采用生成式人工智能系統可能會改變企業的云架構
2024-11-8 8:40:03 點擊：
從數(shu)據可用性和(he)安全性到大(da)型(xing)語言模型(xing)和(he)選擇和(he)監控，企業采用生成式人工智能意味(wei)著(zhu)需要重(zhong)新審視自己的云架構。
所以，很多(duo)企(qi)業(ye)正(zheng)在重(zhong)新構建云(yun)架構，同(tong)時(shi)也在開發生成式(shi)人工智能系統(tong)。那么(me)，這些(xie)企(qi)業(ye)需要做(zuo)些(xie)什么(me)改變?新興的最佳實踐是(shi)(shi)什么(me)?行業(ye)專家表示，在過(guo)(guo)去(qu)的20年(nian)里，特(te)別是(shi)(shi)在過(guo)(guo)去(qu)的兩年(nian)，他幫助企(qi)業(ye)建立(li)了一些(xie)這樣的平臺，以下是(shi)(shi)他為(wei)企(qi)業(ye)提出的一些(xie)建議：
理解(jie)自己的(de)用例
企(qi)業坱要明確定義(yi)云架(jia)構(gou)中(zhong)生(sheng)(sheng)成(cheng)式(shi)人工智能的(de)目(mu)的(de)和(he)目(mu)標(biao)。如果看(kan)到一些錯誤反(fan)復出現(xian)，那就是他(ta)們沒有理(li)解業務系統(tong)中(zhong)生(sheng)(sheng)成(cheng)人工智能的(de)含義(yi)。企(qi)業需要了解其目(mu)標(biao)是什么，無論(lun)是內容(rong)生(sheng)(sheng)成(cheng)、推薦系統(tong)還是其他(ta)應(ying)用程(cheng)序。
這意味著(zhu)企(qi)業高(gao)管需要就制(zhi)定的(de)目標(biao)達成(cheng)共(gong)識，并且明(ming)確如何實現目標(biao)，最(zui)重要的(de)是(shi)，如何定義成(cheng)功。這并非只有(you)生(sheng)成(cheng)式(shi)人(ren)工智(zhi)能(neng)才(cai)會出(chu)現。而(er)這是(shi)在每(mei)一(yi)次遷移和在云中(zhong)構(gou)建的(de)新(xin)系統(tong)獲得成(cheng)功的(de)一(yi)步。
很多企業(ye)在云(yun)平臺中開發的生成式人工智能項目都失敗了，因為他們(men)沒(mei)有很好地理解業(ye)務用例(li)。雖然(ran)企業(ye)開發的產(chan)品很酷，但不(bu)會給其業(ye)務帶來(lai)任何(he)價值。那(nei)么(me)這種方法就會行(xing)不(bu)通。
數據來源和質(zhi)量是(shi)關鍵(jian)
識別生成式人(ren)工智能模型訓練和(he)(he)推理(li)需要有(you)效的數(shu)據來源，必須是可訪問的、高質量的和(he)(he)精心管理(li)的數(shu)據。企(qi)業還(huan)必須確保云計(ji)算(suan)存儲解決方案的可用(yong)性和(he)(he)兼容(rong)性。
生成式(shi)人工智能系統(tong)是高度以(yi)(yi)數據為中心的(de)，可(ke)以(yi)(yi)稱之為數據導向系統(tong)。數據是驅動生成式(shi)人工智能系統(tong)產(chan)生結(jie)果的(de)燃料。然而，數據質量(liang)仍然是“垃圾進(jin)，垃圾出”。
因此，將(jiang)(jiang)數(shu)(shu)(shu)據(ju)(ju)可訪(fang)問性(xing)作(zuo)為云架構(gou)的(de)主要(yao)驅動因素是有幫(bang)助的(de)。企業需要(yao)將(jiang)(jiang)大多數(shu)(shu)(shu)相關數(shu)(shu)(shu)據(ju)(ju)作(zuo)為訓練數(shu)(shu)(shu)據(ju)(ju)訪(fang)問，通常將(jiang)(jiang)其保留在其存(cun)在的(de)位置，而不(bu)是將(jiang)(jiang)其遷移(yi)到單一的(de)物(wu)理(li)(li)實體(ti)(ti)。否則(ze)，最終會得到多余的(de)數(shu)(shu)(shu)據(ju)(ju)，沒有單一的(de)真相來(lai)源。考(kao)慮在將(jiang)(jiang)數(shu)(shu)(shu)據(ju)(ju)輸入人工智能(neng)(neng)模型之(zhi)前，對數(shu)(shu)(shu)據(ju)(ju)進行預處理(li)(li)和(he)(he)清理(li)(li)的(de)高效(xiao)數(shu)(shu)(shu)據(ju)(ju)管道。這確保了(le)數(shu)(shu)(shu)據(ju)(ju)質量和(he)(he)模型性(xing)能(neng)(neng)。
