داده، چالش اصلی ورود هوش مصنوعی سازمانی به مرحله تولید

با گسترش استفاده از هوش مصنوعی در سازمان‌ها، چالش اصلی دیگر فقط انتخاب مدل یا تهیه توان پردازشی نیست؛ شرکت‌ها باید داده‌های پراکنده، حساس و گاه نامنظم خود را به شکلی آماده کنند که سامانه‌های هوش مصنوعی بتوانند به اطلاعات معتبر و به‌روز دسترسی داشته باشند. رویداد مجازی Dell Technologies با عنوان «از جاه‌طلبی تا هوش مصنوعی در مقیاس» در روزهای ۶ و ۷ اکتبر به همین مسئله می‌پردازد؛ موضوعی که برای گذار از نمونه‌های آزمایشی به سامانه‌های عملیاتی اهمیت دارد.

برنامه رویداد بر مدیریت داده، ذخیره‌سازی، امنیت، حاکمیت و محل نگهداری اطلاعات در محیط‌های مختلف متمرکز است. طبق اعلام برگزارکنندگان، مدیران Dell Technologies، NVIDIA، Elastic، IREN و CTBC Bank در کنار نمایندگانی از Orbital Studios در گفت‌وگوها حضور خواهند داشت. رسانه فناوری SiliconANGLE گزارش داده است که تیم theCUBE نیز در حاشیه رویداد با مدیران و متخصصان مصاحبه می‌کند. این رسانه اعلام کرده theCUBE شریک رسانه‌ای پولی رویداد است؛ در عین حال گفته است که Dell و دیگر حامیان بر محتوای تحریریه‌ای آن کنترل ندارند.

از انتخاب مدل به آماده‌سازی داده

در مراحل اولیه پروژه‌های هوش مصنوعی، توجه سازمان‌ها معمولاً به مدل‌ها و شتاب‌دهنده‌های پردازشی معطوف می‌شود. اما با نزدیک‌شدن پروژه‌ها به محیط عملیاتی، مسئله دسترسی به داده مناسب و استفاده قابل‌اعتماد از آن برجسته‌تر می‌شود. اطلاعات لازم ممکن است در مراکز داده، فضای ابری، سامانه‌های قدیمی و نرم‌افزارهای سازمانی مختلف پراکنده باشد. بخشی از این داده‌ها نیز ساختار مشخص، برچسب‌گذاری یا توضیح کافی ندارد؛ در نتیجه یافتن اطلاعات مرتبط و فراهم‌کردن زمینه درست برای مدل می‌تواند دشوار شود.

پل نشاواتی، تحلیلگر و مدیر حوزه توسعه و نوسازی برنامه‌های کاربردی در theCUBE Research، می‌گوید داده‌های این گروه نشان می‌دهد ۸۶ درصد سازمان‌ها یکپارچه‌سازی داده را بر توان پردازشی مقدم می‌دانند. او همچنین اعلام کرده است که ۶۴ درصد تیم‌های هوش مصنوعی سازمانی، ناکافی‌بودن سرعت انتقال داده از ذخیره‌ساز را از گلوگاه‌های اصلی آموزش می‌دانند. این ارقام در مطلب SiliconANGLE به داده‌های AppDev نسبت داده شده‌اند و توضیح بیشتری درباره روش گردآوری آن‌ها ارائه نشده است.

به گفته نشاواتی، برتری سازمانی می‌تواند از فراهم‌کردن دسترسی پیوسته توسعه‌دهندگان به داده‌ای قابل‌اعتماد و تحت حاکمیت مناسب حاصل شود. منظور از حاکمیت داده، مجموعه قواعد و کنترل‌هایی است که مشخص می‌کند چه کسی، برای چه منظوری و با چه سطحی از دسترسی می‌تواند از اطلاعات استفاده کند. این ملاحظات در چرخه کامل ساخت و بهره‌برداری از سامانه هوش مصنوعی اهمیت دارند، نه فقط هنگام آماده‌سازی اولیه یک مجموعه داده.

Dell، پلتفرم AI Data Platform خود را راهکاری برای پیوند دادن ذخیره‌سازی، مدیریت داده و امنیت در محیط‌های گوناگون معرفی می‌کند؛ محیط‌هایی که می‌توانند بارهای کاری سازمانی و ارائه‌دهندگان زیرساخت ابری ویژه هوش مصنوعی را دربر بگیرند. رویداد پیش رو فرصتی برای بررسی این رویکرد است، اما اطلاعات منتشرشده در گزارش درباره نتایج مستقل یا عملکرد سنجیده‌شده این پلتفرم جزئیاتی ارائه نمی‌کند.

