تقدم تقنيات الذكاء الاصطناعي المتقدمة تحديات عديدة، منها إعداد البيانات، وإدارة مجموعات البيانات الكبيرة، وضمان جودة البيانات، والتعامل مع عدم الكفاءة في الاستعلامات الطويلة ومعالجة الدفعات. في هذا الحدث المتميز من VB Spotlight، يشارك ويليام بنتون، كبير مهندسي المنتجات في NVIDIA، مع خبراء آخرين كيف يمكن للمنظمات تحسين عمليات التحليلات الخاصة بها اليوم.
شاهد مجانًا عند الطلب!
غالبًا ما يعيق الإمكانات التحولية للذكاء الاصطناعي تعقيدات التحليلات والانتظار الطويل للحصول على المعلومات. تقول ديبورا ليف، المديرة التجارية في SQream، "لقد واجه الجميع لوحات معلومات تعاني من بعض التأخير، ولكن مع الاستعلامات المعقدة، قد تنتظر لساعات، أو حتى أيام، للحصول على رؤى رئيسية."
خلال حدث VB Spotlight الأخير، انضمت ليف إلى بنتون وعالم البيانات تيانهوي "مايكل" لي لمناقشة كيف يمكن للمنظمات التغلب على العقبات في تحليلات البيانات على مستوى المؤسسات. وأكدوا على الحاجة الملحة للاستثمار في وحدات معالجة الرسومات القوية لتعزيز سرعة وكفاءة وقدرات عمليات التحليلات، مما يمهد الطريق لنهج جديد في اتخاذ القرارات المستندة إلى البيانات.
تسريع تحليلات المؤسسات
على الرغم من الحماسة المحيطة بالذكاء الاصطناعي التوليدي، لا تزال تحليلات المؤسسات متأخرة في التطور. يوضح بنتون: "لا يزال العديد يتعامل مع تحديات التحليلات باستخدام هياكل قديمة. على الرغم من تحديث قواعد البيانات بشكل تدريجي، لم نشهد تغييرًا ثوريًا يعود بالفائدة الكبيرة على الممارسين والمحللين وعلماء البيانات."
تنجم هذه التحديات المستمرة عن الوقت الكبير المطلوب للتحليلات، مما أبقى الحلول الفعالة بعيدة عن المنال. بينما يعتبر إضافة المزيد من الموارد السحابية مكلفًا ومعقدًا، يمكن للتوليفة الفعالة من قوة وحدة المعالجة المركزية ووحدة معالجة الرسومات أن تعزز أداء التحليلات بشكل كبير.
يقول بنتون إن وحدات معالجة الرسومات اليوم كانت ستعتبر رائعة في السابق. "بينما تُستخدم الحواسيب العملاقة لحل المشكلات العلمية الضخمة، يمكن الآن استغلال تلك القوة الحاسوبية الهائلة في حالات استخدام متنوعة."
لم تعد المنظمات بحاجة إلى الاكتفاء بتحسينات بسيطة للاستعلامات. بدلاً من ذلك، يمكنها تقليل الجدول الزمني الكامل للتحليلات بشكل كبير، مما يعزز السرعة في استيعاب البيانات والاستعلامات والعرض.
ثورة في نظام علوم البيانات
تقدم بحيرات البيانات غير المهيكلة، التي تتمحور غالبًا حول Hadoop، مرونة لكميات هائلة من البيانات شبه المهيكلة وغير المهيكلة، لكنها تتطلب إعدادًا واسعًا قبل نشر النماذج. تستفيد SQream من وحدات معالجة الرسومات لتسريع معالجة البيانات، مما يسرّع تدفق العمل من إعداد البيانات إلى الرؤى القابلة للتنفيذ.
تشير ليف إلى أن "قدرات وحدات معالجة الرسومات تمكن المنظمات من تحليل مجموعات بيانات ضخمة بفعالية." وتضيف: "غالبًا ما كان علينا فرض حدود على أحجام البيانات، لكن وحدات معالجة الرسومات تتيح لنا فتح كميات هائلة من البيانات."
تعزز أدوات RAPIDS من NVIDIA، وهي مجموعة مفتوحة المصدر من المكتبات المسرّعة بواسطة وحدات معالجة الرسومات، الأداء على نطاق واسع عبر خطوط بيانات التحليل. تستفيد من قوة المعالجة المتوازية، مما يعزز الكفاءة في أنظمة علوم البيانات باستخدام Python و SQL.
تحقيق رؤى أعمق
يبرز بنتون أن تحسين التحليلات لا يتعلق فقط بالسرعة. "غالبًا ما تنشأ العمليات البطيئة من تأخيرات في التواصل بين الفرق أو حتى بين الإدارات. عند تحسين هذه التفاعلات، نشهد مكاسب ملحوظة في الأداء."
يتيح تحقيق أوقات استجابة تقل عن ثانية الحصول على إجابات فورية، مما يحافظ على تدفق عمل العلماء في حالة إنتاجية. يسمح تمديد هذا الكفاءة للمدراء في مختلف الأعمال بتحسين عمليات اتخاذ القرار التي تؤثر مباشرة على الإيرادات وإدارة التكاليف وتقليل المخاطر.
يصبح استغلال الإمكانات الكاملة للبيانات ممكنًا بفضل قوة وحدات المعالجة المركزية ووحدات معالجة الرسومات، مما يتيح الاستعلامات التي كانت مستحيلة في السابق.
تلاحظ ليف: "بالنسبة لي، هذه هي ديمقراطية التسريع." "يجب أن يعتمد العديد من صناع القرار على افتراضات قديمة. عندما يُبلغون أن الاستعلام سيستغرق ثماني ساعات، يقبلونه، غير مدركين أنه يمكن معالجته في أقل من ثماني دقائق."
يضيف بنتون: "تتمسك العديد من المنظمات بالنماذج القديمة التي تم تأسيسها على مدى عقود. مع التقدم الذي حققته تقنيات مثل SQream، يمكننا تحدي هذه الافتراضات. عندما يستغرف استعلام كان يستغرق أسبوعين الآن نصف ساعة، يفتح ذلك أبوابًا لاستكشاف إمكانيات عمل جديدة."
قائمة الترتيب