使用生成式人工(gong)智(zhi)能(neng)的(de)云架(jia)構(gou)80%獲得了成功(gong)。然而(er)，這是最(zui)容易被忽視(shi)的(de)因素，因為云架(jia)構(gou)師更關(guan)注(zhu)生成式人工(gong)智(zhi)能(neng)系統(tong)的(de)處理，而(er)不是為這些系統(tong)提供高質量的(de)數據，實際上(shang)，數據就是一(yi)切。
資料保護及隱(yin)私
正如(ru)數據(ju)至關重要一樣，數據(ju)的安全性和隱私性也很重要。生成(cheng)式(shi)人工智能處理(li)可(ke)以(yi)(yi)將看似無意義的數據(ju)轉化為可(ke)以(yi)(yi)暴露敏感信息的數據(ju)。
企業需要實施穩健的數(shu)據安(an)(an)(an)全(quan)措(cuo)施、加密和(he)訪(fang)問控制，以保護生(sheng)成人工智能(neng)使用的敏(min)感(gan)數(shu)據和(he)生(sheng)成人工智能(neng)可(ke)能(neng)產(chan)生(sheng)的新數(shu)據。企業需要遵守(shou)相(xiang)關的數(shu)據隱私法(fa)規(gui)。這并不意味著在(zai)企業的架構上安(an)(an)(an)裝一(yi)些安(an)(an)(an)全(quan)系(xi)統作為(wei)最后保障，而是在(zai)每(mei)個步驟中都必須將安(an)(an)(an)全(quan)性(xing)應用到系(xi)統中。
可擴展性和(he)推(tui)理資源
企業需要規(gui)劃(hua)可(ke)擴展的(de)云資源，以(yi)適應不同的(de)工作(zuo)負載和數(shu)據處(chu)理需求。大(da)多數(shu)企業都考慮自動擴展和負載平(ping)衡解決方案。而看到(dao)的(de)一個更嚴重的(de)錯誤是(shi)，構(gou)建(jian)可(ke)擴展性(xing)良(liang)好但(dan)成(cheng)(cheng)本(ben)非常高的(de)系統。最好是(shi)平(ping)衡可(ke)擴展性(xing)和成(cheng)(cheng)本(ben)，這是(shi)可(ke)以(yi)做到(dao)的(de)，但(dan)需要良(liang)好的(de)架構(gou)和云成(cheng)(cheng)本(ben)的(de)優化實踐。
另外，企業(ye)需要檢(jian)查推理資源。人們(men)已經(jing)注意(yi)到，云計算(suan)行業(ye)會議上(shang)的(de)許多(duo)新聞都是圍繞這個主題，而(er)且有充分的(de)理由(you)。選擇合適(shi)的(de)帶有GPU或TPU的(de)云實(shi)例進(jin)行模型(xing)訓(xun)練和推理。而(er)優化資源配置以(yi)實(shi)現成(cheng)本效益。
考慮(lv)模型選擇(ze)
根據企(qi)業的具體用(yong)例(li)(li)和(he)需求(qiu)選擇示例(li)(li)生成(cheng)式人工智能架構(通用(yong)對抗網(wang)絡和(he)Transformers等)。考慮(lv)使用(yong)云服務(wu)進行模型訓(xun)練（例(li)(li)如AWSSageMaker等）并找(zhao)到優化的解決方案。這(zhe)也意味(wei)著理解企(qi)業可能有許(xu)多連接的模型，這(zhe)將是常態。
企(qi)(qi)業(ye)需要(yao)實現一(yi)個健壯的模型部署策(ce)略，包括版本控制和(he)容(rong)器化，以使企(qi)(qi)業(ye)的云(yun)架構中的應用(yong)程(cheng)序和(he)服務可以訪問人(ren)工智能模型。
監(jian)控和日志(zhi)記錄(lu)
設置監控和記錄系(xi)統來(lai)跟蹤人工智(zhi)能(neng)模(mo)型(xing)的(de)性(xing)能(neng)、資源利用率和潛(qian)在問題是不可(ke)(ke)選(xuan)擇(ze)的(de)。建立(li)異(yi)常警報機(ji)制以(yi)及(ji)可(ke)(ke)觀察性(xing)系(xi)統，以(yi)處理云(yun)中生成的(de)人工智(zhi)能(neng)。
