É difícil definir e construir uma infraestrutura que permita que a IA (Inteligência Artificial) e o aprendizado de máquina se integrem às pesquisas já existentes.
Um dos maiores problemas que os centros de pesquisa enfrentam é usar um ciclo de vida de desenvolvimento que funcione com pesquisadores ao desenvolver e implantar projetos de IA.
Em vez disso, eles precisam empregar novos princípios em seu ciclo de vida de desenvolvimento englobados em ideias como AIOps (inteligência artificial para operações de TI) e MLOps (operações de aprendizado de máquina).
Outro problema é que os aplicativos modernos de IA são agrupados em outras ferramentas que podem causar o surgimento da chamada Shadow AI em uma infraestrutura de pesquisa e desenvolvimento.
“Shadow AI” refere-se à IA que não está sob o controle do departamento de pesquisa ou de TI de uma organização e pode não ter, por exemplo, segurança adequada ou medidas de governança.
Ao lidar com os desafios da infraestrutura de dados, os centros de pesquisa e instituições de ensino podem promover a colaboração e um entendimento compartilhado entre as suas equipes.
Listamos abaixo 3 obstáculos de infraestrutura quando o assunto é IA, e como você pode resolvê-los – gerenciamento, preparação e colaboração desse ambiente.
Gerenciando a infraestrutura de IA
O principal problema de infraestrutura surge da incompatibilidade entre como os modelos de IA e de aprendizado de máquina são construídos e como são implantados. Isso pode sobrecarregar os data centers dos centros de pesquisa, pois os engenheiros de dados lutam para acompanhar os novos modelos desenvolvidos por cientistas de dados.
Quando uma instituição vê atrasos nas implantações de IA, mesmo que tenha investido em mais cientistas de dados, é um sinal claro desse problema.
Uma pesquisa da empresa Algorithmia sobre tendências de aprendizado de máquina descobriu-se que, no ano passado, 83% das organizações aumentaram seus orçamentos de AI / ML e o número médio de cientistas de dados empregados cresceu 76%, mas o tempo necessário para implantar um modelo de IA, em 64% das organizações levaram um mês ou mais.
Os pesquisadores devem considerar desenvolver a infraestrutura para abordar o ciclo de vida dos projetos de IA usando uma abordagem AIOps ou MLOps que comprovou ser bem-sucedida na aceleração do desenvolvimento de software.
AIOps pode fornecer a estrutura de engenharia de dados, gerenciamento, mecanismo de governança e uma bancada de ferramentas e metodologias para executar modelos de IA em escala.
Os centros de pesquisa no início de sua jornada de infraestrutura de IA devem começar da forma mais simples possível para resolver os gargalos em seus fluxos de trabalho. Implantar uma primeira versão básica de sua solução e depois fazer o benchmarking ajudará a evitar problemas na pesquisa.
Preparando a infraestrutura de dados para IA
A infraestrutura de IA moderna é geralmente combinada a partir de vários componentes de primeira linha, com cada um lidando bem com uma tarefa.
Um dos maiores problemas de infraestrutura de IA que estamos vendo agora são as organizações que lutam para escolher a combinação certa de ferramentas para servir sua estrutura de IA.
O panorama de ferramentas de IA e ofertas específicas de IA neste espaço é tão grande que identificar a combinação certa se torna um desafio, pois as organizações se deparam com muitas opções.
Tantas ferramentas de IA dificultam para os laboratórios de pesquisa integrar os recursos que selecionam com os sistemas legados que possuem atualmente. Esta é uma das principais restrições para as organizações que tentam construir uma estrutura inteira de ferramentas de uma maneira que garanta que as ferramentas funcionem de forma coesa.
Além disso, a infraestrutura de IA também cria desafios em torno de novos ciclos de data center e tempos de ciclo mais longos, pois o desenvolvimento do design de data center certo para necessidades específicas de IA requer novas habilidades e conhecimento da carga de trabalho.
A recomendação é que a TI assuma a liderança da infraestrutura para mudar a IA de projetos isolados para algo com recursos e centralizado como um serviço compartilhado.
A centralização pode melhorar a capacidade de desenvolver e replicar um padrão de TI que garanta o equilíbrio ideal dos recursos do data center em computação, armazenamento e rede. Também pode ajudar a tirar a IA das sombras e democratizar o acesso aos serviços de IA em toda a organização.
Colaboração de engenheiros de TI e pesquisadores de IA
Outro desafio importante de infraestrutura pode surgir de uma ênfase exagerada nos modelos, em vez da infraestrutura para coordenar os dados necessários para construir modelos.
Isso pode levar a desafios na integração de IA e aprendizado de máquina aos processos de internos existentes.
A equipe de TI precisa fornecer a infraestrutura de suporte enquanto os pesquisadores de IA constroem modelos de Inteligência Artificial que beneficiam as pesquisas usando a infraestrutura de TI.
De fato, as equipes de projeto com membros de TI e engenheiros de IA devem trabalhar juntas. Isso não apenas ajuda os pesquisadores a entender melhor as pesquisas, mas também ajuda as equipes de TI a avaliar que tipos de dados precisam ser coletados para que os projetos de IA tenham sucesso.
Sobre New Route
New Route é uma empresa especializada em infraestrutura de TI moderna. Utilizamos tecnologias da Computação de Alto Desempenho (HPC) e Inteligência Artificial (IA) para trazer maior insight e melhores resultados aos projetos de pesquisa científica em diversas áreas. Soluções personalizadas com um portfólio de ponta a ponta que inclui estações de trabalho, servidores, supercomputadores, armazenamento, redes, software, sistemas e serviços. Nossa atuação vai desde o planejamento e arquitetura da solução, até a instalação, deployment e suporte técnico local. New Route, há mais de 25 anos apoiando cientistas brasileiros a realizarem descobertas transformadoras.
