Wird KI eine Revolution in der Cloud und Datenspeicherung auslösen?
Kredit: Informationszeitalter
KI braucht Daten: viele Daten. Die Art und Weise, wie wir diese Daten in Zukunft speichern, kann sich mit der Entwicklung von Cloud und Edge Computing ändern. Wie sieht die Zukunft der KI-Datenspeicherung aus?
Es passt vielleicht, dass ein nebulöser, verschwommener Begriff wie „die Wolke“ kein definitives Geburtsdatum hat. Aber natürlich gibt es Meilensteine in seiner Entwicklung.
Viele behaupten, Mitte der 1990er Jahre sei der Begriff erstmals geprägt worden. „Sie können sich unseren elektronischen Treffpunkt als Cloud vorstellen“, sagte er David Hoffman von AT&T im Jahr 1994. Nur wenige dachten damals zu viel darüber nach. Im Trubel von Britpop und der Einführung von Netscape schien die Cloud nicht mehr als eine Metapher zu sein, eher als ein Maßstab dafür, wie wir über Daten und Online-Computing denken. Seit diesen frühen Tagen ist die Speicherung jedoch zu einem sich ständig weiterentwickelnden Thema in der Technologiewelt geworden.
1994 war auch das Jahr, in dem Jeff Bezos Amazon ins Leben rief. Damals war es undenkbar, dass Amazon 12 Jahre später Amazon Web Services schaffen und zu einem wichtigen Akteur im Cloud Computing werden würde. Noch seltsamer ist, dass der in Seattle ansässige Riese letzte Woche sein 25-jähriges Bestehen feierte und sich auf eine Zukunft freut, in der Alexa möglicherweise die Welt der Verbraucher-KI anführen wird. Sicherlich hätte nicht einmal Bezos ahnen können, wohin sein Ehrgeiz Amazon führen würde.
Der Aufstieg von Amazon vom bescheidenen Medienverteiler zum heutigen Tech-Giganten ist jedoch nicht einzigartig. Der Aufstieg der Technologie ist für so viele Unternehmen mit einer Ausweitung der Daten und der Erforschung der KI einhergegangen. Immer mehr Unternehmen benötigen immer mehr Datenspeicher: vor allem, wenn sie maschinelles Lernen erforschen wollen.
Wird KI Cloud-Architekturen beeinflussen?
Große Unternehmen haben große Anforderungen an die Datenspeicherung. Viele verlassen sich auf a hybride Cloud-Struktur Dies ermöglicht die Kombination von öffentlichen und privaten Clouds. Services lassen sich einfach über Rechenzentren verteilen und Hybrid Clouds sind besonders kostengünstig.
Unternehmen entwickeln sich jedoch weiter. 61 % der Unternehmen haben KI bereits in ihre Einrichtung integriert und es ist kaum vorstellbar, dass diese Zahl von Jahr zu Jahr steil ansteigen wird. Da die KI in so vielen Unternehmen in den Vordergrund rückt, werden mehr Daten benötigt: Terabyte um Terabyte werden benötigt, um nur ein einziges autonomes Auto anzutreiben. Stellen Sie sich also vor, unsere Straßen wären zum Beispiel voll davon.
Künstliche Intelligenz wird menschlicher werden: Sie ist ein Paradies für Sorgenmenschen, wenn man es so ausdrückt, aber sie könnte eine gute Sache für die Technologie sein.
Speicher müssen sich an dieses neue Phänomen anpassen. Es ist doch unmöglich, die Cloud mit den Datenmassen zu füllen, die maschinelles Lernen benötigt? Es ist auch wichtig, beim maschinellen Lernen mit einem Data-First-Ansatz voranzugehen: Amazon zum Beispiel hat viele Daten gesammelt, bevor es KI in seinem Unternehmen implementiert hat.
Das Wirtschaftsmodell der Cloud könnte in den kommenden Jahren ernsthaft weiter in Frage gestellt werden. Big-Data-Umgebungen erfordern viele Server, um eine Vielzahl von Geräten zu unterstützen, die alle große Datenmengen verarbeiten. Clouds bieten wirtschaftliche Mittel zur Unterstützung von Big Data, und die Verwendung von Cloud Computing für die Implementierung von Big Data senkt die interne Verpflichtung zur Verarbeitungsleistung.
Verschieben von KI von der Cloud zum Edge
Deep-Learning-Anwendungen wurden bereits erfolgreich in der Cloud bereitgestellt.
Es gibt jedoch Probleme mit Datenschutz, Bandbreite und Latenz, die von der Cloud ausgehen. Dies sind keine neuen Themen, aber in vielerlei Hinsicht ist die Cloud immer noch eine bessere Option für ambitionierte KI als Edge-Computing. Das Trainieren komplexer Deep Neural Networks (DNN) ist ein schwieriger Prozess und eher für die Cloud als für den Edge geeignet. Edge-KI-Geräte arbeiten in der Regel mit kleineren Speicher- und Leistungskapazitäten.
Es gibt eine Vielzahl von Gründen, warum KI besser für die Cloud geeignet ist, aber ebenso gibt es auch Vorteile für die Edge-KI. Edge ist weitaus sicherer als Cloud Computing, was künstliche Intelligenz enorm anspricht. Edge ist der Ort, an dem viele Unternehmen investieren, und es gibt Fälle, in denen es tatsächlich einfacher ist, Edge-basierte Apps zu entwickeln als Cloud-basierte Apps.
In naher Zukunft wird künstliche Intelligenz jedoch menschenähnlicher werden: Es ist ein Sorgenparadies, wenn man es so ausdrückt, aber es könnte eine gute Sache für die Technologie sein. Stellen Sie sich KI vor, die in einer Pyramide funktioniert: An der Spitze kommt die Intelligenz, die sie aus den Massen von Daten hervorbringt, die sie unten verarbeitet.
In Zukunft wird KI weniger auf Big Data von unten nach oben und mehr auf Argumentation von oben nach unten setzen. KI wird lernen, aus immer weniger Beispielen zu verallgemeinern. Vielleicht nimmt der Bedarf an immer mehr Cloud-Speicherplatz ab, wenn wir die künstliche Intelligenz weiterentwickeln. Ähnlich wie bei den Anfängen von Amazon ist es schwierig, die Zukunft vorherzusagen.