此外，持續(xu)監控和(he)(he)優(you)化云(yun)(yun)資(zi)源成(cheng)(cheng)本，因為生成(cheng)(cheng)式人工智能可(ke)(ke)能是資(zi)源密集型的(de)。使(shi)用云(yun)(yun)成(cheng)(cheng)本管(guan)理工具和(he)(he)實踐，意味著讓云(yun)(yun)成(cheng)(cheng)本優(you)化監控部署的(de)所有(you)方面——可(ke)(ke)以最小化運營成(cheng)(cheng)本，并(bing)提高架(jia)構效率佳。大(da)多數(shu)架(jia)構都需(xu)要(yao)調優(you)和(he)(he)持續(xu)改(gai)進。
其(qi)他的(de)考慮因素
需要故障轉移和冗(rong)余(yu)來確保高可用性，災難恢復計(ji)劃可以在系(xi)統故障時最大限度(du)地減少(shao)停機時間和數(shu)據丟失。必要時實(shi)現冗(rong)余(yu)。此外，定期審計(ji)和評估云(yun)基礎設施中生(sheng)成式人工智能系(xi)統的安全性。處理漏洞并維護合規性。
為人(ren)工(gong)智能(neng)(neng)的道德使用建立指(zhi)導方針是個好(hao)主意，尤其是在(zai)生成式人(ren)工(gong)智能(neng)(neng)系統生成內(nei)容(rong)或做(zuo)(zuo)出影(ying)響用戶的決(jue)(jue)策時。此外，還(huan)要解決(jue)(jue)偏見和公平問題。目前有關于人(ren)工(gong)智能(neng)(neng)和公平的訴訟，企(qi)業(ye)需要確(que)保在(zai)做(zuo)(zuo)正(zheng)確(que)的事(shi)情。企(qi)業(ye)需要持(chi)續評估用戶體(ti)驗，以確(que)保人(ren)工(gong)智能(neng)(neng)生成的內(nei)容(rong)符(fu)合用戶期望并提高(gao)參與度。
無論企業是(shi)否使用生成(cheng)式人工(gong)智能系(xi)統，云架(jia)構(gou)的(de)其他方面幾乎(hu)是(shi)相同的(de)。關鍵是(shi)要(yao)意識到有些(xie)事情要(yao)重(zhong)要(yao)得(de)多，而(er)且一直(zhi)改進云架(jia)構(gou)。
所以，很多(duo)企(qi)業(ye)正(zheng)在重(zhong)新構建云(yun)架構，同(tong)時(shi)也在開發生成式(shi)人工智能系統(tong)。那么(me)，這些(xie)企(qi)業(ye)需要做(zuo)些(xie)什么(me)改變?新興的最佳實踐是(shi)(shi)什么(me)?行業(ye)專家表示，在過(guo)(guo)去(qu)的20年(nian)里，特(te)別是(shi)(shi)在過(guo)(guo)去(qu)的兩年(nian)，他幫助企(qi)業(ye)建立(li)了一些(xie)這樣的平臺，以下是(shi)(shi)他為(wei)企(qi)業(ye)提出的一些(xie)建議：
理解(jie)自己的(de)用例
企(qi)業坱要明確定義(yi)云架(jia)構(gou)中(zhong)生(sheng)(sheng)成(cheng)式(shi)人工智能的(de)目(mu)的(de)和(he)目(mu)標(biao)。如果看(kan)到一些錯誤反(fan)復出現(xian)，那就是他(ta)們沒有理(li)解業務系統(tong)中(zhong)生(sheng)(sheng)成(cheng)人工智能的(de)含義(yi)。企(qi)業需要了解其目(mu)標(biao)是什么，無論(lun)是內容(rong)生(sheng)(sheng)成(cheng)、推薦系統(tong)還是其他(ta)應(ying)用程(cheng)序。
這意味著(zhu)企(qi)業高(gao)管需要就制(zhi)定的(de)目標(biao)達成(cheng)共(gong)識，并且明(ming)確如何實現目標(biao)，最(zui)重要的(de)是(shi)，如何定義成(cheng)功。這并非只有(you)生(sheng)成(cheng)式(shi)人(ren)工智(zhi)能(neng)才(cai)會出(chu)現。而(er)這是(shi)在每(mei)一(yi)次遷移和在云中(zhong)構(gou)建的(de)新(xin)系統(tong)獲得成(cheng)功的(de)一(yi)步。
很多企業(ye)在云(yun)平臺中開發的生成式人工智能項目都失敗了，因為他們(men)沒(mei)有很好地理解業(ye)務用例(li)。雖然(ran)企業(ye)開發的產(chan)品很酷，但不(bu)會給其業(ye)務帶來(lai)任何(he)價值。那(nei)么(me)這種方法就會行(xing)不(bu)通。
數據來源和質(zhi)量是(shi)關鍵(jian)
識別生成式人(ren)工智能模型訓練和(he)(he)推理(li)需要有(you)效的數(shu)據來源，必須是可訪問的、高質量的和(he)(he)精心管理(li)的數(shu)據。企(qi)業還(huan)必須確保云計(ji)算(suan)存儲解決方案的可用(yong)性和(he)(he)兼容(rong)性。
生成式(shi)人工智能系統(tong)是高度以(yi)(yi)數據為中心的(de)，可(ke)以(yi)(yi)稱之為數據導向系統(tong)。數據是驅動生成式(shi)人工智能系統(tong)產(chan)生結(jie)果的(de)燃料。然而，數據質量(liang)仍然是“垃圾進(jin)，垃圾出”。
因此，將(jiang)(jiang)數(shu)(shu)(shu)據(ju)(ju)可訪(fang)問性(xing)作(zuo)為云架構(gou)的(de)主要(yao)驅動因素是有幫(bang)助的(de)。企業需要(yao)將(jiang)(jiang)大多數(shu)(shu)(shu)相關數(shu)(shu)(shu)據(ju)(ju)作(zuo)為訓練數(shu)(shu)(shu)據(ju)(ju)訪(fang)問，通常將(jiang)(jiang)其保留在其存(cun)在的(de)位置，而不(bu)是將(jiang)(jiang)其遷移(yi)到單一的(de)物(wu)理(li)(li)實體(ti)(ti)。否則(ze)，最終會得到多余的(de)數(shu)(shu)(shu)據(ju)(ju)，沒有單一的(de)真相來(lai)源。考(kao)慮在將(jiang)(jiang)數(shu)(shu)(shu)據(ju)(ju)輸入人工智能(neng)(neng)模型之(zhi)前，對數(shu)(shu)(shu)據(ju)(ju)進行預處理(li)(li)和(he)(he)清理(li)(li)的(de)高效(xiao)數(shu)(shu)(shu)據(ju)(ju)管道。這確保了(le)數(shu)(shu)(shu)據(ju)(ju)質量和(he)(he)模型性(xing)能(neng)(neng)。
使用生成式人工(gong)智(zhi)能(neng)的(de)云架(jia)構(gou)80%獲得了成功(gong)。然而(er)，這是最(zui)容易被忽視(shi)的(de)因素，因為云架(jia)構(gou)師更關(guan)注(zhu)生成式人工(gong)智(zhi)能(neng)系統(tong)的(de)處理，而(er)不是為這些系統(tong)提供高質量的(de)數據，實際上(shang)，數據就是一(yi)切。
資料保護及隱(yin)私
正如(ru)數據(ju)至關重要一樣，數據(ju)的安全性和隱私性也很重要。生成(cheng)式(shi)人工智能處理(li)可(ke)以(yi)(yi)將看似無意義的數據(ju)轉化為可(ke)以(yi)(yi)暴露敏感信息的數據(ju)。
企業需要實施穩健的數(shu)據安(an)(an)(an)全(quan)措(cuo)施、加密和(he)訪(fang)問控制，以保護生(sheng)成人工智能(neng)使用的敏(min)感(gan)數(shu)據和(he)生(sheng)成人工智能(neng)可(ke)能(neng)產(chan)生(sheng)的新數(shu)據。企業需要遵守(shou)相(xiang)關的數(shu)據隱私法(fa)規(gui)。這并不意味著在(zai)企業的架構上安(an)(an)(an)裝一(yi)些安(an)(an)(an)全(quan)系(xi)統作為(wei)最后保障，而是在(zai)每(mei)個步驟中都必須將安(an)(an)(an)全(quan)性(xing)應用到系(xi)統中。
可擴展性和(he)推(tui)理資源
企業需要規(gui)劃(hua)可(ke)擴展的(de)云資源，以(yi)適應不同的(de)工作(zuo)負載和數(shu)據處(chu)理需求。大(da)多數(shu)企業都考慮自動擴展和負載平(ping)衡解決方案。而看到(dao)的(de)一個更嚴重的(de)錯誤是(shi)，構(gou)建(jian)可(ke)擴展性(xing)良(liang)好但(dan)成(cheng)(cheng)本(ben)非常高的(de)系統。最好是(shi)平(ping)衡可(ke)擴展性(xing)和成(cheng)(cheng)本(ben)，這是(shi)可(ke)以(yi)做到(dao)的(de)，但(dan)需要良(liang)好的(de)架構(gou)和云成(cheng)(cheng)本(ben)的(de)優化實踐。
