הכתבה בשיתוף NetApp
לטכנולוגיות AI (בינה מלאכותית) יש כיום את הפוטנציאל לממש את האסטרטגיה העסקית של ארגונים ולהזניק אותם קדימה. למשל, לפרוץ דרך בפיענוח מוקדם של מחלת הסרטן, לשכלל מכוניות אוטונומיות, לפתח את עולם הפינטק ועוד. על פי חברת הייעוץ מקנזי, השווי העסקי של AI לארגונים נע בין 9-15 טריליון דולר מדי שנה. מנתונים של חברת הייעוץ IDC ,87% מהמנהלים המובילים בעולם מצפים שטכנולוגיות AI יתרמו לחיזוק הקשר עם הלקוחות בשלוש השנים הקרובות.
ניצול הכוח של איחסון ועיבוד המידע בענן יכול למנף את העסק, אך בו זמנית ניהול מידע בענן מציב אתגרים, שנדרש להם פתרון הולם. לדוגמה, העובדה שכמעט כל אחד מהעננים המובילים בשוק שומר את המידע בפורמט אחר, גורמת לקושי רב בהעברתו בין עננים. אז כיצד ניתן לנהל את המידע בענן בצורה נכונה, כך שניתן יהיה להשתמש בו בטכנולוגיות AI?
מלמידה עמוקה לגילוי מוקדם של מחלות
"AI הוא עולם טכנולוגי שלם שכולל בתוכו שני תחומים. האחד הוא Machine Learning (למידת מכונה), פיתוח אלגוריתמים שמאפשרים למחשב לבצע למידה הדומה ללמידה אנושית; התחום השני והמרכזי יותר הוא של Deep Learning (למידה עמוקה), שמשתמש בכמויות עצומות של מידע (Big Data), מאתר תבניות ובסופו של דבר מנסה לייצר תובנות עמוקות", מסביר גיא רחמים, מנהל טכנולוגיות ראשי ב-NetApp ישראל, המתמחה בשירותי ניהול מאגרי מידע וניהול נתונים בעננים מסוגים שונים.
גיא רחמים, CTO נטאפ ישראל / צילום: ניב קנטור
כדוגמה הוא מביא את עולם הבריאות: "אחד התחומים שבהם ההבטחה של טכנולוגיות AI היא גדולה ביותר הוא הרפואה. ניקח למשל את התחום של רדיולוגיה ופיענוח בדיקות דימות (כגון רנטגן, CT ו-MRI). מדובר בתחום שסובל משתי בעיות עיקריות. האחת היא מחסור ברדיולוגים שיפענחו את הבדיקות והשנייה היא כמויות הקרינה הגבוהות שנדרשות לצורך הבדיקה. ישנו כיום סטארטאפ בתחום הטכנולוגיות הרפואיות שעובד על פיתוח חבילת אפליקציות שיכולות לפענח בדיקות דימות בצורה יעילה יותר, באמצעות שימוש בטכנולוגיות Image Processing. זאת במקביל להפחתת כמות הקרינה הנדרשת לצורך הבדיקה. הפתרון, המבוסס טכנולוגיות AI, מסתמך על ניתוח Deep Learning של מאגרי מידע גדולים של בדיקות דימות.
"למעשה, ממשיך רחמים, "כמעט בכל תחום, בעידן הדיגיטלי שאנחנו חיים בו, נאספות כמויות מידע אדירות - החל ממכשירי הקצה שאנחנו משתמשים בהם (כמו שעונים חכמים, מכשירי בית חכם וציוד רפואי אלקטרוני) ועד למאגרי מידע שונים. לכן, הזמינות הרבה של המידע היא מרכיב קריטי בכל אסטרטגיה עסקית של ארגון. כך שעולם ה-AI חוצה תעשיות וטכנולוגיות. קח לדוגמה את המכוניות האוטונומיות, שבהן מידע רב מאוד מגיע מהקצוות, מהסנסורים של הרכבים ונאסף תוך כדי נסיעה. המידע הזה זורם במקביל למרכזי האיחסון בשרתים ובעננים. שם הוא נצבר ומתאפשר ניתוח שלו באמצעות טכנולוגיות AI על מנת להמשיך לפתח את הפתרונות בתחום".
לפרטים על פתרונות מיטביים לניהול מידע בענן, הקליקו כאן>>
הקושי לחבר את המידע כמכשול ל-AI
מאחר שעולמות ה-AI וה-Deep Learning מתבססים על כמויות עצומות של דאטה וכוח מחשוב גדול, השימוש בעננים לצורך איחסון ועיבוד המידע נפוץ מאוד. "חברות רבות מתחילות לשמור את המידע בענן, כי עבורן זהו פתרון זול יותר", מסביר רחמים. עם זאת, כאן לדבריו גם נוצרת בעיה: "בענן אין פורמט אחיד של איחסון מידע, כל ספקית והדרך שלה. הדבר מוביל לכך שאם משתמש שמר את המידע שלו בענן אחד, נדרש הליך מסובך כדי להעביר אותו לענן אחר. גם במקרה שבו חברות מאחסנות את המידע במספר עננים, אז עיבוד המידע נתקל בקשיים מאחר שקשה 'לחבר' את הידע משני העננים יחד במסגרת הניתוח.
