با درک مفهوم فناوری هوش مصنوعی، یک حقیقت احتمالاً تکان دهنده در حال ظهور است: قدرت هوش مصنوعی سرورها یا حتی پردازنده‌های گرافیکی نیست، بلکه داده‌ها هستند. داده‌ها الگوریتم‌هایی را شکل می‌دهند که منجر به خدمات و بینش‌های موفقیت‌آمیز می‌شوند. با این حال برای به دست آوردن ارزش از داده ها و استفاده از فرصت های جدید ارائه شده توسط هوش مصنوعی، روش ذخیره سازی داده ها و در دسترس قرار دادن آنها در اختیار کاربران خود باید تغییر کند. داده ها باید به طور پایدار و اقتصادی ذخیره شوند، اما همچنین باید همیشه به راحتی در دسترس باشند. یک رویکرد فناوری چندذخیره‌ای جدید مبتنی بر ذخیره‌سازی اشیاء رمزگذاری‌شده با پاک کردن، می‌تواند این اهداف متناقض تاکنون را با هم سازگار کند.
امکانات جدید هوش مصنوعی فرصت‌های حیرت‌انگیز جدیدی را ارائه می‌کند و به رقابت فناوری جدید در هر صنعتی دامن می‌زند. داده‌های غیرفعال و آفلاینی که بسیاری از سازمان‌ها اغلب برای دهه‌ها ذخیره می‌کردند، اکنون می‌توانند برای تقویت و آموزش مدل‌های هوش مصنوعی و تحریک دورهای جدید استخراج ارزش استفاده شوند. با این حال، برای موفقیت، سازمان‌ها به فناوری‌های ذخیره‌سازی داده مناسب نیاز دارند که عملکرد بالا، پایدار، مقرون‌به‌صرفه باشند و داده‌ها را به راحتی برای نیازهای منحصربه‌فرد این جریان‌های کاری داده جدید در دسترس قرار دهند.
نوار از نظر پایداری و هزینه مزایایی را ارائه می دهد
در گذشته، فرض بر این بود که اکثر داده‌های بدون ساختار هرگز پس از اولین استفاده مورد نیاز نخواهند بود – یا اگر چنین بود، به ندرت. بر این اساس، ذخیره چنین داده هایی که به ندرت استفاده می شوند در یک آرشیو طولانی مدت یا “سرد” منطقی است. به دلیل هزینه پایین، دوام و پایداری، رسانه انتخابی برای این کار معمولاً نوار چسب بود. علاوه بر این، مجموعه‌های نوار ارزان‌قیمت را می‌توان برداشته و در خارج از سایت ذخیره کرد. با این حال، این استراتژی در جایی که نیاز به دسترسی و استفاده مجدد از داده‌های آرشیو شده است، امکان‌پذیر نیست و این امر به ویژه هنگام غربال کردن و سازماندهی داده‌ها برای آموزش مدل هوش مصنوعی صادق است.
در عصر هوش مصنوعی، داده های سرد باید به راحتی در دسترس باشند
مدل‌های هوش مصنوعی بر روی مقادیر زیادی از داده‌های بدون ساختار آموزش داده می‌شوند. هر چه داده های بیشتری را بتوان به آموزش وارد کرد و بهتر بتوانید آن ها را برچسب گذاری کنید و برای تمرین آماده کنید، نتایج واضح تر و مفیدتر خواهد بود. و این یک پیشنهاد یک بار نیست – دوره های آموزشی متوالی و معرفی داده های جدید و تغییر یافته می تواند قابلیت هوش مصنوعی را به سرعت افزایش دهد. علاوه بر این، اگر یک شرکت خواهان مزیت متمایز با هوش مصنوعی خود باشد، سازمان‌ها باید به زیرساخت داده‌ای تکیه کنند که به آنها اجازه می‌دهد داده‌های منحصربه‌فرد خود را حفظ کرده و از آنها برای رشد قابلیت‌های دقیق و قدرتمند متناسب با محیط رقابتی منحصربه‌فردشان استفاده کنند.
در این چشم انداز جدید از گردش کار داده ها، واضح است که روش های ذخیره سازی سرد قدیمی و داده های آفلاین کار نمی کنند. برای استخراج بیشترین مقدار از داده های بدون ساختار، داده های سرد باید به آسانی داده های فعال در دسترس باشند.
Object Storage on Tape یک آرشیو فعال برای دسترسی سریع به داده ها فراهم می کند
برای تطبیق این اهداف به ظاهر متناقض پایداری، هزینه کم و در دسترس بودن داده های استثنایی که می تواند به سطوح بسیار زیادی برسد، یک استراتژی ذخیره سازی مناسب در عصر هوش مصنوعی باید چندین ویژگی را ارائه دهد. به راه‌حلی نیاز دارد که فناوری‌های ذخیره‌سازی متعددی را ارائه می‌دهد، ابتدا داده‌ها را در یک ردیف با کارایی بالا، مانند فلش رمزگذاری شده پاک‌شده یا دیسک‌های سخت، قرار می‌دهد تا بتوان به آنها دسترسی پیدا کرد و روی آن کار کرد. با این حال، در همان فضای نام، داده ها را به صورت شفاف به یک لایه سرد، بسیار مقرون به صرفه و انعطاف پذیر منتقل کنید.
یک سیستم ذخیره‌سازی اشیاء سازگار با S3 با هر دوی این فناوری‌های ذخیره‌سازی – با رمزگذاری پاک‌سازی (فلش/HDD و نوار) - می‌تواند راه‌حلی پیشرفت‌کننده برای ارائه عملکرد بالا، مقیاس‌پذیری تا سطح فوق‌مقیاس در صورت نیاز و در دسترس قرار دادن داده‌ها به آسانی و در عین حال اجازه دادن به سازمان‌ها باشد. برای رسیدن به اهداف پایداری و هزینه ذخیره سازی. این نوع راه‌حل به سازمان‌ها هر مزیتی را از ساختن ابر خصوصی خود می‌دهد، که می‌تواند به راحتی و به طور یکپارچه تا اگزابایت و فراتر از آن گسترش یابد.
همانطور که هر صنعتی به سمت ایجاد خطوط لوله و زیرساخت داده های هوش مصنوعی خود حرکت می کند، واضح است که داده های با دقت سازماندهی شده و برچسب گذاری شده منبع مهمی است که می تواند بینش ها و قابلیت های جدید و فوق العاده ای را که قبلا امکان پذیر نبودند باز کند – اما این گردش کار باید برای پایداری و مقرون به صرفه بودن بهینه شود. برای موفقیت واقعی برای شرکت‌هایی که در حال توسعه راه‌حل‌هایی در زمینه‌های عمودی مانند علوم زیستی و زمین، تولید رسانه، تولید یا دولتی هستند، ذخیره‌سازی اشیا که در یک راه‌حل واحد ذخیره‌سازی «گرم» و «سرد» را در بر می‌گیرد، راهی پایدار، مقرون‌به‌صرفه، ایمن و قوی را ارائه می‌کند. دستیابی به اهداف متحول ذخیره سازی داده در عصر هوش مصنوعی.
منبع: https://aibusiness.com/data/squaring-sustainability-with-data-availability-in-the-age-of-ai