- Приватный ИИ позволяет компаниям использовать технологии искусственного интеллекта, защищая при этом конфиденциальные данные и сохраняя контроль над своей интеллектуальной собственностью, считает Миленд Вагл, ИТ-директор Equinix.
- Важно оценить, соответствует ли приватный ИИ целям организации, особенно для компаний в строго регулируемых отраслях, таких как здравоохранение и финансы.
- Интегрируйте эффективные стратегии управления данными, например внедрение хранилища рядом с облаком, чтобы обеспечить эффективную передачу данных и сохранять контроль над данными при развёртывании приватного ИИ.
Миленд Вагл, ИТ-директор Equinix:Узнайте, как использовать ИИ, защищая конфиденциальность и сохраняя контроль над своими данными
Преимущества ИИ очевидны, но компаниям нужен осторожный и стратегический подход, чтобы пожинать плоды, не подвергая риску ценную интеллектуальную собственность. Именно поэтому многие компании предпочитают создавать собственные модели ИИ, размещать их на частной инфраструктуре и использовать для обучения только собственные наборы данных. Такая концепция называетсяприватным ИИ.
Многие компании уже понимают: когда конфиденциальные данные вводятся в публичные сервисы ИИ, например ChatGPT, они попадают в модель. Поэтому такие данные потенциально могут быть доступны любому, кто воспользуется моделью в будущем. В FAQ OpenAI пользователям не рекомендуют делиться чувствительной информацией с ChatGPT: удалить отдельные запросы из истории пользователя невозможно.
С приватным ИИ можно извлекать бизнес-инсайты из данных, не жертвуя конфиденциальностью или контролем над ними. Читайте дальше — вот 4 элемента, которые стоит включить в стратегию, чтобы добиться успеха с приватным ИИ.
1. Оцените, соответствует ли приватный ИИ вашим целям
Прежде всего важно понимать: приватный ИИ может подойти не всем компаниям, особенно если у них нет чёткого видения успеха с учётом их конкретной ситуации. Для компаний в строго регулируемых отраслях, таких как здравоохранение и финансовые услуги,преимущества приватного ИИочевидны. Они понимают необходимость избегать любых действий, которые могут поставить под угрозу их конфиденциальные данные, поэтому приватный ИИ становится идеальным выбором.
Компании в нерегулируемых отраслях тоже могут извлечь выгоду из приватного ИИ, но ценностное предложение не всегда очевидно. Им приходится взвешивать компромиссы: риск утечки данных против влияния на затраты и гибкость использования ИИ на публичной инфраструктуре. Некоторые компании выбирают решения публичного облака из-за кажущейся простоты доступа и экономической эффективности масштабируемых вычислительных мощностей для моделей ИИ. Однако доступ к вычислениям в публичном облаке часто оказывается дороже и сложнее, чем ожидалось, в первую очередь из-завысоких сборов за исходящий трафик.
Если предполагаемые преимущества публичной облачной инфраструктуры не перевешивают потенциальные риски, вашей компании, скорее всего, стоит выбрать приватный ИИ.
2. Включите управление данными в свою стратегию
На фоне стремительного развития технологий ИИ полезно остановиться и признать фундаментальную истину: качество ваших моделей ИИ зависит от данных, которые вы в них загружаете. Это подчёркивает важность эффективного управления данными для успешного внедрения приватного ИИ.
Нужно продумать стратегию оперативной и эффективной передачи нужных данных в нужные места. Это непросто: инфраструктура ИИ по своей природе распределена между разными площадками:
A. Собирать данные из всех ваших приложений, которые, вероятно, распределены по гибридной мультиоблачной архитектуре, для обучения моделей.
B. Разворачивать инференс-нагрузки на периферии (edge), там, где конечные пользователи взаимодействуют с моделями ИИ, чтобы источники данных находились рядом с местами обработки, — это критически важно для минимизации сетевой задержки.
C. Разворачивать обучающие нагрузки на центральной инфраструктуре с достаточной вычислительной мощностью для таких задач.
D. Обеспечить гибкую высокопроизводительную сеть между разными нагрузками для быстрой и надёжной передачи данных.
Подход«хранилище рядом с облаком»(cloud-adjacent storage) помогает построить архитектуру данных, готовую к ИИ: вы можете подключать сервисы публичного облака к вашей стратегии приватного ИИ, снижая риски, затраты и сложность. Такой подход даёт лучшее из двух миров: близость к облаку для доступа к сервисам, когда это нужно, и отдельное от облака эталонное хранилище. Такой уровень контроля над данными и есть эффективная стратегия приватного ИИ.
3. Оцените свои вычислительные потребности
Экспоненциальный рост ИИ привёл к росту спроса на мощные GPU. Производители стараются удовлетворить этот спрос, но дефицит поставок, по прогнозам, сохранится. Ограниченная доступность оборудования может помешать достижению целей приватного ИИ. Тем не менее существуют стратегии, позволяющие обойти это узкое место и получить необходимые вычислительные мощности.
Читайте также:Глубокое обучение: ИИ, усиленный Akamai из MIT и Neural Magic
Хотя GPU обычно ассоциируются с ИИ-оборудованием, другие, легкодоступные процессоры (CPU) могут справиться с менее требовательными инференс-нагрузками. Например, можно использовать решение Bare Metal as a Service, такое какEquinix Metal®, чтобы разворачивать CPU по требованию без больших первоначальных затрат.
Кроме того, для нагрузок, требующих GPU, есть альтернативы, не предполагающие управления собственным оборудованием. Например, Equinix недавно запустилаполностью управляемый приватный облачный сервиссовместно сNVIDIA. Этот сервис упрощает получение современной ИИ-инфраструктуры в комплекте с ключевыми услугами колокации, сетевого взаимодействия и управления для размещения и эксплуатации этой инфраструктуры. Решение даёт гибкость, характерную для публичного облака, и при этом позволяет сохранять контроль над данными в приватной среде.
Читайте также:Equinix предлагает полностью управляемый сервис для суперкомпьютеров NVIDIA
4. Заложите в планы устойчивость и эффективность
Опасения по поводу влияния ажиотажа вокруг ИИ на устойчивость оправданы.
Нагрузки ИИ, особенно обучающие, могут быть чрезвычайно энергоёмкими. Чтобы снизить их углеродный след, необходимо оптимизировать эффективность.
Инновации вроде жидкостного охлаждения для центров обработки данных предлагают более энергоэффективную альтернативу традиционному воздушному охлаждению. В Equinix тщательные испытания жидкостного охлаждения открыли путь к его внедрению для поддержки производственных нагрузок.
Кроме того, важно учитывать влияние размещения нагрузок на устойчивость. Оптимальное размещение — это размещение нагрузок там, где можно использовать наименее углеродоёмкую энергию из местной сети. Сотрудничество с партнёром по цифровой инфраструктуре, который инвестирует в возобновляемую энергетику, может помочь достичь этой цели.
Equinix движется к цели — 100 % возобновляемой энергии по всему миру к 2030 году. Благодаря инвестициям в соглашения о покупке электроэнергии, поддерживающие проекты возобновляемой энергетики по всему миру, Equinix позволяет клиентам вести ИИ-инициативы устойчиво.