必要なことをリストアップ
人工知能(AI)インフラの基本要素、求められる戦略は?(1/2 ページ)
人工知能(AI)インフラを構築するには、ストレージ、ネットワーク、AIデータのニーズを真剣に検討し、その結果を熟慮した戦略的な計画と組み合わせる必要がある。
人工知能(AI)のアプリケーションやワークロードをサポートするためにAIインフラを構築・強化する企業が考えることはたくさんある。
こうした検討はささいな問題ではない。企業がAIを使って最終的な成功を収めることができるかどうかは、自社の環境にそのような強力なアプリケーションがどの程度適合するかによって決まる。データを大量に使用するAIワークロードの主要リソースとしてクラウドが浮上しているが、企業はこうしたプロジェクトに依然として自社のオンプレミスのIT環境を利用している。
併せて読みたいお薦め記事
人工知能(AIと)インフラ
人工知能(AI)が変える未来
AIデータストレージ
最大の考慮事項の1つがAIデータストレージだ。具体的には、データ量の増加に応じてストレージを拡張する能力が必要になる。エンタープライズAI戦略を準備し、必要なインフラを構築する場合、ストレージの検討を最優先にしなければならない。これには、AIの効果を高めるために必要な膨大な量のデータを扱えるだけの適切なストレージ容量、IOPS(1秒間に処理できるI/O数)、信頼性の確保などがある。
必要なストレージの種類を決める要因は多い。使用予定のAIレベル、意思決定をリアルタイムに行う必要があるかどうかなどがその例だ。
例えば、高度で価値が高いニューラルネットワークエコシステムの場合、従来のネットワーク接続型ストレージアーキテクチャでは、I/Oと遅延によるスケーリングの問題が生じることがある。同様に、金融サービス企業がリアルタイムの取引の決定にエンタープライズAIシステムを利用する場合、高速オールフラッシュストレージ技術が必要になるかもしれない。
ビッグデータと分析の環境として、膨大なデータ量をサポートするように設計されたHadoopなどのフレームワークを活用する環境を既に構築している企業は多い。こうした環境は、多くの種類のAIアプリケーションに適合する可能性が高い。
もう1つの考慮事項はソースデータの性質だ。AIアプリケーションはソースデータに依存する。そのため、ソースデータが存在する場所とAIアプリケーションがそのデータを使用する方法を認識する必要がある。例えば、アプリケーションがセンサーのデータをリアルタイムに分析するか、それとも後で処理するかを把握しておく。
アプリケーションが生成するAIデータの量を考慮することも必要だ。AIアプリケーションは、生成するデータが多いほど適切な判断を下す。データベースは時間の経過と共に大きくなる。そのため、容量を監視し、必要に応じて拡張する計画が求められる。
AIネットワークインフラ
AIインフラのもう1つの重要な要素がネットワークだ。AIのサポートに必要なスケールで高い効率を実現するには、ネットワークのアップグレードが必要になる可能性が高い。
ディープラーニングアルゴリズムは通信への依存度が高いので、企業ネットワークはAIの取り組みの拡大とネットワークの需要を合わせる必要がある。そのため、スケーラビリティを最優先にしなければならない。それには、高帯域幅、低レイテンシ、クリエイティブなアーキテクチャが求められる。
企業は、可能な限り自動化すべきだ。例えば、データセンターには自動インフラ管理ツールを導入すべきだ。
ネットワークインフラプロバイダーも同様の取り組みを試みている。ソフトウェア定義のネットワークを機械学習と組み合わせ、ネットワークの需要やセキュリティの脅威を予測し、リアルタイムに対応できるインテントベースのネットワークを作成している。
AIデータの処理
AIインフラには、CPUやGPUなどのコンピューティングリソースを十分に備えておくことも重要になる。
CPUベースの環境でも基本的なAIワークロードは処理できる。だが、ディープラーニングには、複数の大規模データセットと、スケーラブルなニューラルネットワークアルゴリズムの導入が必要になる。そのため、CPUベースのコンピューティングでは十分とはいえないだろう。
必要なコンピューティング機能を確保するには、GPUに目を向ける必要がある。GPUを導入することで、データセンターインフラを最適化し、電力効率を上げることができる。
現状では、AIの取り組みに、別の目的で使われているGPUを流用している企業が多い。だが、クラウドインフラのリソースや、全般的にコストが下がっているプロセッサを利用している企業もある。NvidiaとIntelの両社はAIを重視するGPUに力を入れている。
これに対し、スタートアップ企業のGraphcoreは新しいAI固有のプロセッシングアーキテクチャを発表した。このアーキテクチャはインテリジェントプロセッシングユニットと呼ばれ、クラウドと企業のデータセンターでAIアプリケーションの速度を上げるコストを低減する。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
課題解決
[NTT東日本株式会社] いま建設業に「10ギガ光回線」が必要な理由とは? -
課題解決
[NTT東日本株式会社] 情報漏えいも業務停止もさせない「止まらないネットワーク」への第一歩は? -
課題解決
[NTT東日本株式会社] 情報漏えいや業務停止に備える、安心・安定のネットワーク環境とは? -
事例
[Wrike Japan 株式会社] 年間100件超でも“プロジェクト炎上”を回避、JERAの管理体制は何が違うのか? -
事例
[Wrike Japan 株式会社] プロジェクト納品時間を最大40%短縮 事例で見る「劇的な高速化」の実現方法
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
Java SEに「Java4Shell」、WebLogicも修正――今朝の情シスニュース
-
2
「有線LAN環境」に関するアンケート
-
3
「Microsoft 365」障害はなぜ拡大? “安全装置”フェイルオーバーのわな
-
4
「Active Directory」復旧で“詰む”企業が続出 ランサムウェアに備える4対策
-
5
なぜ「Microsoft Teams」がランサムウェアの入り口になるのか?
-
6
次期AI PC向けプロセッサの有力候補「Snapdragon X」 期待と不安の声の真相は
-
7
「Android」の極悪マルウェア、非公式アプリからうっかり感染しないためには?
-
8
Claudeを使い続けて大丈夫か? IPOで見えるAnthropicの財務と新機能
-
9
なぜAIで「無意味な仕事」が増えるのか 人間の監視がむしろ足かせに?
-
10
なぜ「PHP2Shell」はパッチを当てても終わらないのか?
ホワイトペーパーランキング PR
-
1
「IT史に名を残すシステム障害」8選
-
2
SCS評価制度時代の「SASE選定」ガイド
-
3
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
4
マンガで解説:情シスの負担を減らす「MDRサービスのインシデント対応」の中身
-
5
自社のメール環境は本当に安全? チェックシートですぐ分かる“今必要な対策”
-
6
三井ホームに学ぶ「無線LAN環境」構築 快適なオフィスと高度なIT運用の両立法
-
7
「RPA導入の成果が出ない」を防ぐ、成果につながる自動化対象業務の選び方
-
8
AIが苦手な「汚いデータ」になっていない? AI投資を無駄にしないための注意点
-
9
「止まらない」と「シンプル運用」を両立、四街道市新庁舎を支えるネットワーク
-
10
AIに何を聞いても「汎用的な答え」しか返ってこないのはなぜか?
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー