به گزارش شبکه خبری ICTPRESS به نقل از فوربس، آن‌طور که شواهد نشان می‌دهد، در سال 2019 و سال‌های بعد از آن نیز همچنان شاهد پیشرفت‌های فناوری‌های مبتنی بر ML و AI خواهیم بود.

شرکت‌هایی مانند آمازون، اپل، فیسبوک، گوگل، آی‌بی‌ام و مایکروسافت بخش عظیمی از منابع خود را صرف تحقیق و توسعه AI کرده‌اند و هرچه این فناوری به مشتریان نزدیک‌تر شود فواید بیشتری به‌دنبال خواهد داشت.

در ادامه نگاهی به 5 ترند مهم AI در سال 2019 می‌اندازیم:

1- توسعه چیپ‌های مبتنی بر AI

هوش مصنوعی برخلاف سایر نرم‌افزارها وابستگی شدیدی به پردازنده‌های تخصصی دارد، پردازنده‌هایی که در واقع مکمل CPU هستند. حتی سریع‌ترین و پیشرفته‌ترین پردازنده هم ممکن است قادر به بهبود سرعت آموزش یک مدل AI نباشد.

در سال 2019، تولیدکنندگان چیپ مانند اینتل، انویدیا، AMD، کوالکام و ARM چیپ‌های تخصصی AI را تولید و روانه بازار می‌کنند تا سرعت اجرای اپلیکیشن‌های مرتبط با AI افزایش پیدا کند؛ این چیپ‌ها برای موارد و استفاده‌های خاص و ویژه بهینه‌سازی می‌شوند.

علاوه بر این، در سال آینده شرکت‌های زیرساخت در مقیاس بزرگ مانند آمازون، مایکروسافت، گوگل و فیسبوک سرمایه‌گذاری بیشتری را در بخش چیپ‌های سفارشی مبتنی بر FPGA و ASIC انجام خواهند داد.

2- همگرایی IoT و AI در لبه!

در سال 2019، فناوری AI با IoT در لایه محاسبات لبه با هم تلفیق می‌شوند؛ بسیاری از مدل‌های آماده و آموزش داده شده در کلاود عمومی در بخش لبه به‌کار گرفته خواهند شد. 

فناوری IoT صنعتی، بیشترین حوزه‌ای است که از هوش مصنوعی استفاده می‌کند و قادر به شناسایی داده‌های بیرونی، تحلیل علل ریشه و نگهداری پیش‌بینی شده از تجهیزات است.

مدل‌های پیشرفته ML که مبتنی بر شبکه‌های عصبی عمیق هستند، برای اجرا در لبه بهینه‌سازی می‌شوند؛ به‌طور کلی IoT در حال تبدیل شدن به بزرگ‌ترین نیروی محرکه هوش مصنوعی در سطح سازمان‌ها و شرکت‌های بزرگ است.

3- توسعه تبادل شبکه عصبی باز(ONYX) 

 یکی از چالش‌های حیاتی در توسعه مدل‌های شبکه عصبی در انتخاب چهارچوب درست و مناسب است. دانشمندان و توسعه دهندگان داده ها باید مناسب‌ترین ابزار را انتخاب کنند. وقتی مدل انتخابی تعلیم داده شد و برای چارچوبی ویژه ارزیابی شد، انتقال آن به یک چهارچوب دیگر کار سختی خواهد بود.

نبود همکاری کافی بین شبکه‌های عصبی باعث ایجاد اختلال در بکارگیری AI به منظور حل چالش‌ها است. از همین رو فیسبوک، مایکروسافت و AWS در حال همکاری برای ساخت یک "تبادل شبکه عصبی باز" (ONYX) هستند.

در سال 2019، ONYX تبدیل به یکی از فناوری‌های مهم و ضروری در صنعت خواهد شد. از محققان گرفته تا سازندگان دستگاه‌های لبه، وابستگی شدیدی به ONYX خواهند داشت.

4- اهمیت AutoML در ماشین های خودران 

یکی دیگر از ترندهایی که باعث تغییر چهره راه‌کارهای مبتنی بر ML خواهد شد، AutoML است. این کار باعث تقویت آنالیزهای کسب‌وکار و توسعه دهندگان برای تحول مدل‌های یادگیری ماشین می‌شود تا از این طریق بتوان سناریوهای پیچیده را بدون نیاز به اجرای پروسه معمول آموزش مدل‌های ML مدیریت کرد.

در واقع، AutoML بهترین گزینه برای قرار گرفتن بین APIهای شناختی و پلتفرم‌های متداول ML خواهد بود. این مدل بدون اینکه فشار مضاعفی بر توسعه دهندگان وارد کند سطح مناسبی از سفارشی‌سازی را ارائه می‌کند.

5- AI با استفاده از AIOpها باعث خودکارسازی DevOps می‌شود  

اپلیکیشن‌ها و زیرساخت‌های مدرن مشغول تولید لاگ‌های داده هستند. از این لاگ‌ها برای ایندکسینگ، جستجو و آنالیتیکس استفاده می‌شود.

مجموعه‌های عظیم داده که از سخت‌افزار، سیستم‌های عامل، نرم‌افزار سرور و نرم‌افزار اپلیکیشن به‌دست می‌آید می‌تواند برای یافتن چشم‌اندازها و الگوهای مرتبط استفاده شود.

وقتی در کارهای مختلف از قدرت AI استفاده شود، روش مدیریت زیرساخت مجددا تعریف خواهد شد.

گزارش: مهندس حمید نیک روش

توئیتر: HamidNikravesh@