16 февраля 13:11
Искусственный интеллект и облака
Евгений Колбин
Генеральный директор SberCloud
Поделиться
twtg

Многие знают, что интернет-сервисы, такие как разнообразные голосовые ассистенты, обработка фотографий при помощи нейросетей, навигация, перевод текстов и многое другое, были бы невозможны без использования алгоритмов искусственного интеллекта (ИИ). Но далеко не все знают, насколько современные ИИ-сервисы зависят от облачных технологий. Причём по мере роста сложности ИИ-алгоритмов эта зависимость только возрастает.

Разработка, обучение и внедрение программных моделей (нейросетей) с каждым годом всё больше и больше мигрируют в облако. А если использующиеся в них алгоритмы действительно сложны, то и вычисления, необходимые для работы нейросети, так называемый инференс, часто производятся на высокопроизводительных облачных серверах. То есть на смартфон или компьютер пользователя приходит уже готовый результат.

По данным аналитиков, уже в 2018 году около 58% компаний, использующих технологии искусственного интеллекта, применяли облачные сервисы, а к концу прошлого года этот показатель мог вырасти до 87%. Очевидно, что компании, которые запускают крупномасштабные проекты искусственного интеллекта, как правило, делают это в партнёрстве с поставщиком облачных вычислений.

Экономические преимущества

Ещё около 10 лет назад запуск моделей машинного обучения стоил действительно дорого. Необходимо было нести серьёзные капзатраты на приобретение, эксплуатацию и обслуживание компьютерного оборудования. Обучение ИИ-моделей требует большой вычислительной мощности, и если у вас нет достаточных ИТ-ресурсов, то модель будет обучаться очень медленно.

Таким образом, разработчики стояли перед выбором: быстро обучить модель, но при этом потратить впечатляющую сумму на покупку и настройку серверов, которые будут простаивать после обучения, или сэкономить на аппаратном обеспечении, но обучать нейросеть очень медленно. Благодаря облачным технологиям появилась возможность экономить деньги, но при этом не терять в скорости. Во время обучения моделей задействуют значительные виртуальные облачные вычислительные мощности, но сразу по завершении процесса можно отключить ненужные ресурсы при помощи простого нажатия кнопки и перестать платить за них. Теперь не только компании, которые исторически инвестировали в центры обработки данных, но и бизнес, далёкий от ИТ-индустрии, и небольшие стартапы могут обучать ИИ-модели.

Что касается хранения данных, то и здесь облачные сервисы оказались незаменимы. Есть модели, которым требуется действительно большие дата-сеты. Благодаря облачным хранилищам данных компании экономят на капитальных и эксплуатационных расходах.

Высокая скорость разработки

Для создания решения с использованием машинного или глубокого обучения требуется несколько шагов: создание модели; подготовка наборов данных; модельное обучение на этих наборах; оценка производительности моделей; «дообучение» моделей для достижения наилучших результатов.

Каждый из этих шагов может занять много времени и потребовать от специалистов по анализу данных принимать не одно, а несколько решений. Облачные сервисы для разработки искусственного интеллекта ускоряют этот процесс: они могут сами выбрать наиболее надёжную модель и настроить её быстрее, чем люди.

Сегодня из-за достаточно жёсткой конкуренции между облачными провайдерами на рынке появилось множество решений, которые способствуют и ускоряют развитие ИИ для различных задач. Одним из самых новых и передовых среди подобных сервисов является ML Space от SberCloud.

ML Space — облачная платформа полного цикла разработки и реализации AI-сервисов. Она позволяет ускорить, оптимизировать и упростить процессы обучения моделей, препроцессинга данных и развёртывания моделей на высокопроизводительной инфраструктуре (до 1000+ GPU) для последующего внедрения их в микросервисы, функции и приложения. ML Space — это единственная в мире облачная платформа, позволяющая обучать ИИ-модель более чем на 1000 графических процессоров (GPU). Платформа построена на модульной архитектуре, позволяющей дополнять её различными возможностями с помощью новых модулей. На сегодняшний день ML Space превосходит многие зарубежные аналоги по целому ряду своих функциональных возможностей. При этом сервисы ML Space предлагаются по более низким ценам. С точки зрения всех возможностей ML Space и стоимости её сервисов (так называемое соотношение цена/качество) — это сегодня абсолютно топовый продукт.

