AI – הכוכבת של עידן הענן

כותב המאמר: ארז גל חן, CTO בחברת נטאפ ישראל

הבינה המלאכותית (AI) הופיעה על במת העולם לפני כ-40 שנה בתצורות בסיסיות שונות, אך בשל סיבות שונות לא התגבשה לכלי אפקטיבי שמסוגל להצעיד את האנושות קדימה. אחת המעצורים הגדולים היה נעוץ בכוח העיבוד של הנתונים שלא הספיק כדי לנתח במהירות כמויות גדולות של נתונים ולהריץ עליהם מודלים של ניבויים מדויקים. עוצמות העיבוד הבלתי מוגבלות של תשתיות הענן המתקדמות בשילוב אחסון נתונים בהיקף בלתי מוגבל אפשרו סיפקו את היכולות הללו וכן את האפשרות לצריכת תוצרי ה-AI באמצעות מגוון מכשירי קצה מכל מקום ובכל עת.

לטכנולוגיות AI (בינה מלאכותית) יש כיום את הפוטנציאל לממש את האסטרטגיה העסקית של ארגונים ולהזניק אותם קדימה. למשל, לפרוץ דרך בפיענוח מוקדם של מחלת הסרטן, לשכלל מכוניות אוטונומיות, לפתח את עולם הפינטק ועוד. על פי חברת הייעוץ מקנזי, השווי העסקי של AI לארגונים נע בין 9-15 טריליון דולר מדי שנה. מנתונים של חברת הייעוץ IDC, 87% מהמנהלים המובילים בעולם מצפים שטכנולוגיות AI יתרמו לחיזוק הקשר עם הלקוחות בשלוש השנים הקרובות.

AI – הכוכבת של עידן הענן צילום: istock

מלמידה עמוקה לגילוי מוקדם של מחלות

AI הוא עולם טכנולוגי שלם שכולל בתוכו שני תחומים: האחד הוא Machine Learning (למידת מכונה), פיתוח אלגוריתמים שמאפשרים למחשב לבצע למידה הדומה ללמידה אנושית; התחום השני והמרכזי יותר הוא של Deep Learning (למידה עמוקה), שמשתמש בכמויות עצומות של מידע (Big Data), מאתר תבניות ובסופו של דבר מנסה לייצר תובנות עמוקות.

כדוגמה ניתן להביא את עולם הבריאות: אחד התחומים שבהם ההבטחה של טכנולוגיות AI היא גדולה ביותר הוא הרפואה. ניקח למשל את התחום של רדיולוגיה ופיענוח בדיקות דימות (כגון רנטגן, CT ו-MRI). מדובר בתחום שסובל משתי בעיות עיקריות. האחת היא מחסור ברדיולוגים שיפענחו את הבדיקות והשנייה היא כמויות הקרינה הגבוהות שנדרשות לצורך הבדיקה. יש כיום סטארט-אפ בתחום הטכנולוגיות הרפואיות שעובד על פיתוח חבילת אפליקציות שיכולות לפענח בדיקות דימות בצורה יעילה יותר, באמצעות שימוש בטכנולוגיות Image Processing. זאת במקביל להפחתת כמות הקרינה הנדרשת לצורך הבדיקה. הפתרון, המבוסס טכנולוגיות AI, מסתמך על ניתוח Deep Learning של מאגרי מידע גדולים של בדיקות דימות.

הקושי לחבר את המידע כמכשול ל-AI

מאחר שעולמות ה-AI וה-Deep Learning מתבססים על כמויות עצומות של דאטה וכוח מחשוב גדול, השימוש בעננים לצורך אחסון ועיבוד המידע נפוץ מאוד. חברות רבות מתחילות לשמור את המידע בענן, כי עבורן זהו פתרון זול יותר. עם זאת, כאן גם נוצרת בעיה: בענן אין פורמט אחיד של אחסון מידע, כל ספקית והדרך שלה. הדבר מוביל לכך שאם משתמש שמר את המידע שלו בענן אחד, נדרש הליך מסובך כדי להעביר אותו לענן אחר. גם במקרה שבו חברות מאחסנות את המידע במספר עננים, אז עיבוד המידע נתקל בקשיים מאחר שקשה 'לחבר' את הידע משני העננים יחד במסגרת הניתוח.

בעיה נוספת נעוצה בעובדה שכדי לנצל באמת את הכוח של Machine Learning ו-Deep Learning, המידע בשרתי האחסון ובעננים צריך להיות AI-Ready. כך, לדוגמה, הוא צריך להיות מאורגן ומסודר בצורה מסוימת שתאפשר לטכנולוגיות AI לקרוא אותו בצורה נכונה. יש לבדוק כי הוא אינו מוטה בשל שימוש במאגר מידע מסוים. ולבסוף, להתאים לפיתוח אג'ילי (זריז), המתבסס על הפקת תובנות מחלקי מקטעים של המידע המאוחסן. ללא הצורך להסיק מסקנות רק מניתוח המידע כולו.

ניהול מידע נכון טומן פוטנציאל תחרותי צילום: istock

ניהול מידע נכון טומן פוטנציאל תחרותי

הפתרון למכשולים הללו ולמיקסום הפוטנציאל העסקי של שימוש בטכנולוגיות AI טמון בניהול נכון של המידע - מנקודות הקצה שבהן הוא נאסף ועד לאיחסונו ועיבודו בענן. הדאטה בסופו של דבר מזין את ה-AI ולכן חשוב לנהל אותו נכון.

אתגרי ניהול המידע הרלוונטיים לעולמות ה-AI, ובכלל, הובילו את NetApp לפתח את תפיסת מארג הנתונים (Data Fabric) NetApp מציעה פלטפורמה אחידה לניהול המידע בסביבות ענן היברידיות, פרטיות, של הארגון, ובפלטפורמות/עננים ציבוריים. כך שהעננים יוכלו 'לדבר' ביניהם ויהיה יותר קל לנייד את המידע ממקום למקום. בכך בעצם החברה מסייעת ללקוחות למנף את השימושים ב-AI לצורך מימוש המטרות העסקיות והאסטרטגיות שלהם.

שירותי ניהול המידע של NetApp מציעים אחידות. הם מאפשרים לארגונים גישה מהירה לנתונים שמצויים בעננים השונים ועיבוד שלהם לשם מקסום תוצאות ומינוף עסקים. השירותים של החברה מאפשרים גישה למאגרי מידע גדולים, אמינים, מה שנותן לארגון המשתמש בהם את האופציה לניתוחים מתקדמים ויצירת אנליזות. זאת תוך דגש על אג'יליות ומהירות עסקית.

בשורה התחתונה, בעידן שבו ה-AI אינו תפיסה תיאורטית אלא פרקטיקה שמיושמת ברחבי העולם, לשילוב שלו בענן יש פוטנציאל ליצירת יתרון תחרותי לחברות. אך כאמור, לצד זאת, הוא נוצרים אתגרים לא פשוטים, שניתן לפתור באמצעות ניהול נכון של המידע, גמישות וחשיבה קדימה.