هوش مصنوعی نیازمند ظرفیت دو برابری برای ذخیره‌سازی داده‌ها

01

از 03

داده بیشتر، ذخیره‌سازی بیشتر، امنیت بیشتر

بر اساس این نظرسنجی، استفاده از هوش مصنوعی بسیار گسترده است، به‌ طوری که ۷۲ درصد از کسب‌وکارهای بررسی‌شده از این فناوری استفاده می‌کنند و ۲۸ درصد نیز قصد دارند در سه سال آینده آن را به‌کار گیرند.

ذخیره‌سازی ابری به‌ عنوان روش برتر برای مدیریت رشد داده‌های مرتبط با هوش مصنوعی شناخته شده است؛ به‌گونه‌ای که در سال ۲۰۲۴ حدود ۶۵ درصد از داده‌های مرتبط با هوش مصنوعی در فضای ابری ذخیره می‌شوند و این میزان تا سال ۲۰۲۸ به ۶۹ درصد افزایش خواهد یافت.

در زمینه ظرفیت ذخیره‌سازی، نتایج جالبی وجود دارد: در میان سازمان‌هایی که از ۱۰۰PB ذخیره‌سازی استفاده می‌کنند، ۸۷ درصد نقاط بررسی آموزش هوش مصنوعی را در محیط‌های ابری یا ترکیبی از هارد دیسک و SSD ذخیره می‌کنند.

ذخیره‌سازی مکرر این نقاط بررسی رایج است، به‌ طوری که ۲۸ درصد از شرکت‌ها این کار را روزانه و ۴۳ درصد به‌ صورت هفتگی انجام می‌دهند. این موضوع باعث افزایش تقاضای ذخیره‌سازی می‌شود.

همچنین کسب‌وکارها بر نگهداری طولانی‌تر داده‌های آموزشی هوش مصنوعی تمرکز دارند، چرا که این موضوع برای بهبود دقت مدل‌ها ضروری است. طبق این نظرسنجی، ۹۰ درصد از پاسخ‌دهندگان معتقد هستند که دوره‌های نگهداری طولانی‌تر باعث نتایج بهتر در هوش مصنوعی می‌شود.

شرکت‌هایی که نقاط بررسی روزانه را ذخیره می‌کنند، نشان داده‌اند که ۳۲ درصد، این داده‌ها را برای بیش از ۱۲ ماه نگه می‌دارند و ۲۹ درصد نیز بین ۶ تا ۱۲ ماه از آنها نگهداری می‌کنند. این تأکید بر ماندگاری داده‌ها، اهمیت فزاینده داده‌های تاریخی در بهبود مدل‌های هوش مصنوعی را نشان می‌دهد.

02

از 03

اولویت‌ها برای ذخیره‌سازی داده‌ها مبتنی بر هوش مصنوعی

در زمینه اولویت‌های زیرساختی، امنیت به‌ عنوان مهم‌ترین مؤلفه شناخته شده است و ۲۵ درصد از پاسخ‌دهندگان آن را در صدر فهرست خود قرار داده‌اند.

درحالی‌که ظرفیت ذخیره‌سازی با ۱۸ درصد در رتبه دوم قرار دارد. دیگر دغدغه‌های زیرساختی شامل مدیریت داده‌ها، منابع محاسباتی، ظرفیت شبکه و رعایت مقررات است.

03

از 03

مقیاس، همه‌چیز را تعیین می‌کند

همچنین شرکت‌ها به‌ طور فعال در حال تطبیق با نیازهای رو‌به‌رشد ذخیره‌سازی به دلیل استفاده از هوش مصنوعی هستند. از جمله اقداماتی که انجام شده است: ۶۱ درصد از شرکت‌ها راه‌حل‌های ذخیره‌سازی ابری مقیاس‌پذیر را به‌کار گرفته‌اند، ۵۶ درصد نرم‌افزارهای پیشرفته مدیریت داده را اجرا کرده‌اند و ۵۵ درصد زیرساخت‌های موجود خود را ارتقا داده‌اند.

علاوه بر این، ۴۹ درصد از تکنیک‌های فشرده‌سازی داده برای مدیریت حجم فزاینده داده‌های تولیدشده توسط هوش مصنوعی استفاده می‌کنند. این راهبردها نشان‌دهنده تمرکز بر راه‌حل‌های مقیاس‌پذیر و کارآمد برای انطباق با رشد نمایی ذخیره‌سازی است.

تکرار داده‌ها نیز به‌ عنوان یک راهبرد دیگر برای اطمینان از یکپارچگی داده‌ها و بهینه‌سازی نتایج هوش مصنوعی مطرح شده است. حدود ۸۰ درصد از پاسخ‌دهندگان، تکرار داده‌ها را بسیار یا به نسبت مهم برای راهبردهای هوش مصنوعی خود می‌دانند، به‌ویژه در میان سازمان‌هایی با ظرفیت‌های ذخیره‌سازی بزرگ‌تر این موضوع دیده می‌شود.

شرکت‌هایی که از بیش از ۱۰۰PB ذخیره‌سازی استفاده می‌کنند، بیشتر بر اهمیت تکرار داده‌ها برای حفظ دقت و قابلیت اطمینان مدل‌های هوش مصنوعی تأکید دارند.

با نگاه به آینده، انتظار می‌رود که ذخیره‌سازی ابری همچنان غالب باشد، چرا که کسب‌وکارها به انتقال عملیات از سیستم‌های داخلی به محیط‌های ابری ادامه می‌دهند. این روند تحت تأثیر مقیاس‌پذیری، هزینه کمتر و راحتی استفاده از راه‌حل‌های مبتنی بر فضای ابری است.