另外，企業(ye)需要檢(jian)查推理資源。人們(men)已經(jing)注意(yi)到，云計算(suan)行業(ye)會議上(shang)的(de)許多(duo)新聞都是圍繞這個主題，而(er)且有充分的(de)理由(you)。選擇合適(shi)的(de)帶有GPU或TPU的(de)云實(shi)例進(jin)行模型(xing)訓(xun)練和推理。而(er)優化資源配置以(yi)實(shi)現成(cheng)本效益。
考慮(lv)模型選擇(ze)
根據企(qi)業的具體用(yong)例(li)(li)和(he)需求(qiu)選擇示例(li)(li)生成(cheng)式人工智能架構(通用(yong)對抗網(wang)絡和(he)Transformers等)。考慮(lv)使用(yong)云服務(wu)進行模型訓(xun)練（例(li)(li)如AWSSageMaker等）并找(zhao)到優化的解決方案。這(zhe)也意味(wei)著理解企(qi)業可能有許(xu)多連接的模型，這(zhe)將是常態。
企(qi)(qi)業(ye)需要(yao)實現一(yi)個健壯的模型部署策(ce)略，包括版本控制和(he)容(rong)器化，以使企(qi)(qi)業(ye)的云(yun)架構中的應用(yong)程(cheng)序和(he)服務可以訪問人(ren)工智能模型。
監(jian)控和日志(zhi)記錄(lu)
設置監控和記錄系(xi)統來(lai)跟蹤人工智(zhi)能(neng)模(mo)型(xing)的(de)性(xing)能(neng)、資源利用率和潛(qian)在問題是不可(ke)(ke)選(xuan)擇(ze)的(de)。建立(li)異(yi)常警報機(ji)制以(yi)及(ji)可(ke)(ke)觀察性(xing)系(xi)統，以(yi)處理云(yun)中生成的(de)人工智(zhi)能(neng)。
此外，持續(xu)監控和(he)(he)優(you)化云(yun)(yun)資(zi)源成(cheng)(cheng)本，因為生成(cheng)(cheng)式人工智能可(ke)(ke)能是資(zi)源密集型的(de)。使(shi)用云(yun)(yun)成(cheng)(cheng)本管(guan)理工具和(he)(he)實踐，意味著讓云(yun)(yun)成(cheng)(cheng)本優(you)化監控部署的(de)所有(you)方面——可(ke)(ke)以最小化運營成(cheng)(cheng)本，并(bing)提高架(jia)構效率佳。大(da)多數(shu)架(jia)構都需(xu)要(yao)調優(you)和(he)(he)持續(xu)改(gai)進。
其(qi)他的(de)考慮因素
需要故障轉移和冗(rong)余(yu)來確保高可用性，災難恢復計(ji)劃可以在系(xi)統故障時最大限度(du)地減少(shao)停機時間和數(shu)據丟失。必要時實(shi)現冗(rong)余(yu)。此外，定期審計(ji)和評估云(yun)基礎設施中生(sheng)成式人工智能系(xi)統的安全性。處理漏洞并維護合規性。
為人(ren)工(gong)智能(neng)(neng)的道德使用建立指(zhi)導方針是個好(hao)主意，尤其是在(zai)生成式人(ren)工(gong)智能(neng)(neng)系統生成內(nei)容(rong)或做(zuo)(zuo)出影(ying)響用戶的決(jue)(jue)策時。此外，還(huan)要解決(jue)(jue)偏見和公平問題。目前有關于人(ren)工(gong)智能(neng)(neng)和公平的訴訟，企(qi)業(ye)需要確(que)保在(zai)做(zuo)(zuo)正(zheng)確(que)的事(shi)情。企(qi)業(ye)需要持(chi)續評估用戶體(ti)驗，以確(que)保人(ren)工(gong)智能(neng)(neng)生成的內(nei)容(rong)符(fu)合用戶期望并提高(gao)參與度。
無論企業是(shi)否使用生成(cheng)式人工(gong)智能系(xi)統，云架(jia)構(gou)的(de)其他方面幾乎(hu)是(shi)相同的(de)。關鍵是(shi)要(yao)意識到有些(xie)事情要(yao)重(zhong)要(yao)得(de)多，而(er)且一直(zhi)改進云架(jia)構(gou)。
- 上一篇：云中的CI/CD管道：云托管如何加速軟件交付 2024/11/8
- 下一篇：強化多功能應用 手機銀行進入普及期 2013/5/21
