レガシー・クラウド・プラットフォームは 、膨大な量のデータを使って人工知能 モデルをトレーニングする上で非常に有用であることが証明されている。しかし、企業が人工知能 アプリケーションのさらなる拡張と最適化を望む中、レガシー・プラットフォームは急速にその限界を見せ始めている。
アカマイの委託を受けたフォレスター社の調査では、IT リーダーや開発者がレガシー・クラウド・プラットフォームで経験している問題が明らかになりました。コンピュートリソースを エッジコンピューティングに移行することで、人工知能 推論の時代における待ち時間、帯域幅の使用量、およびコストの削減に役立つという意見に、多くの人が同意しています。
人工知能 トレーニングが人工知能 推論への道を開くにつれて、パフォーマンスとエンドユーザー・エクスペリエンスを損なうことなく、作業負荷と計算ニーズの増加に対処できるソリューションが必要になっている。
アプリケーション開発における人工知能 推論への移行が意味するもの
人工知能計算ニーズがトレーニングだけでなく推論にシフトする中、人工知能 アプリケーション開発の開発者にとってこれは何を意味するのだろうか？
J.Gold Associatesの社長兼主席アナリスト、ジャック・ゴールド氏によると、現在、トレーニングと推論のバランスは、トレーニングが80％、推論が20％である。今後3年間で、このバランスは逆転し、コンピュート・リソースは80％の推論と20％のトレーニングに集中するようになるだろうと予測している。
人工知能の推論とは、新しいデータから結論と結果を導き出すために、訓練されたモデルを使用するプロセスである。より多くのモデルが巨大なデータセットで訓練されるにつれて、次の段階は、人工知能 ソリューションの能力を拡張するために、新しい情報に対処するためにそれらのモデルを使用することである。
これは、アプリケーションにおけるパーソナライゼーションの向上、高性能、リアルタイムのデータ使用に対するユーザーの期待と相まって、現行のクラウド・ソリューションが適応しなければならないことを意味する。
コア・クラウド・アーキテクチャが追いつけない理由
人工知能 推論の目標は、人工知能 アプリケーションにおいてリアルタイムの結果とよりシームレスなユーザー体験を支援することである。しかし、レガシーなクラウド・ソリューションは、人工知能拡張と最適化を困難にする障害、より具体的には3つの重要な課題に直面している。
調査の結果、開発者とITリーダーが最も苦慮している課題は次のとおりであることが明らかになった：
- 待ち時間の問題（56％が処理の遅れに直面している）
- コスト問題（60％が保管・加工コストに苦慮している）
- スケーリングの難しさ（45％がスケーリングに問題を抱えている）
"調査回答者の大多数が、現在のクラウド戦略が、 リアルタイムでデータ主導の意思決定を アプリケーションに組み込む能力を妨げていると答えている。"
中核となるクラウド・ソリューションは、人工知能 スケーリングと最適化の要件に追いつくのにすでに苦労している。では、より効果的なソリューションはあるのだろうか？
エッジコンピューティングは、データ処理をエンドユーザーに近づけ、待ち時間の問題を軽減し、パフォーマンスを向上させる。
しかし、これにもコンプライアンスや規制への懸念、ベンダーの囲い込み、関連スキルを持つ技術者の雇用と確保の難しさなどの課題がある。エッジコンピューティングは通常、異なるアーキテクチャアプローチ、特殊なプロトコル、異なるベンダーを使用するため、運用が複雑化し、ビジネスリスクが増大する。
分散型Cloud Computing 人工知能 アプリケーション開発の次のステージへ
ITリーダーの間で 急速に普及している代替ソリューションが、分散型クラウド・コンピューティングである。この調査では、回答者の半数以上が、現在何らかの分散アーキテクチャを自己管理していると答えている。
大半の企業は、現在のクラウド戦略が、ストレージや処理能力の追加コストや、高遅延による処理遅延のために、リアルタイムでデータ主導の意思決定をアプリケーションに組み込む能力を妨げていると述べている。
エッジコンピューティングと同様、分散型クラウドアーキテクチャにより、開発者はユーザーにより近い場所からデータを提供できるようになり、アプリケーション、クラウドデータベース、ストリーミングメディア、その他のワークロードのレイテンシーとパフォーマンスが向上する。
その違いは、分散型ネットワークの一部でありながら、この形態のクラウド・コンピューティングには、サードパーティのデータセンター、オンプレミスのロケーション、プライベートクラウドのロケーションなど、データのためのさまざまな異なるロケーションを含めることができる点だ。
人工知能 推論を推進するにつれ、より多くのアプリケーションとスケーリングの機会が生まれ、それに伴い、より効率的なデータ処理方法が必要となる。
アプリケーション・ユーザーは、迅速な結果とシームレスなエクスペリエンスを期待しています。分散アーキテクチャに投資することで、開発者は最新のアプリケーションにおけるリアルタイムのデータ処理と推論の要求を満たし、ユーザーに対する企業の競争力を確保することができます。
分散型Cloud Computing どのようにビジネス目標を反映するか
一元的な管理と制御を維持しながら、エンドユーザーの近くにコンピュート・リソースを配備できる柔軟性は、調査回答者が抱いている以下のような最大の懸念に対応するものであることがわかった：
- 55％が事業リスクの増大に対する懸念に対処すると回答した。
- 54％が、コスト上昇を防ぐのに役立つと回答した。
- 49% が「価値実現までの時間を短縮できる」と回答
分散型クラウドアーキテクチャーがエッジコンピューティングに勝る点は、コアクラウドコンピューティングと同じスキルセット、アーキテクチャパラダイム、クラウドプリミティブで、人工知能 アプリケーションのデプロイと管理が容易になることだ。
その上、分散型クラウドは、アプリケーションを構築する際に、レイテンシーの短縮、スケーラビリティの向上、信頼性の改善、データに対する全体的なコントロールの強化を提供する。
乗り換えは早いに越したことはない？
アカマイと Forrester 社の調査によると、IT リーダーやアプリケーション開発者は、人工知能革新、デジタル体験の近代化、体験のパーソナライズ、データ管理の改善といった目標を優先していることがわかります。したがって、分散型クラウドの利点は、多くの開発者が求めているものと直接結びついています。
人工知能 推論にまつわる予測や、分散型クラウドセットアップへのトレンドの高まりに基づけば、分散型アプローチへの切り替えは当然の選択のように思える。早急に移行することで、市場や人工知能 技術が進化する中で競争力を維持することができる。
分散型クラウドとエッジ・コンピューティング、そしてコア・クラウド・アーキテクチャの未来に関するレポートの詳細については、今すぐ全レポートをダウンロードしてください。
* アカマイの委託を受けた Forrester Consulting の本調査では、小売、メディア、および電気通信業界の北米を拠点とするクラウド戦略の意思決定者 163 名を対象に、クラウドコンピューティングの現状について意見を求めました。
コメント