عامل‌ها، زمینه و جست‌وجوی دقیق

افزایش استفاده از عامل‌های هوش مصنوعی، شکل نیاز سازمان‌ها به داده را هم تغییر می‌دهد. عامل، سامانه‌ای است که می‌تواند برای انجام یک کار چند مرحله را طی کند، ابزارهای مختلف را به کار بگیرد و در مسیر رسیدن به پاسخ، بارها اطلاعات تازه جست‌وجو کند. در کاربردهای سازمانی، این عامل‌ها ممکن است سراغ منابعی فراتر از پایگاه‌های داده مرتب و انبارهای اطلاعاتی بروند؛ از جمله SharePoint، OneDrive، سرویس‌های نرم‌افزاری ابری و سامانه‌های قدیمی.

وراشانک جین از Dell Technologies می‌گوید نیاز عامل‌ها به داده از پیش آماده و مرتب‌شده، گسترده‌تر از نیاز بسیاری از برنامه‌های سنتی است. در الگوی قدیمی‌تر، مسیر جست‌وجو معمولاً قابل‌پیش‌بینی‌تر بود؛ اما عامل‌ها می‌توانند در حلقه‌های چندمرحله‌ای استدلال کنند و اطلاعات موردنیازشان را در طول کار تغییر دهند. بنابراین سازمان‌ها باید منابع بیشتری را برای استفاده آماده کنند، از جمله اطلاعاتی که پیش‌تر به‌سختی قابل جست‌وجو یا استفاده بوده‌اند.

آماده‌سازی داده به‌تنهایی کافی نیست. سامانه باید در هر مرحله اطلاعاتی را پیدا کند که به پرسش فعلی مربوط است، بی‌آنکه با حجم زیادی از زمینه غیرضروری روبه‌رو شود. «مهندسی زمینه» به طراحی این فرایند اشاره دارد: انتخاب، آماده‌سازی و ارائه اطلاعات مرتبط به مدل یا عامل. این کار می‌تواند هم بر دقت پاسخ و هم بر هزینه پردازش اثر بگذارد، زیرا مدل‌ها برای پردازش ورودی از توکن استفاده می‌کنند؛ واحدهایی از متن که سامانه آن‌ها را می‌خواند و تولید می‌کند.

سری دسیکان از Elastic در گفت‌وگوی پیش از رویداد بر آماده‌سازی زمینه پیش از نیاز عامل تأکید کرده است. به گفته او، هدف آن است که هزینه توکن کاهش یابد و دقت پاسخ حفظ یا افزایش پیدا کند. جست‌وجوی برداری، جست‌وجوی ترکیبی و رتبه‌بندی دوباره از جمله روش‌هایی هستند که در گزارش به‌عنوان گزینه‌های متناسب با گردش‌کار عامل‌ها مطرح شده‌اند. این ابزارها به سامانه کمک می‌کنند میان نتایج مختلف، موارد مرتبط‌تر را پیدا و مرتب کند.

دقت جست‌وجو فقط بر پاسخ یک پرسش اثر نمی‌گذارد. اگر عامل در یکی از مراحل اولیه اطلاعات نادرستی پیدا کند، همان خطا ممکن است در مراحل بعدی تکرار یا تشدید شود. دسیکان هشدار داده است که برای جلوگیری از انباشته‌شدن خطا، جست‌وجو باید هم اطلاعات مرتبط را بازیابی کند و هم نتایج نامرتبط را کنار بگذارد؛ دو معیاری که در بازیابی اطلاعات با عنوان فراخوانی و دقت شناخته می‌شوند.

فاصله میان نمایش آزمایشی و بهره‌برداری

ساخت یک نمایش آزمایشی موفق لزوماً به معنای آمادگی برای استفاده روزمره نیست. سامانه عملیاتی باید با تغییر مداوم داده‌ها کنار بیاید، پاسخ‌گویی سریع داشته باشد و بتواند اطلاعات تازه را وارد چرخه کند. جان فوریر از theCUBE میان یک نمایش چشمگیر و سامانه‌ای که زیر بار واقعی کار می‌کند تفاوت می‌گذارد و بر نیاز به کشف داده، تأخیر کم و رساندن داده به منابع پردازشی تأکید دارد.

جین نیز مسئله به‌روزرسانی پیوسته را از تفاوت‌های مهم میان آزمایش و تولید می‌داند. در یک نمایش، ممکن است داده‌ها از پیش انتخاب و مرتب شده باشند؛ اما در محیط واقعی، اسناد تازه دائماً وارد می‌شوند. سامانه باید بتواند این اطلاعات را شناسایی و در صورت نیاز برای پاسخ‌گویی استفاده کند. این الزام، آماده‌سازی داده را به کاری مستمر تبدیل می‌کند، نه مرحله‌ای که یک بار انجام شود و پایان یابد.

عامل‌ها همچنین ممکن است بار بیشتری بر پایگاه‌های داده بگذارند. جین گفته است که تقاضا برای پرس‌وجوهای SQL افزایش چشمگیری داشته است: عامل می‌تواند پرس‌وجویی اجرا کند، نتیجه را بررسی کند و برای رسیدن به پاسخ مطلوب، پرس‌وجو را دوباره بنویسد. او گفته است که در چنین رفت‌وبرگشتی ممکن است تعداد درخواست‌ها به حدود ۱۰ برابر گذشته برسد. این عدد به گفته جین در گزارش آمده و نباید آن را به‌عنوان نرخ عمومی برای همه سامانه‌ها در نظر گرفت.

