В прошлом году мы начали движение по новому пути раскрытия потенциала корпоративной аналитики с помощью машинного обучения. В этом году мы увидим его ускорение, пишет на портале InformationWeek Уильям Макнайт, президент McKnight Consulting Group.
Объемы корпоративных данных и аналитики и способность использовать их выходят на беспрецедентный уровень. Дело дошло до того, что меняется суть современного предприятия, что приведет к смене караула среди тех, кого мы считаем образцовыми.
Этому способствуют несколько новых подходов и платформ. Наступает действительно захватывающее время для работы с корпоративными данными и аналитикой. Вот некоторые тенденции, за которыми следует следить в наступившем году.
Усиление периферии
Встроенные базы данных на периферии инфраструктуры стали популярным направлением применения технологий БД. Теперь, когда предприятия становятся псевдофабриками ПО, выпускающими софт, создающими мобильные приложения и поддерживающими IoT, они все более активно используют встроенные БД.
Предприятия, использующие IoT, могут применять встроенные БД на периферии для копирования агрегированных данных датчиков во внутреннюю БД, когда последняя находится в режиме онлайн. Таким образом, ценность данных привносится непосредственно в операционную деятельность. В то же время данные со всех устройств обрабатываются во внутренней БД для получения аналитических материалов, необходимых для развития бизнеса.
Центральное место в этих средах занимают чипы для искусственного интеллекта. Это новое поколение микропроцессоров, специально разработанных для более быстрого выполнения ИИ-задач и потребляющих меньше энергии. Они особенно хорошо справляются с искусственными нейронными сетями и предназначены для обучения моделей машинного обучения и получения выводов на периферии.
Мы также увидим потребность в более высокой производительности аппаратных средств для периферийных вычислений, поскольку более совершенные датчики и более крупные модели ИИ теперь позволяют использовать множество новых приложений. Растет потребность в том, чтобы делать выводы из большего количества данных и затем принимать решения без отправки данных в облако. Кроме того, распределенные сайты могут быть связаны с корпоративной вычислительной средой для создания единой вычислительной среды.
Спрос на интеллектуальные приложения на периферии быстро растет, а благодаря широко доступным инструментам разработки и запуску полупроводниковыми компаниями новых функций МО, внедрение МО-приложений на периферии станет основной тенденцией. Также ожидается, что в этом году на периферии появятся графовые базы данных.
Широкое внедрение контейнерных сред
Предприятия определенно заинтересованы в контейнерных средах. Проблема, которая сдерживает контейнеризацию, заключается в том, что приложения, основанные на состоянии и нуждающиеся в постоянном хранении, в производстве опираются на устаревшую инфраструктуру. Все больше платформ распределенных РСУБД с поддержкой Kubernetes решают эту проблему в своих последних версиях.
В этом году Kubernetes расширит свою оболочку. Решение имитирует единую логическую БД, гарантируя транзакции и обеспечивая масштабируемое развертывание в регионах и кластерах без федерации.
Количество высококачественных продуктов для Kubernetes постоянно растет. Достижения в области безопасности и оркестровки также будут способствовать развитию Kubernetes.
Активное продвижение в корпоративный дизайн ИИ, основанного на данных
Далеко не все из нас увлекаются NFT-искусством, виски, музыкой или живописью, но мы можем посмотреть на это как на примеры того, на что способен дизайн на основе ИИ, и создать соответствующие мосты к нашим корпоративным проектам. Надо понимать, что эти зарождающиеся произведения искусства плохи настолько, насколько вообще может быть плох дизайн на основе ИИ. Дальше они будут только улучшаться, как и дизайн на основе ИИ на предприятии.
Игнорирование ИИ в корпоративном дизайне или отказ от него из-за представления о том, что дизайн — это полностью человеческая деятельность, в этом году чревато опасностью. Этот дизайн распространяется на технологии и ПО, которые мы разрабатываем на предприятии.
Google заявила, что чип, на разработку которого у человека ушли бы месяцы, может быть создан ее новым ИИ менее чем за шесть часов. ИИ уже используется для разработки последней итерации тензорного процессора компании.
ИИ может объяснять код на человеческом языке и предлагать улучшения. Он начинает писать код. Например, программа Probabilistic Programming for Advancing Machine Learning (PPAML) агентства DARPA разрабатывает новые технологии, улучшающие машинное обучение в вопросах.
Итак, будет ли ИИ писать бóльшую часть корпоративного кода? В конечном итоге да, причем начнется это в нынешнем году, и, возможно, всерьез начнется с AutoML, модели МО, предназначенной для выбора алгоритмов и создания других моделей МО с использованием обучения с подкреплением.
Другие тенденции в области корпоративных данных, за которыми следует следить, касаются наблюдаемости данных, каталогов данных, приложений на базе ИИ, ткани данных, потоковой аналитики и синтетических данных.
