< p>Спонсорские предприятия заняты попытками выяснить, как они могут использовать GenAI, чтобы продвинуться вперед на своих рынках.
Они видят множество потенциальных вариантов использования, которые могут извлечь выгоду из ИИ, включая поддержку клиентов, ИТ. управление операциями, профилактическое обслуживание, финансовая отчетность/бухгалтерский учет, подбор персонала и многое другое. Похоже, нет предела тому, где и как можно применять умные технологии.
Приложения GenAI модернизируют такие отрасли, как медиа, развлечения, розничная торговля, производство, ИТ и телекоммуникации. Фактически, глобальный рынок GenAI был оценен в 13 миллиардов долларов в 2023 году и, по прогнозам Grand View Research, будет расширяться с годовым темпом роста 36,5 процента с 2024 по 2030 год.
Тем не менее, несмотря на все потенциальные предложения GenAI, невозможно уйти от того факта, что большинству организаций сложно начать работу с технологией, часто им мешает отсутствие опыта и сложность инфраструктуры и процессов, необходимых для ее успеха.
Это особенно верно, когда речь идет об обработке синтетических данных, которые являются основой многих приложений GenAI. Синтетические данные — это прогнозируемая информация, основанная на исторических данных.
Они генерируются искусственно, а не собираются на основе реальных событий, и обычно создаются с использованием алгоритмов, компьютерного моделирования или других методов для имитации статистических свойств и закономерностей реальных событий. данные.
Последняя из моделей искусственного интеллекта Llama 3.1 от Meta показывает, что синтетические данные также используются для обучения. Llama 3.1 была предварительно обучена на ~15 триллионах токенов данных из общедоступных источников. Данные тонкой настройки включают общедоступные наборы данных инструкций, а также более 25 миллионов синтетически сгенерированных примеров.
Эта информация предоставляет обильные и разнообразные наборы данных для обучения моделей AI/ML, особенно когда реальных данных мало, их сбор дорог или они конфиденциальны. Это позволяет тестировать производительность модели в различных сценариях, включая пограничные случаи и редкие события, которые могут быть не очень хорошо представлены в реальных данных. Gartner прогнозирует, что к 2027 году 75 процентов предприятий будут использовать для создания синтетических данных о клиентах, используемых в различных приложениях следующего поколения — по сравнению с менее чем 5 процентами всего год назад.
Но предприятия изо всех сил пытаются использовать ИИ и синтетические данные в своих интересах, часто обнаруживая, что их устаревшая вычислительная, сетевая и инфраструктура хранения данных не может поддерживать их амбиции. Они также не могут гарантировать, что принимаемая и обрабатываемая конфиденциальная информация может быть должным образом защищена в соответствии со все более строгими правилами конфиденциальности данных. Таким образом, трансформация бизнес-процессов является четким требованием.
Использование возможностей GenAI
Если предприятие собирается использовать возможности и потенциал GenAI для получения прибыли в ежедневном производстве, ему нужен хороший план. И этот план должен включать универсальную платформу управления/разработки данных, которую могут использовать как можно больше сотрудников в различных отделах.
Почему? Использование разрозненной инициативы GenAI (различные поставщики для обработки больших языковых моделей, библиотек данных, хранения и обмена данными, платформы разработки, безопасности, конфиденциальности данных и т. д.) означает, что необходимо будет нанимать специалистов для обработки каждой из этих сущностей и что придется постоянно жонглировать многочисленными лицензиями. Наконец, всегда есть опасения, что эти различные подвижные части потенциально могут не работать вместе оптимально — сейчас или в долгосрочной перспективе.
Наибольшее потенциальное преимущество развертывания фирменного решения платформы GenAI, такого как GPT-in-a-Box от Nutanix, заключается в том, что оно предоставляет пользователям согласованный набор инструментов, сервисов данных и передовых методов для ускорения разработки и использования их приложений ИИ. Это может помочь снизить операционную сложность и затраты по сравнению с подходом с несколькими поставщиками, где пользователям необходимо изучать и управлять несколькими инструментами и платформами.
Компания Nutanix из Сан-Хосе, Калифорния, стремится предоставить пользователям возможность запускать свои рабочие нагрузки ИИ на своих собственных условиях, с необходимой им безопасностью и защитой данных, избегая при этом затрат на вывод, связанных с развертыванием публичного облака, заявляет компания.
«Эта (текущая) версия GenAI является преобразующей и разрушительной», — говорит Дебо Дутта, вице-президент по инжинирингу и ИИ в Nutanix. «При правильном использовании, эффективной эксплуатации и возможности адаптации она может снизить итоговые эксплуатационные расходы».
Дутта продолжает: «Во второй половине 2024 года не так много компаний, которые ежедневно внедряют свои инициативы GenAI. Но хотя это только начало относительно нового цикла GenAI, инструменты уже доступны, и время имеет решающее значение, когда речь идет о конкуренции на рынке. Ранние последователи, которые быстро запускают и запускают свои наборы инструментов GenAI, готовятся получить прибыль скорее раньше, чем позже».
«Нашим корпоративным пользователям нужно будет взглянуть на последовательный набор инструментов и лучших практик/процессов для ускорения своих приложений GenAI», — добавил Датта. «Чтобы сделать это, мы считаем, что находимся в чрезвычайно выгодном положении, чтобы предоставить им полный набор полнофункциональных решений и правильные партнерства».