בעיה נוספת מתייחסת לכך שכדי לנצל באמת את הכוח של Machine Learning ו-Deep Learning, המידע בשרתי האיחסון ובעננים צריך להיות AI-Ready. כך, למשל, הוא צריך להיות מאורגן ומסודר בצורה מסוימת שתאפשר לטכנולוגיות AI לקרוא אותו בצורה נכונה. יש לבדוק כי הוא אינו מוטה בשל שימוש במאגר מידע מסוים. ולבסוף, להתאים לפיתוח אג'ילי (זריז), המתבסס על הפקת תובנות מחלקי מקטעים של המידע המאוחסן. ללא הצורך להסיק מסקנות רק מניתוח המידע כולו.
ניהול מידע נכון טומן פוטנציאל תחרותי
הפתרון למכשולים השונים שהוזכרו לעיל ולמיקסום הפוטנציאל העסקי של שימוש בטכנולוגיות AI טמון בניהול נכון של המידע - מנקודות הקצה שבהן הוא נאסף ועד לאיחסונו ועיבודו בענן. "הדאטה בסופו של דבר מזין את ה-AI ולכן חשוב לנהל אותו נכון", מסביר רחמים.
אתגרי ניהול המידע הרלוונטיים לעולמות ה-AI, ובכלל, הובילו את NetApp לפתח את תפיסת מארג הנתונים (Data Fabric). "NetApp מציעה פלטפורמה אחידה לניהול המידע בסביבות ענן היברידיות, פרטיות, של הארגון, ובפלטפורמות/עננים ציבוריים. כך שהעננים יוכלו 'לדבר' ביניהם ויהיה יותר קל לנייד את המידע ממקום למקום", הוא מוסיף. עוד אומר רחמים: "בכך בעצם החברה מסייעת ללקוחות למנף את השימושים ב-AI לצורך מימוש המטרות העסקיות והאסטרטגיות שלהם".
"שירותי ניהול המידע של NetApp מציעים אחידות. הם מאפשרים לארגונים גישה מהירה לנתונים שמצויים בעננים השונים ועיבוד שלהם לשם מיקסום תוצאות ומינוף עסקי", מסביר רחמים. "השירותים של החברה מאפשרים גישה למאגרי מידע גדולים, אמינים, מה שנותן לארגון המשתמש בהם את האופציה לניתוחים מתקדמים ויצירת אנליזות. זאת תוך דגש על אג'יליות ומהירות עסקית.
"הדבר יכול להיות רלוונטי לחברות שכבר עכשיו מנהלות דאטה ב-Scale רחב וגם לחברות שנמצאות בצמיחה ויכול להיות שבעתיד ימצאו שכמויות המידע שהן מחזיקות גדלות ועימן ההוצאה על מחשוב מתייקרת. במצב שכזה, העולם של מארג הנתונים ש-NetApp מובילה יכול לסייע להן לשנע את המידע ממקום למקום בצורה פשוטה", אומר רחמים.
שיתוף פעולה בין חברות
בתחילת הכתבה, הוזכרה התרומה האדירה של טכנולוגיות AI לעולם הטיפול הרפואי והטכנולוגיות הרפואיות. באחד מפרויקטי ה-AI בעולם זה, חברה NetApp ל- NVIDIA העולמית, אשר לצד התמחותה בפיתוח מיקרו שבבים, מתמחה גם בשוק ה-AI וה-Deep Learning. החיבור של השתיים הוא חלק מהמדיניות של NetApp לשת"פ עם חברות מובילות בתחום ה- AI בעולם. זאת על מנת להציע שירותים שמשלבים AI, ניהול מידע ואבטחת מידע. "אנחנו עובדים עם מרכז רפואי באנגליה שמפתח טכנולוגיות AI כדי לייצר רדיולוגיה חכמה יותר שתשמש לזיהוי מקרים של סרטן, כמו סרטן השד וסרטן ריאות, בשלב מאוד מוקדם", מסביר רחמים. "אנחנו מנהלים את כל מערך הדאטה שלהם ומעניקים להם את הגמישות שהם זקוקים לה כדי לייצר את תהליך ה-Deep Learning, שיאפשר להם להתמודד עם כמויות המידע הגדולות. בכך אנחנו יכולים לסייע להם לעשות שימוש במידע הרב שהם מחזיקים בו כדי להאיר נקודות מעניינות וחדשניות, וגם להגן על המידע - לספק אבטחת מידע", מדגיש רחמים את הערך המוסף של החברה.
בשורה התחתונה, בעידן שבו ה-AI אינו תפיסה תיאורטית, אלא פרקטיקה שמיושמת ברחבי העולם, לשילוב שלו בענן יש פוטנציאל ליצירת יתרון בתחרות מול חברות אחרות. אך כאמור, לצד זאת, הוא מייצר אתגרים לא פשוטים, שניתן לפתור באמצעות ניהול נכון של המידע, גמישות וחשיבה קדימה.
הכירו את פתרונות ניהול המידע בענן של NetApp. לפרטים הקליקו כאן>>