Облачные вычисления

Облачные вычисления — это предоставление вычислительных услуг по требованию, включая серверы, хранилища, базы данных, сети, программное обеспечение, аналитику и аналитику, через Интернет («облако»). Вместо того чтобы владеть и поддерживать собственную вычислительную инфраструктуру, организации могут получать доступ к этим услугам от поставщика облачных услуг, такого как Amazon Web Services (AWS), Google Cloud или Microsoft Azure. Эта модель обеспечивает более быстрое внедрение инноваций, гибкие ресурсы и экономию за счет масштаба, что делает ее важной основой для современного искусственного интеллекта (AI) и машинного обучения (ML). Основная идея, как определено Национальным институтом стандартов и технологий (NIST), заключается в обеспечении повсеместного, удобного сетевого доступа по требованию к общему пулу настраиваемых вычислительных ресурсов.

Как работают облачные вычисления

Поставщики облачных услуг поддерживают глобальную сеть центров обработки данных с огромным количеством оборудования. Они предлагают услуги по различным моделям, наиболее распространенными из которых являются:

• Инфраструктура как услуга (IaaS): Предоставляет основные вычислительные ресурсы, такие как виртуальные машины, хранилище и сети. Это дает пользователям максимальный контроль и идеально подходит для пользовательских сред глубокого обучения.
• Платформа как услуга (PaaS): Предлагает платформу, позволяющую клиентам разрабатывать, запускать и управлять приложениями без сложностей, связанных с построением и обслуживанием инфраструктуры. Сюда входят управляемые базы данных и сервисы Kubernetes.
• Программное обеспечение как услуга (SaaS): Предоставляет программные приложения через Интернет на основе подписки. Ultralytics HUB является примером платформы SaaS, которая предоставляет инструменты для обучения и управления моделями компьютерного зрения.

Эта структура обеспечивает такие ключевые преимущества, как экономия средств, глобальная масштабируемость, высокая производительность и повышенная безопасность данных, которые управляются в партнерстве с такими организациями, как Cloud Security Alliance (CSA).

Важность в ИИ и машинном обучении

Облако является основным двигателем разработки ИИ сегодня. Обучение передовых моделей, таких как Ultralytics YOLO, требует огромной вычислительной мощности и данных, которые часто нецелесообразно размещать локально.

Основные варианты использования:

• Обучение мощных моделей: Облако предоставляет доступ к высокопроизводительному оборудованию, такому как GPU и TPU, необходимому для распределенного обучения на больших наборах данных. Платформы, такие как Ultralytics HUB Cloud Training, используют это для ускорения разработки моделей.
• Управление большими наборами данных: Модели AI обучаются на огромных объемах данных для обучения. Облачные решения для хранения данных предоставляют масштабируемые и доступные репозитории для этих наборов данных, от ImageNet до пользовательских коллекций для конкретных задач, таких как обнаружение объектов.
• Масштабируемое развертывание моделей: После обучения модель можно развернуть в облаке для вывода в реальном времени. Эластичная природа облака позволяет приложениям автоматически масштабироваться для обработки колебаний спроса, что является основным принципом MLOps. Вы можете узнать больше о различных вариантах развертывания моделей в нашей документации.

Применение в реальном мире

1. ИИ в автомобильной промышленности: Компании, разрабатывающие автономные транспортные средства, собирают петабайты данных о вождении. Они используют облачные кластеры GPU для обучения и проверки моделей восприятия, которые могут идентифицировать пешеходов, транспортные средства и дорожные знаки, что подробно описано на нашей странице решений ИИ в автомобильной промышленности.
2. ИИ в здравоохранении: Исследовательская больница может использовать безопасную, соответствующую требованиям HIPAA облачную среду для обучения диагностической модели для анализа медицинских изображений. Объединяя анонимизированные данные, они могут создать надежную модель, используя такую структуру, как PyTorch, для обнаружения аномалий на рентгеновских снимках или МРТ, что приведет к более быстрой и точной диагностике для улучшения ИИ в здравоохранении.

Облачные вычисления в сравнении со смежными концепциями

• Бессерверные вычисления: Бессерверные вычисления — это модель выполнения внутри облачных вычислений, а не альтернатива им. В то время как более широкие облачные вычисления могут включать управление виртуальными серверами (IaaS), бессерверные вычисления абстрагируются от всего управления серверами. Вы просто предоставляете код (в виде функций), а облачный провайдер автоматически выделяет ресурсы для его запуска, масштабируя от нуля до огромных объемов по мере необходимости.
• Edge Computing: Edge computing предполагает обработку данных локально на устройствах на "границе" сети, близко к источнику данных. Это противоположно централизованной модели облачных вычислений. Однако они часто используются вместе в гибридном подходе. Например, Edge AI-устройство, такое как NVIDIA Jetson, может выполнять начальное обнаружение объектов, а затем отправлять только релевантные метаданные в облако для долгосрочного хранения, агрегирования или более интенсивного анализа. Этот подход сочетает в себе низкую задержку edge с огромной мощностью облака. Вы можете найти больше информации в нашем блоге о развертывании приложений на edge-устройствах.