Конкуренция на рынке облачных услуг вынуждает провайдеров инвестировать не только в программные, но и аппаратные решения. Среди основных направлений — применение процессоров и сопроцессоров, «заточенных» на вычисления в области машинного обучения.

ML Space, например, задействует вычислительные мощности самого мощного в России суперкомпьютера «Кристофари», построенного нами специально для работы с искусственным интеллектом. Облачная архитектура ML Space позволяет использовать «Кристофари» фактически из любой точки мира. А ведь ещё несколько лет назад такая вычислительная инфраструктура была доступна только большим корпорациям и исследовательским центрам. Облачный подход очень сильно, можно сказать, радикально демократизировал и ускорил работу с ИИ.

Сегодня в контексте искусственного интеллекта можно говорить о любом предприятии и любой отрасли, а не только о крупнейших ИТ-гигантах.

Новые вызовы

В будущем многие компании наверняка столкнутся с проблемой обучения сотрудников — менеджеров и специалистов — работе с продуктами на основе ИИ. Есть определённая сложность и в доверии к таким решениям: обычно люди чувствуют себя некомфортно, когда не понимают, как было принято решение, а нейросети — это своего рода «чёрный ящик». Зачастую объяснить все нюансы работы нейросети не могут даже её создатели.

Решить проблему нехватки data-science-компетенций способны облачные ИИ-решения «под ключ». Благодаря им даже сложные продукты становятся доступны для использования практически всем. Именно так работает наша платформа ML Space. Её модуль AutoML, созданный на основе open-source-технологии LAMA от Лаборатории искусственного интеллекта Сбера, позволяет автоматизировать процесс построения ИИ-моделей. Причём для использования модуля AutoML необязательно быть опытным специалистом по работе с данными — необходимо лишь выбрать дата-сет, определить вычислительные ресурсы и поставить задачу.

Также нельзя не отметить проблему с регуляторами, так как когда речь идёт об ИИ, то в части защиты конфиденциальности данных возникает достаточно много вопросов. В частности, крупнейшие технологические компании США — Apple, IBM, Amazon, Microsoft — ограничили использование распознавания лиц в своих продуктах.

Подводя итог, становится очевидным, что обществу и бизнесу во всём мире совместно предстоит разработка норм использования искусственного интеллекта. Когда правила хранения и использования персональных данных для ИИ вступят в силу в разных странах, бизнес-модель облачных провайдеров позволит им стать одними из первых, кто получит соответствующие сертификаты, что однозначно облегчит работу с ИИ для остальных компаний из любых сфер деятельности.

Евгений Колбин
Генеральный директор SberCloud
Поделиться
twtg
Ещё по теме Технологии
  • Сбер и Сколтех создают экосистему искусственного интеллекта для нужд медицины

    Группа компаний Сбер и Сколковский институт науки и технологий объявили о подписании сделки по созданию экосистемы для развития искусственного интеллекта в здравоохранении России. Оператором выступит созданная летом 2020 года компания СберМедИИ. Экосистема объединяет разработки научных команд Сколтеха с «облачной» инженерной инфраструктурой Сбера и станет технологическим фундаментом для создания сервисов в здравоохранении.
    28 декабря 15:12
  • Первая серия беспилотников Sber выехала на улицы Москвы для испытаний

    Первые беспилотные автомобили Sber Automotive Technologies выехали на улицы Москвы для испытаний в условиях зимнего мегаполиса: беспилотники пройдут проверку высокой влажностью, отрицательной температурой, плохой обзорностью и тяжёлой дорожной обстановкой.
    22 декабря 11:35

Мы используем файлы cookie

ПАО Сбербанк использует cookie (файлы с данными о прошлых посещениях сайта) для персонализации сервисов и удобства пользователей. Сбербанк серьезно относится к защите персональных данных — ознакомьтесь с условиями и принципами их обработки. Вы можете запретить сохранение cookie в настройках своего браузера.