
คลาวด์และปัญญาประดิษฐ์ — 22 มิถุนายน 2021เครื่องเล่นเสียงใช้แป้นลูกศรขึ้น/ลงเพื่อเพิ่มหรือลดระดับเสียงดาวน์โหลดเสียงคำว่า “ปัญญาประดิษฐ์” “การเรียนรู้ของเครื่องจักร” และ “กระบวนการทำงานอัตโนมัติของหุ่นยนต์” (RPA) เป็นคำที่มีความหมายเหมือนกัน แต่การแยกแยะความแตกต่างระหว่างสิ่งเหล่านี้เป็นสิ่งสำคัญต่อการทำความเข้าใจว่าจะใช้อย่างไรให้ดีที่สุดBrian Campo รองประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ Department of Homeland Security ชี้แจงว่า RPA
นั้นเป็น “ระบบอัตโนมัติ” โดยพื้นฐานแล้ว – การวางงานที่ต้องทำด้วยตนเองลง
ในบริบทหรือระบบที่การกระทำเดียวกันสามารถทำได้โดยอัตโนมัติและโดยเนื้อแท้ สำหรับ AI และแมชชีนเลิร์นนิง ความแตกต่างขึ้นอยู่กับวิธีการใช้ข้อมูล
“การเรียนรู้ของเครื่องจึงพยายามดึงข้อมูลและทำให้ข้อมูลมีรายละเอียดมากขึ้น โดยพยายามนำข้อมูลเชิงลึกอัตโนมัติเหล่านั้นมาคิดออกและค้นพบด้วยวิธีใหม่ๆ ที่น่าสนใจ เปิดเผยสิ่งที่เราไม่จำเป็นต้องนึกถึงหรือบางสิ่งที่จะ ไม่เกิดขึ้นกับผู้ให้บริการ” เขากล่าวในFederal Monthly Insights — Cloud and Artificial Intelligence “ตอนนี้ ปัญญาประดิษฐ์แตกต่างจากนั้นตรงที่มันไม่เกี่ยวกับการผลักดันข้อมูลเชิงลึก – มันเกี่ยวกับการสร้างผลกระทบจริง ๆ ต่อกิจกรรมการดำเนินงานบางอย่าง”
สำหรับเทคโนโลยีทั้งสามนี้ Campo กล่าวว่า DHS ต้องการ “ตัดผ่านโฆษณาจำนวนมาก” และกำหนดผลกระทบต่อธุรกิจของแผนก ตัวอย่างเช่น AI เพื่อประโยชน์ของ AI สามารถหลีกเลี่ยงภารกิจและให้ผลลัพธ์ที่ไม่พึงประสงค์ได้
เขากล่าวว่า Eric Hysen ประธานเจ้าหน้าที่ฝ่ายข้อมูลคนใหม่ของ DHS ได้ผลักดันครั้งใหญ่ในการตรวจสอบสิ่งที่ส่งผลกระทบต่อ AI, การเรียนรู้ของเครื่อง และ RPA ที่จะมีต่อประสบการณ์ของลูกค้าและผู้มีส่วนได้ส่วนเสียในกิจกรรมที่หลากหลายของหน่วยงาน
“สิ่งหนึ่งที่เรากำลังพยายามทำกับเทคโนโลยีใดๆ
ก็คือการพยายามหาองค์ประกอบร่วมเหล่านั้น พยายามหาว่าเทคโนโลยีทั้งหมดเหล่านี้มีผลกระทบจริงๆ อย่างไร และเราจะหาสิ่งที่เหมือนกันระหว่างสิ่งเหล่านี้ได้ที่ไหน เพื่อที่เราจะผลักดันออกไป และจัดลำดับความสำคัญของเทคโนโลยี ใหม่เราทำในลักษณะที่เราสามารถให้ประโยชน์สูงสุดแก่กลุ่มที่ใหญ่ที่สุด” Campo กล่าวในFederal Drive กับ Tom Temin
