你的云網絡準備好擁抱生成式人工智能了嗎?

在公共網絡上使用人工智能可能會引發(fā)對安全和監(jiān)管的擔憂。

生成式人工智能(AI)有可能為企業(yè)釋放數(shù)萬億美元的價值，并從根本上改變我們的工作方式。這項突破性的技術已經進入了全球經濟的幾乎每個領域，以及我們生活的許多方面，人們已經使用人工智能來查詢其銀行賬單，甚至要求醫(yī)療處方。當前的預測表明，生成式人工智能可以自動化高達70%的員工時間。

但無論應用還是行業(yè)，生成式人工智能的影響在云計算生態(tài)系統(tǒng)中最為明顯。

隨著企業(yè)急于在云運營中利用這項技術，在安全、可靠、負責任地部署生成式人工智能模型之前，首先了解網絡連接要求和風險是至關重要的。

訪問數(shù)據集

根據其定義，大型語言模型(LLM)是非常大的，因此訓練這樣的LLM將需要大量的數(shù)據和超高速的計算，并且數(shù)據集越大，對計算能力的需求就越大。

值得注意的是，在公共云環(huán)境中訓練生成式人工智能模型的主要連接要求之一是，負擔得起對數(shù)據集規(guī)模的訪問，而訓練這些LLM所需的巨大處理能力只是拼圖的一部分。除此之外，需要考慮的其他組件還包括管理在公共云中傳輸?shù)臄?shù)據的主權、安全性和隱私要求。

2022年，39%的企業(yè)在其云環(huán)境中經歷了數(shù)據泄露?？紤]到這一點，探索市場上專門為高性能和人工智能工作負載設計的專用連接產品是有意義的。

新興的監(jiān)管趨勢

全球監(jiān)管框架錯綜復雜，可能發(fā)生變化，因此企業(yè)應密切關注圍繞人工智能領域迅速出現(xiàn)的關鍵公共政策和監(jiān)管趨勢。

企業(yè)現(xiàn)在需要實施數(shù)據映射和數(shù)據丟失預防等技術，以確保其隨時知道所有個人數(shù)據的位置，并提供相應地保護。這種方法可以被稱為基于設計的隱私方法，不僅被歐洲《通用數(shù)據保護條例》(GDPR)的發(fā)展任務所采用，而且也被美國的數(shù)據隱私法所采用。

想象一下，一家跨國銀行在其辦公場所安裝了50臺大型機，并將其主要計算能力保存在這里。其目的是對數(shù)據進行人工智能分析，但其無法使用公共互聯(lián)網連接到這些云環(huán)境，因為其的許多工作負載都受到監(jiān)管限制。另外，私有連接使其能夠訪問存在于企業(yè)本地監(jiān)管框架內的生成式AI功能。

維護數(shù)據主權

隨著人工智能立法的不斷擴大，生成式人工智能技術的廣泛采用可能會給數(shù)據主權帶來長期的挑戰(zhàn)。企業(yè)能夠保證主權邊界的唯一方法可能是，在數(shù)據傳輸時使用某種私有連接形式。隨著世界變得更加數(shù)字化互聯(lián)，這促使各國界定和規(guī)范數(shù)據的存儲地點，以及處理數(shù)據的LLMS存儲地點。

公有云上的人工智能訓練模型也是如此。企業(yè)將需要某種類型的連接，從其私有云到公共云，在那里可以進行人工智能訓練模型，然后使用私有連接將其推理模型帶回來。

需要注意的一點是，盡管一些國家法律要求某些數(shù)據保留在本國境內，但這并不一定會使其更安全。例如，如果企業(yè)使用公共互聯(lián)網在公共云服務上向他國和從他國傳輸客戶數(shù)據，即使其可能在他國內部傳輸，仍然有人可以攔截該數(shù)據，并將其傳送到世界各地。

延遲和網絡擁塞的重要性

隨著我們每天經歷的大量語音和視頻通話，我們都變得對延遲敏感。有些人沒有意識到的是，在與人互動方面，延遲是一個關鍵因素。同樣，用于訓練人工智能模型的大量數(shù)據集可能會在公共云上導致嚴重的延遲問題。

舉個例子，如果正在與一個提供客戶服務的人工智能機器人聊天，若延遲時間開始超過10秒，那么退出率就會加速。因此，使用公共互聯(lián)網將面向客戶的基礎設施與推理模型連接起來，對于無縫的在線體驗而言是潛在的危險，響應時間的變化可能會影響企業(yè)提供有意義結果的能力。

同時，網絡擁塞可能會影響企業(yè)按時構建模型的能力?？朔@個問題的方法是使用大型管道，以確保在將主要數(shù)據集移動到訓練語言模型的地方時不會遇到擁塞。因此，企業(yè)將能夠避免嚴重的擁塞，特別是在將新數(shù)據傳輸?shù)絃LM時，這無疑會導致積壓。

人工智能管理不當?shù)呢撁婧蠊?/p>

治理是目前正在討論的話題，因為如果沒有適當?shù)娜斯ぶ悄苤卫恚赡軙o企業(yè)帶來嚴重的后果，可能導致商業(yè)和聲譽受損。

在云上實施生成式人工智能模型時，缺乏監(jiān)督很容易導致錯誤和違規(guī)，更不用說潛在的客戶數(shù)據和其他專有信息的暴露。簡而言之，生成式人工智能的可信度取決于企業(yè)如何使用。換言之，誰可以訪問數(shù)據，哪里可以獲得數(shù)據批準的可追溯性?

生成式人工智能的無限機會

生成式人工智能是一個變革性的領域，但IT領導者在部署其應用之前，必須避免網絡連接錯誤。

定義與現(xiàn)有云架構相關的業(yè)務需求至關重要，因為數(shù)據可訪問性是生成式人工智能的一切。網絡即服務(NaaS)平臺的高性能靈活性，可以為具有前瞻性思維的企業(yè)提供先發(fā)優(yōu)勢，而不是在公共云的風險中導航。

例如，NaaS解決方案結合了新興的網絡技術，支持生成式人工智能的治理需求，用于更廣泛的業(yè)務和保護客戶。

通過將云與全球網絡基礎設施互連來采用人工智能系統(tǒng)，該基礎設施可以提供完全自動化的交換和按需路由，這可以通過NaaS敏捷性來簡化。

相關推薦：

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。