（文章來源：教育新聞網(wǎng)）
HCI和邊緣計算的結(jié)合將為AI提供發(fā)展到下一個級別的工具，從而為組織提供更智能，更快速的決策。在2019年，人工智能(AI)，機器學習(ML)和高級分析對IT運營方式產(chǎn)生了重大影響。盡管AI似乎為提升IT和我們的日常生活提供了無窮無盡的可能性，但我們開始看到技術(shù)上的局限性，這些局限性并不是將AI納入其流程中的。
如何確保當今的企業(yè)和IT專業(yè)人員可以充分利用AI的潛力?進入超融合基礎(chǔ)架構(gòu)(HCI)，該基礎(chǔ)設(shè)施因其眾多的不可否認的優(yōu)勢(如簡單性，高可用性和可伸縮性)而迅速聲名狼藉。HCI以要求更簡單的管理，更少的機架空間和功耗，更少的整體供應商以及易于過渡到商用服務器而聞名。
同樣，邊緣計算在IT和業(yè)務功能方面獲得了巨大的發(fā)展動力，因為它提供了在實際創(chuàng)建數(shù)據(jù)的網(wǎng)絡邊緣處理和存儲數(shù)據(jù)的能力。反過來，這可以實現(xiàn)更高的性能，更輕松的管理，更高的安全性并顯著降低相關(guān)成本。總之，邊緣計算和HCI的結(jié)合是克服傳統(tǒng)技術(shù)局限性并將AI提升到更高水平的理想基礎(chǔ)。
當今世界越來越受數(shù)據(jù)驅(qū)動，并且該數(shù)據(jù)是在傳統(tǒng)數(shù)據(jù)中心之外創(chuàng)建的。如前所述，邊緣計算是對傳統(tǒng)數(shù)據(jù)中心之外的數(shù)據(jù)的處理，該數(shù)據(jù)是在創(chuàng)建數(shù)據(jù)的現(xiàn)場網(wǎng)絡邊緣處進行的。只需很小的硬件空間，邊緣的基礎(chǔ)架構(gòu)就可以收集，處理和減少大量數(shù)據(jù)，然后可以將這些數(shù)據(jù)移動到集中式數(shù)據(jù)中心或云中。這樣做的好處是，在創(chuàng)建數(shù)據(jù)時就對數(shù)據(jù)進行處理并做出反應，而不必在使用數(shù)據(jù)之前就通過長途發(fā)送。邊緣計算在從無人駕駛汽車，雜貨店和快速服務餐廳到能源工廠和礦山等工業(yè)環(huán)境的眾多用例中都是關(guān)鍵。
但是，尚未充分利用在邊緣捕獲的所有數(shù)據(jù)。人工智能雖然還處于起步階段，但它仍然是一種相當年輕的技術(shù)，需要大量的資源來訓練其模型。出于培訓目的，邊緣計算最適合使信息和遙測流入云中進行深度分析，然后應將在云中訓練的模型部署回邊緣。用于模型創(chuàng)建的最佳資源將始終在云或數(shù)據(jù)中心中。
一個很好的例子是下一代硅芯片公司Cerebras，它剛剛推出了創(chuàng)新的“晶圓級引擎”，該引擎專門為訓練AI模型而設(shè)計。新芯片速度驚人，擁有1.2萬億個晶體管和40萬個處理內(nèi)核。但是，所有這些都會消耗數(shù)十千瓦的電量，這使得它無法用于大多數(shù)邊緣部署。使用HCI整合邊緣計算工作負載使組織可以創(chuàng)建和優(yōu)化所謂的數(shù)據(jù)湖。數(shù)據(jù)進入數(shù)據(jù)湖后，所有應用程序都可以使用它進行分析，并且機器學習可以利用來自各種設(shè)備和應用程序的共享數(shù)據(jù)提供新的見解。
HCI通過將服務器，存儲和網(wǎng)絡整合到一個盒子中而實現(xiàn)的易用性消除了邊緣計算所伴隨的許多配置和網(wǎng)絡難題。此外，為不同地理位置的數(shù)百或數(shù)千個邊緣設(shè)備(都具有不同類型的網(wǎng)絡和接口)提供集成管理的平臺，可以避免很多復雜性，從而大大降低了運營成本。
隨著諸如智能家居設(shè)備，可穿戴技術(shù)和自動駕駛汽車等消費者進步的不斷引入，人工智能正在成長，并在日常生活中變得越來越普遍，不再僅僅局限于科幻小說。因此，它會經(jīng)歷顯著的增長并不令人驚訝，到2020年，估計將有80%的設(shè)備具有某種AI功能。從歷史上看，人工智能技術(shù)一直依賴存儲在云中的數(shù)據(jù)。但是，這可能會導致延遲，因為該數(shù)據(jù)必須先傳輸?shù)綌?shù)據(jù)中心，然后再傳輸?shù)街悄苓B接的設(shè)備(即，物聯(lián)網(wǎng)或IoT)。在許多用例中，例如無人駕駛汽車，這可能會出現(xiàn)問題，因為它們無法等待數(shù)據(jù)的往返來知道何時剎車或行駛多快。
用于AI的邊緣計算的好處是所需的數(shù)據(jù)將在設(shè)備本地存在，從而減少延遲。將數(shù)據(jù)保留在設(shè)備網(wǎng)絡的邊緣還可以存儲，訪問新數(shù)據(jù)，然后在需要時將其上傳到云中。此功能極大地有利于AI設(shè)備(例如智能手機和自動駕駛汽車)，由于網(wǎng)絡可用性或帶寬，它們并不總是可以訪問云，但依賴于數(shù)據(jù)處理來做出決策。
HCI和邊緣計算的結(jié)合為AI帶來的另一個好處是減小了外形尺寸。HCI允許技術(shù)在較小的硬件設(shè)計中運行。實際上，一些組織已開始引入高度可用的HCI邊緣計算集群，這些集群不超過一杯咖啡。HCI必須包含并包括邊緣計算，因為這樣做可以提供對AI進步至關(guān)重要的好處，并且允許該技術(shù)在無需大量人工干預的情況下運行。這使AI可以最佳地優(yōu)化其機器學習功能并提高其智能決策效率。
盡管云為AI提供了增長到幾乎所有技術(shù)設(shè)備都可以使用的水平所需的平臺，但是HCI和邊緣計算的結(jié)合將為AI提供發(fā)展到下一個水平所需的工具，從而使決策更加智能，更快。對于組織。
? ? ?
下載文檔
