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
-
プレミアムコンテンツ
[アイティメディア株式会社] AI活用を成功に導く「オブジェクトストレージ」 NAS/SANの限界を突破するには -
プレミアムコンテンツ
[アイティメディア株式会社] 「性能ならSSD」「大容量ならHDD」はもう古い? 変わるストレージの常識 -
プレミアムコンテンツ
[アイティメディア株式会社] 「オンプレミス回帰」がまさかの失敗に クラウドをやめずに安くする最適化手法 -
事例
[発注ナビ株式会社] AI活用を成功させる企業とそうでない企業の違いとは? -
製品レビュー
[発注ナビ株式会社] システム開発「はじめの一歩」 押さえておきたい基礎知識と失敗を防ぐ方法
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
「VMware vCenter」でゼロデイ悪用、PHPも修正――今朝の情シスニュース
-
2
「Copilot利用率99%」デンソー驚異の定着術 3万人を動かした“社長賞”の舞台裏
-
3
テレビとノートPCをつないだのに映らない――Dellが解説する正しい接続方法
-
4
SAP移行で1900億円の赤字 「ベンダー任せ」が招くERP崩壊と回避策
-
5
「AMD製CPU搭載のPC導入検討」に関するアンケート
-
6
「nginx」のHTTP/2脆弱性(CVSS 9.2)、パッチ適用までの緊急チェックリスト
-
7
積水化学工業が「SAP S/4HANA Cloud」の“全グループ導入”に踏み切った訳
-
8
エンジニア必修の「ネットワーク基礎知識」はこれだ
-
9
Claudeを使い続けて大丈夫か? IPOで見えるAnthropicの財務と新機能
-
10
プロジェクトを成功させる5つのリスク管理工程
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 Copilotを安全&効果的に活用するために必要な「2つの準備」
-
4
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
-
5
パスワード管理だけで十分? 特権アクセスを脅かす暗号鍵の放置リスクとは
-
6
すぐ分かる「AWS WAF」ガイド:特徴・運用課題・メリットを解説
-
7
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
-
8
「Copilot Cowork」でこう変わる AIエージェント時代の新たな働き方とは
-
9
AI活用で激化する外部・内部リスク、取引先へ波及する脅威から守る対策とは?
-
10
Microsoft 365 Copilotで実際何ができる? 回答の精度を高めるRAGとは?
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