Нашим корпоративным пользователям нужно будет взглянуть на последовательный набор инструментов и лучших практик/процессов для ускорения своих приложений GenAI.
Как Nutanix предоставляет свое программное обеспечение и услуги GenAI
Nutanix помогла стать пионером гиперконвергентной инфраструктуры (HCI), объединив вычислительные и хранилищные ресурсы в единую масштабируемую платформу, чтобы упростить управление центром обработки данных и снизить сложность и затраты для предприятий. Секрет платформы Nutanix заключается в ее службах данных, утверждает компания, которые были созданы для предоставления радикально простой вычислительной и хранилищной инфраструктуры для внедрения виртуализации корпоративного класса без сложного и дорогостоящего сетевого хранилища (SAN или NAS), масштабируемого для управления петабайтами данных при одновременной работе миллионов контейнеризированных микросервисов и виртуальных машин.
Он также предлагает интегрированные службы данных и безопасность, разработанные для того, чтобы помочь предприятиям поддерживать конфиденциальность и целостность рабочих нагрузок AI/ML и данных, которые они хранят и обрабатывают. Он продолжил разработку своего продукта GenAI, интегрировав его в облачную платформу Nutanix, что обеспечивает огромную масштабируемую емкость для рабочей нагрузки любого размера.
Дутта описывает три столпа, на которых основана стратегия GenAI компании Nutanix, следующим образом:
— ИИ на облачной платформе Nutanix:Предоставление единой унифицированной платформы для подключения генеративных рабочих нагрузок ИИ клиентов и управления их данными в архитектуре Nutanix.
— ИИ с операциями второго дня в Nutanix: Сосредоточение на эксплуатации постоянной скорости изменений среды ИИ, включая обновления, модернизацию, безопасность и управление. Готовность к работе в масштабе гарантирует, что вы сможете адаптироваться по мере изменений.
— ИИ в Nutanix:Использование ИИ и генеративного ИИ для повышения эффективности внутренних процессов и бизнеса Nutanix. Этими знаниями также можно поделиться с пользователями.
Все это воплощено в решении компании GPT-in-a-Box. Существует целый набор инструментов и сервисов в одном месте, чтобы пользователи могли выбрать те, которые они хотят развернуть в первую очередь, во вторую и третью очередь, в соответствии со своей собственной стратегией GenAI.
Текущие варианты использования GPT-in-a-Box
Дутта описал несколько доминирующих типов вариантов использования, которые Nutanix определила в начале эпохи GPT-in-a-Box.
«Мы часто видим клиента, у которого есть свой частный корпус данных, и он хочет иметь возможность поиска и диалогового интерфейса для этих данных», — сказал Датта. «Одним из наших первых клиентов было федеральное агентство, у которого была такая потребность, и они также хотели заниматься обнаружением мошенничества. Вот для чего они сейчас это используют».
Второй вариант использования — когда предприятия хотят автоматизировать создание кода: «Помощник по коду, второй пилот кода, частная версия — не то, что работает в облаке на их кодовой базе — на их территории, на их собственных условиях», — сказал Датта. Третий распространенный сценарий обычно включает клиентов из сферы здравоохранения или производства, у которых есть много закрытых, нормативных данных, которые они хотят иметь возможность искать и суммировать, и которые создают дополнительных пилотов, ботов поддержки и частные хранилища данных, чтобы помочь им в этом.
Наконец, фокус Nutanix на помощи клиентам в создании гибридного мультиоблака помогает гарантировать, что компании могут управлять производством ИИ где угодно, от периферии до публичных облаков. По мере обучения моделей ИИ вывод и настройка могут и должны выполняться полностью под контролем предприятия.
«Мы видим, что все больше клиентов спрашивают об их операциях на второй день работы с генеративным ИИ, который включает в себя ИИ в производстве в общедоступном облаке», — сказал Датта. «Они хотят перенести его в частную инфраструктуру, чтобы сэкономить затраты, а также проводить частные и безопасные операции вывода». Когда вы возвращаете его [рабочую нагрузку ИИ] обратно в свою инфраструктуру, которую вы контролируете, вы не платите за каждый запрос вывода, и это хорошая экономия средств».
Nutanix также объявила о партнерстве с Hugging Face и Nvidia за свою платформу GPT-in-a-Box Эти партнерства направлены на предоставление согласованного набора инструментов и передовых методов, которые помогут корпоративным пользователям ускорить работу их приложений искусственного интеллекта. Например, GPT-in-a-Box находится в стадии разработки для интеграции. с микросервисами вывода Nvidia NIM, входящими в состав Nvidia AI Enterprise, и с проверенными LLM Hugging Face, позволяющими клиентам более уверенно развертывать и запускать рабочие нагрузки GenAI.
Компания также открыта для поддержки GPT-in- a-Box на других облачных платформах за пределами собственной частной инфраструктуры в будущем. Дополнительную информацию можно найти на следующих ресурсах:
— Что такое искусственный интеллект?
>
— Влияние искусственного интеллекта на предприятия: президент и генеральный директор Nutanix Раджив Рамасвами
— GPT-in-a-Box 2.0 уже здесь и предлагает четыре способа начать работу с GenAI: Nutanix
< p> При поддержке Nutanix.