สิ่งพื้นฐานสำหรับ AI และการเรียนรู้ของเครื่องคือการจัดทำรายการข้อมูล และในขณะที่ DHS มีความพยายามด้านสถาปัตยกรรมข้อมูลหลายอย่างที่กำลังดำเนินการอยู่ Campo คาดว่ากิจกรรม AI จำนวนมากจะหมุนรอบการย้ายจากศูนย์ข้อมูลไปยังคลาวด์คอมพิวติ้ง
“เราทำการสร้างต้นแบบในท้องถิ่นและในสินทรัพย์ที่ไม่ใช่คลาวด์ที่แตกต่างกันสองสามอย่าง แต่เมื่อเราผลักดันภารกิจที่ส่งผลกระทบต่อ AI และการเรียนรู้ของเครื่อง สิ่งนี้จะเกิดขึ้นบนคลาวด์อย่างแน่นอน เพราะสิ่งที่เราต้องการคือความสามารถในการปรับขนาดได้ เราต้องการความสามารถในการรับข้อมูลเชิงลึกเหล่านั้นอย่างรวดเร็ว และคลาวด์ก็ใช้ประโยชน์จากสิ่งนั้นสำหรับเราจริงๆ” เขากล่าว
แต่ความกังวลที่มีอยู่ทั่วไปกับเทคโนโลยีคลาวด์คือต้นทุนการดึงข้อมูล Campo กล่าวว่าแอปพลิเคชันจำนวนมากใช้โมเดลต้นทุนตามข้อมูลขาเข้าและขาออก โดยฟังก์ชันหลังมักจะมีราคาแพงกว่า ดังนั้น Edge Computing ซึ่งเป็นการประมวลผลใกล้กับแหล่งข้อมูลจึงมีความน่าสนใจอย่างมากสำหรับ DHS
“การพยายามประมวลผลข้อมูลในที่ที่มันอาศัยอยู่ การย้ายคอมพิวเตอร์ทำได้ง่ายกว่าการย้ายข้อมูล” เขากล่าว “มันเร็วกว่า แม้ว่าคุณจะตัดองค์ประกอบด้านต้นทุนออกไปก็ตาม คุณสามารถย้ายคอมพิวเตอร์ได้อย่างรวดเร็ว เราสามารถสร้างแอปพลิเคชันใหม่ในสภาพแวดล้อมใหม่ได้ในเวลาอันน้อยนิดในการย้ายข้อมูลนั้น”
กลยุทธ์อื่นๆ ได้แก่ การแบ่ง AI และการเรียนรู้ของเครื่องออกเป็นชิ้นเล็กๆ เพื่อให้เฉพาะข้อมูลที่ได้รับผลกระทบมากที่สุดเท่านั้นที่ต้องย้ายเข้าหรือออกจากระบบคลาวด์ และจัดตำแหน่งการประมวลผลข้อมูลร่วมกันในระบบให้ใกล้เคียงที่สุด Campo กล่าวว่าการสร้างบริการข้อมูลหลักและเสียบเข้ากับแอปพลิเคชันในรูปแบบโมดูลาร์มากขึ้นสามารถช่วยได้
เป้าหมายสูงสุดคือการไม่เก็บข้อมูลไว้ทุกหนทุกแห่ง เพื่อให้ข้อมูลแพร่หลายน้อยลงและมีความหมายมากขึ้น ในระดับที่ต่ำกว่า DHS พยายามทำให้ชุดข้อมูลใช้งานได้กับส่วนประกอบต่างๆ มากมาย การใช้ระบบตรวจคนเข้าเมืองต่างๆ ของแผนกเป็นตัวอย่าง แคมโปกล่าวว่าสำนักงานของเขากำลังตรวจสอบว่าข้อมูลจากระบบหนึ่งสามารถใช้ประโยชน์จากระบบอื่นได้อย่างไร
“ดังนั้น เราไม่จำเป็นต้องพยายามย้ายข้อมูลนั้นในตอนนี้ จริงๆ แล้ว สิ่งที่เรากำลังทำอยู่หลายอย่างคือการทำแผนที่ข้อมูล การรวมข้อมูลเข้าด้วยกัน แต่ใช่ ผมเชื่ออย่างยิ่งว่าเมื่อเราเก่งขึ้น และเมื่อข้อมูลของเราถูกใช้อย่างแพร่หลายมากขึ้น โดยระบบที่ไม่ได้เริ่มต้นด้วยการเข้าถึงข้อมูล เราจะพิจารณาการจำลองแบบอย่างแน่นอน” เขากล่าว