هوش مصنوعی و رایانش ابری؛ فناوری‌های مکمل قرن

هوش مصنوعی در بستر رایانش ابری

توسعه بسیاری از فناوری‌های نرم‌افزاری در سال‌های اخیر، بر مبنای رایانش ابری بوده است. یکی از مهم‌ترین فناوری‌های توسعه داده شده بر این بستر، هوش مصنوعی است که دو فناوری یادگیری ماشین و یادگیری عمیق را در برمی‌گیرد. از همین‌رو، عمده شرکت‌های مشهور مانند آمازون، مایکروسافت و گوگل که در حوزه خدمات ابری پیشتاز هستند، ارائه خدمات مبتنی بر دو فناوری هوش مصنوعی و رایانش ابری را در خدمات خود گنجانده‌اند تا از این طریق بتوانند فرآیندهای خودکارسازی نرم‌افزارهای هوشمند را تکمیل کنند. در ادامه توضیح خواهیم داد که هوش مصنوعی چگونه از رایانش ابری تاثیر می‌پذیرد.

بازار هوش مصنوعی ابری

ارزش بازار هوش مصنوعی مبتنی بر رایانش ابری، در سال 2019، 5.2 میلیارد دلار بوده است و انتظار می‌رود در سال 2025 به 13.1 میلیارد دلار برسد. نرخ رشد مرکب سالانه برای این بازار در طول دوره مورد نظر، 20.3% تخمین زده شده است. عامل اصلی رشد این بازار، نرخ فزاینده پذیرش خدمات مبتنی بر ابر و تقاضای روبه رشد برای بکارگیری دستیارهای مجازی بر بستر پلتفرم‌های ابری است. افزایش بکارگیری ابر هیبریدی نیز فرصت‌های قابل توجهی را برای بازار هوش مصنوعی بر بستر ابر ایجاد خواهد کرد. تصویر زیر، نرخ رشد بازار هوش مصنوعی به عنوان سرویس به تفکیک منطقه را در بازه سال‌های 2019 تا 2024 نمایش می‌دهد.

دلایل رشد بازار هوش مصنوعی ابری

انتظار می‌رود بخش‌های مهم و حیاتی مانند حوزه بانکداری، پیاده‌سازی خدمات هوش مصنوعی مبتنی بر رایانش ابری را به میزان قابل توجهی افزایش دهند. دلیل این امر، ادامه مطالبه بخش فناوری اطلاعات برای تولید تجهیزات زیرساختی بهینه و توانایی توسعه‌دهندگان نرم‌افزاری در ترکیب اجزاء نرم‌افزارها و زیرساخت‌های مختلف برای ایجاد یک راه‌حل مبتنی بر ابر هیبریدی است. همچنین، انتظار می‌رود پذیرش سریع هوش مصنوعی در صنایع مختلف مانند خرده‌فروشی، خودرو و تولید با سرعت بالایی تحقق پذیرد. از آنجائی‌که رایانش ابری نقش حیاتی در این صنایع ایفا می‌کند، تخمین زده می‌شود که هوش مصنوعی ابری نیز بصورت نمایی در این حوزه‌ها نفوذ کند. به عنوان نمونه، در آگوست سال جاری میلادی، یک شرکت فین تکی انگلیسی، طرح خود را برای معرفی ابزارهای ارزیابی ریسک اعتباری که با استفاده از هوش مصنوعی ابری توسعه یافته‌اند، اعلام کرده است. این شرکت قصد دارد حدود 3 تا 5 میلیون دلار برای توسعه مدل‌های شخصی سازی شده و دقیق ریسک اعتباری سرمایه‌گذاری کند تا از این طریق بتواند ارزش اعتباری وام گیرندگان را با دقت بالای 80 درصد تعیین کند.

نمونه دیگر، مشارکت Google Cloud AI و موسسه Harvard Global Health در دوران همه‌گیری ویروس کرونا برای توسعه داشبوردی با هدف پیش‌بینی‌های عمومی  در رابطه با این بیماری بوده است. انتظار می‌رود این داشبورد، پیش بینی 13 روزه از موارد بستری و مرگ را در 50 ایالت امریکا ارائه کند.

بالارفتن سرمایه‌گذاری در بازار زیرساخت به عنوان سرویس، خصوصا توسط شرکت‌های کوچک و متوسط نیز عامل مهم دیگری در رشد این بازار است. از طرف دیگر، کسب و کارها نیز برای دریافت خدمات زیرساخت به عنوان سرویس، سرمایه‌گذاری بیشتری نسبت به قبل می‌کنند. پیشرفت‌های تکنولوژیکی، افزایش تقاضا برای مجازی‌سازی، فضای ذخیره‌سازی و تحلیل‌های محاسباتی از دلائل افزایش تمایل شرکت‌ها به استفاده از خدمات رایانش ابری در لایه زیرساخت است. بنابراین، ارائه‌دهندگان هوش مصنوعی مبتنی بر ابر، فرصت‌های بزرگی برای نفوذ در بازار دارند.

