مدير تسويق المنتجات بـ ويسترن ديجيتال: ثورة البيانات تخلق سباقًا جديدًا في عالم التخزين
مع استمرار صناعة الذكاء الاصطناعي (AI) في بناء بنى تحتية جديدة لتدريب الذكاء الاصطناعي وتقديم خدمات جديدة، تنشأ آثار مهمة حول كيفية تخزين هذه البيانات.
بفضل الذكاء الاصطناعي الذي يُنشئ بيانات جديدة ويزيد من قيمة البيانات الموجودة، يظهر سريعًا نمط دوري يؤدي إلى زيادة الحاجة إلى التخزين، مما يغذي مزيدًا من توليد البيانات. هذا يخلق ما يُعرف بـ “دورة البيانات الفاضلة في الذكاء الاصطناعي”. إن فهم هذه الدورة مهم للمنظمات التي تسعى للاستفادة من قدرات الذكاء الاصطناعي.
دورة بيانات الذكاء الاصطناعي
تتكون دورة بيانات الذكاء الاصطناعي من إطار عمل من ست مراحل. المرحلة الأولى تركز على جمع البيانات الخام وتخزينها. يتم جمع البيانات من مصادر متعددة وتخزينها، ويعد تحليل جودة وتنوع البيانات المجمعة أمرًا حاسمًا لأنه يشكل الأساس للمراحل التالية. في هذه المرحلة، يُوصى باستخدام الأقراص الصلبة ذات السعة العالية (eHDDs) لأنها توفر أعلى سعة لكل قرص وأقل تكلفة لكل بت.
المرحلة الثانية تتعلق بإعداد البيانات للاستخدام. في هذه المرحلة، تتم معالجة البيانات وتنظيفها وتحويلها للتدريب. لدعم هذه المرحلة، تعتمد مراكز البيانات بنى تخزين متطورة مثل بحيرات البيانات السريعة لدعم البيانات المعدة للاستخدام. هنا، تكون الحاجة إلى أقراص SSD ذات السعة العالية لتعزيز تخزين الأقراص الصلبة (HDD) الحالية أو لإنشاء أنظمة تخزين جديدة تعتمد كليًا على أقراص الفلاش.
ثم تأتي مرحلة تدريب نماذج الذكاء الاصطناعي لاستخدام البيانات التدريبية بهدف تقديم تنبؤات دقيقة. يحدث هذا التدريب على الحواسيب العملاقة عالية الأداء، مما يتطلب تخزينًا متخصصًا وعالي الأداء. تم تصميم أقراص التخزين الفلاش عالية النطاق (eSSDs) لتلبية الاحتياجات الخاصة بهذه المرحلة.
المرحلة التالية تتعلق بالتفاعل مع نماذج الذكاء الاصطناعي، حيث يتم إنشاء واجهة سهلة الاستخدام للنماذج. تشمل هذه المرحلة تطوير واجهات برمجة التطبيقات (APIs) ولوحات التحكم والأدوات التي تجمع بين البيانات وسياقها مع التعليمات الموجهة للمستخدم النهائي. بعد ذلك، يتم دمج نماذج الذكاء الاصطناعي في تطبيقات الإنترنت والعملاء دون الحاجة إلى استبدال الأنظمة الحالية، مما يعني أن الحفاظ على الأنظمة الحالية جنبًا إلى جنب مع الحوسبة الجديدة للذكاء الاصطناعي سيحتاج إلى تخزين إضافي. في هذه المرحلة، هناك حاجة إلى أقراص SSD الأكبر والأسرع لترقيات الذكاء الاصطناعي في أجهزة الحواسيب، وأجهزة الفلاش المدمجة عالية السعة للهواتف الذكية وأنظمة إنترنت الأشياء.
ثم تأتي مرحلة تشغيل محرك التنبؤات، حيث يتم نشر النماذج المدربة في بيئات الإنتاج لتحليل البيانات الجديدة وتوليد محتوى جديد أو تقديم توقعات في الوقت الفعلي. تُعد كفاءة المحرك أمرًا حاسمًا لتحقيق استجابات سريعة ودقيقة من الذكاء الاصطناعي. لضمان تحليل البيانات بشكل شامل، يلزم أداء تخزين قوي. يمكن استخدام أقراص SSD عالية السعة للبث أو لنمذجة البيانات في خوادم التنبؤ بناءً على حجم أو وقت الاستجابة المطلوب، كما يمكن استخدام أقراص SSD عالية الأداء للتخزين المؤقت.
أخيرًا، يتم إنشاء المحتوى الجديد باستخدام الرؤى التي تم إنتاجها من نماذج الذكاء الاصطناعي، ويتم تخزينه. هذه المرحلة تغذي الدورة مرة أخرى، مما يدفع نحو تحسينات مستمرة من خلال زيادة قيمة البيانات لاستخدامها في التدريب أو لتحليلها بواسطة النماذج المستقبلية. سيتم تخزين المحتوى المُنتَج في الأقراص الصلبة (HDDs) الخاصة بالأرشفة في مراكز البيانات، بالإضافة إلى أقراص SSD عالية السعة وأجهزة الفلاش المدمجة لأجهزة الذكاء الاصطناعي الطرفية.
دورة توليد البيانات المستدامة ذاتيًا
من خلال فهم هذه المراحل الست لدورة بيانات الذكاء الاصطناعي وامتلاك الأدوات المناسبة، يمكن للشركات تحسين استدامة التكنولوجيا لأداء الوظائف الداخلية والاستفادة من مزايا الذكاء الاصطناعي.
اليوم، يستخدم الذكاء الاصطناعي البيانات لإنتاج النصوص، الفيديوهات، الصور، والمحتويات الأخرى المثيرة للاهتمام. هذا النمط المستمر من استهلاك وتوليد البيانات يُسرع الحاجة إلى تقنيات تخزين قابلة للتوسع وقائمة على الأداء لإدارة مجموعات البيانات الكبيرة وإعادة هيكلة البيانات المعقدة بشكل فعال، مما يؤدي إلى تعزيز الابتكار.
مع تزايد دور التخزين في هذا المجال، ستصبح القدرة على الوصول إلى البيانات، وكفاءة ودقة نماذج الذكاء الاصطناعي، والمجموعات البيانية الأكبر والأكثر جودة، أمورًا ذات أهمية متزايدة. بالإضافة إلى ذلك، مع انتشار الذكاء الاصطناعي في مختلف الصناعات، يمكن للشركاء والعملاء أن يتوقعوا رؤية مزودي مكونات التخزين يُكيفون منتجاتهم مع كل مرحلة من مراحل دورة بيانات الذكاء الاصطناعي.
بقلم: بيتر هايلز
مدير تسويق المنتجات (HDD) في شركة ويسترن ديجيتال