این تغییر، طراحی ظرفیت زیرساخت را پیچیده‌تر می‌کند. سامانه‌ای که برای درخواست‌های پراکنده کاربران انسانی تنظیم شده، ممکن است برای عامل‌هایی که چندین بار و به‌صورت پی‌درپی پرس‌وجو می‌کنند کافی نباشد. جین این دگرگونی را چنین توصیف کرده که عامل‌ها به استفاده‌کنندگان تازه پلتفرم‌های داده تبدیل شده‌اند. بنابراین شرکت‌ها باید نه‌تنها نیاز کاربران انسانی، بلکه الگوی تعامل خودکار عامل‌ها با پایگاه‌ها و ابزارهای داده را هم در نظر بگیرند.

امنیت، حاکمیت و تاب‌آوری داده

گسترش دسترسی هوش مصنوعی به اطلاعات سازمانی، دامنه ملاحظات امنیتی را افزایش می‌دهد. بارهای کاری ممکن است میان ابر، مراکز داده داخلی و محیط‌های لبه توزیع شوند و در عین حال به داده‌های محرمانه یا اختصاصی متکی باشند. اگر اطلاعات حساس در محیط‌های مختلف کپی یا پردازش شود، سازمان باید بداند کجا قرار دارد، چه کسی به آن دسترسی دارد و آیا استفاده از آن با قواعد داخلی و الزامات حاکمیتی سازگار است یا نه.

کریستا کیس، تحلیلگر حوزه امنیت و تاب‌آوری سایبری در theCUBE Research، می‌گوید با ورود هوش مصنوعی به مرحله عملیاتی، محافظت از مدل و زیرساخت کافی نیست و خود داده‌ای که به سامانه زمینه می‌دهد نیز باید محافظت شود. به گفته او، پراکندگی داده میان ابر، مرکز داده و لبه می‌تواند نقاط بیشتری برای افشا یا مدیریت ناهماهنگ ایجاد کند.

در این چارچوب، تاب‌آوری سایبری به توان سازمان برای شناخت محل داده‌های مهم، کنترل شیوه دسترسی و استفاده از آن‌ها و حفظ امکان بازیابی اطلاعات وابسته است. نیاز به کنترل دقیق‌تر با رشد عامل‌ها بیشتر می‌شود، زیرا این سامانه‌ها ممکن است برای انجام کار به مجموعه‌های گسترده‌تری از داده‌های ساختاریافته و بدون ساختار رجوع کنند. شرکت‌ها باید میان دسترسی کافی برای پاسخ‌گویی و محدودیت‌های لازم برای حفاظت از اطلاعات تعادل برقرار کنند.

رویداد Dell قرار است این موضوعات را در کنار هم بررسی کند: از زیرساخت و ذخیره‌سازی گرفته تا معماری داده، عامل‌ها و ملاحظات امنیتی. طبق برنامه منتشرشده، مصاحبه‌ها و تحلیل‌های theCUBE در ۶ اکتبر برای قاره آمریکا و ۷ اکتبر برای مناطق اروپا، خاورمیانه و آفریقا و آسیاـاقیانوسیه پخش می‌شوند. حضور نمایندگان Dell Technologies، NVIDIA و Elastic در کنار مدیرانی از IREN، CTBC Bank و Orbital Studios، گفت‌وگو را به مجموعه‌ای از دیدگاه‌های شرکت‌ها و کاربران سازمانی پیوند می‌دهد.

این خبر برای چه کسانی اهمیت دارد

این بحث برای مدیران فناوری اطلاعات، معماران داده، توسعه‌دهندگان برنامه‌های سازمانی و تیم‌های امنیتی اهمیت دارد؛ به‌ویژه برای سازمان‌هایی که می‌خواهند پروژه‌های هوش مصنوعی را از مرحله آزمایش به بهره‌برداری برسانند. مدیران باید هم‌زمان به کیفیت و پراکندگی داده، سرعت ذخیره‌سازی، هزینه پردازش زمینه و نحوه دسترسی عامل‌ها توجه کنند.

برای شرکت‌هایی که عامل‌های هوش مصنوعی را به سامانه‌های داخلی متصل می‌کنند، پرسش فقط این نیست که مدل چه پاسخی می‌دهد؛ مهم است که پاسخ از چه داده‌ای ساخته شده، آیا آن داده به‌روز و مجاز بوده و اگر نتیجه نادرست باشد خطا در مراحل بعدی چگونه مهار می‌شود. رویداد Dell این چالش‌ها را در قالب گفت‌وگو درباره زیرساخت و آمادگی داده مطرح می‌کند؛ هرچند ارزیابی مستقل از محصولات یا ادعاهای تجاری نیازمند شواهدی فراتر از معرفی رویداد است.