تصویر زیر، ارزیابی شرکت گارتنر از عملکرد ارائه‌دهندگان خدمات هوش مصنوعی ابری را نمایش می‌دهد. بر این اساس، AWS بالاترین رتبه را از هر دو جنبه چشم‌انداز و توانایی اجرا داراست.

نقش رایانش ابری در توسعه هوش مصنوعی

دو ویژگی رایانش ابری بطور بارز در عملیاتی کردن سیستم‌های AI نقش دارد؛ چراکه این سیستم‌ها نیاز به قدرت پردازشی بالا بر روی حجم منابع محدود دارند که بتوانند حجم بالایی از داده‌ها را کنترل کنند.

بات مکالمه(Chatbot): دو دهه قبل، تنها تعداد اندکی از افراد در جامعه می‌توانستند تصور کنند که بتوان با کامپیوترها مکالمه کرد. این کاری است که چت بات‌ها انجام می‌دهند. بات‌های مکالمه نقش‌های مختلفی را ایفا می‌کنند. آنها از هوش مصنوعی برای برقراری ارتباط با افراد استفاده می‌کنند. شما می‌توانید از بات‌های مکالمه سئوال بپرسید و یا یک درخواست بکنید. مکالمه با بات‌ها می‌تواند از طریق صوت یا متن باشد.

رایانش ابری شناختی: میلیون‌ها مشتری در حال حاضر از سرویس کلود برای محاسبات، شبکه و ذخیره داده‌ها استفاده می‌کنند. بنابراین رایانش ابری اطلاعات کافی برای یادگیری ماشین فراهم می‌کند. همچنین، اکوسیستم ابری، امکان توسعه برنامه‌های کاربردی با قابلیت‌های پیشرفته را فراهم می‌کند. این برنامه‌ها، تصمیم‌های مناسب اتخاذ می‌کنند و کارکردهای شناختی دارند.

رایانش ابری به سه طریق بر روی AI تاثیر می‌گذارد:

دسترسی به GPUهای پیشرفته:

واحدهای پردازنده گرافیکی انعطاف‌پذیری کمتری در مقایسه با هسته‌های پردازشی دارند. اما هر دو ساختار مشابهی در اجرای محاسبات بصورت موازی دارند. شبکه‌های عصبی عمیق، یک ساختار یکپارچه با لایه‌های مختلفی از شبکه دارند. هر لایه هزاران نورون دارد که یک محاسبه خاص را انجام می‌دهند. بنابراین، ساختار شبکه عصبی عمیق با نوع محاسباتی که واحدهای پردازنده گرافیکی انجام می‌دهند، تناسب دارد. به همین دلیل این واحدها برای یادگیری عمیق ضروری هستند.

واحدهای پردازنده گرافیکی قدرت پردازشی بالایی دارند. آنها موتور محاسباتی برای هوش مصنوعی هستند. هوش مصنوعی و یادگیری عمیق تقویت یافته با GPU، قابلیت‌های بسیاری را در ابر ایجاد می‌کنند. رایانش ابری باعث متداول شدن هوش مصنوعی می‌شود؛ چراکه عمده سخت‌افزارها قدرت محاسباتی لازم برای اجرای بهینه برنامه‌های هوش مصنوعی را ندارند. علاوه بر این، ماشین‌های مجازی دارای GPU در خدمات ابری، در قالب مدل ساعتی ارائه می‌شوند که هزینه‌ها را به میزان قابل توجهی کاهش می‌دهد.

افزایش بهره‌وری با استفاده از ابر

بسیاری از کسب و کارها از مدل سنتی ذخیره داده‌ها به ابر مهاجرت کرده‌اند. هوش مصنوعی، کاربرد خودکارسازی زیرساخت فناوری اطلاعات را افزایش داده است. به زودی، الگوریتم‌های پیچیده که از یادگیری عمیق و یادگیری ماشین استفاده می‌کنند، زیرساخت هوشمند را قدرتمندتر می‌سازند. یادگیری ماشین، استفاده از روش CI/CD هوشمند را بهبود می‌بخشد. برخی از کاربردهای هوش مصنوعی در زیرساخت فناوری اطلاعات، شامل سیستم‌های خود اصلاحی، پیش‌بینی شاخص‌ها و بهینه‌سازی هزینه است.

ابزارهای بهینه‌سازی زیرساخت

بارهای کاری AI به حجم بالایی از منابع زیرساختی IT نیاز دارند. هوش مصنوعی در کنترل، رصد و محافظت از زیرساخت IT نقش موثری دارد. این فناوری، باعث افزایش تدریجی قابلیت‌های خود مدیریتی، خود اصلاحی، خود بهینه‌سازی، خود بازیابی و خود محافظتی برنامه‌های کاربردی می‌شود. تکمیل برخی از این ابزارها نیاز به چند سال زمان دارد. هوش مصنوعی می‌تواند ناهنجاری‌ها را تشخیص دهد، وقایع ثبت شده را تحلیل کند، شرایط نگهداری ابر را پیش‌بینی و علل ریشه‌ای هر مسئله را تحلیل کند.