בין ספריות, כלי פיתוח, מפתחים ומומחי נתונים הוא השילוב המנצח. אנו נרצה ממשק פשוט, שינגיש את המידע בצורה פשוטה ומובנת לאינטראקציה, מוטה אנושית ומוטה מכונה. אנו מזהים מאמץ ניכר בפיתוח חבילות פיתוח לניצול המעבדים ורכיבי הזיכרון המקומיים.
צוות המומחים של רד האט ((Red Hat ישראל עוזר ללקוחותינו להבין ולמצות את הערך של פלטפורמה זו על בסיס קוד פתוח. אנו מלווים ארגונים בתהליך היישום של פתרונות משמעותיים, בתמיכה מלאה של עובדים בעלי מומחיות וניסיון רב בתחום. בשנים האחרונות ביצענו בישראל שורה של פרויקטים, כאשר היכולות משתכללות מפרויקט לפרויקט. אנו רואים צמיחה מעריכית בשימוש בפלטפורמת Red Hat OpenShift עם יכולות MLops וניצול ספריות לימוד AI בקוד פתוח לבניית פתרונות מהירים ובעלי ערך והוספת העוצמה של ארכיטקטורת ה-Edge למימוש במקום, בזמן ובהקשר הנכון.
לאתר החברה >>
הכותבים הם ארכיטקטי פתרונות
ברד האט ישראל
בשיתוף רד האט ישראל
