El despliegue de IA en los centros de datos será una evolución más que una revolución. Está llegando, pero no podemos estar seguros en este momento qué tan rápido y qué tan lejos penetrará en el sector.
El caso de negocios es claro, pero evolucionará en sí mismo. Las instalaciones muy grandes e hiperescala ya están haciendo grandes ahorros en energía y eficiencia operativa. A medida que la IA madure, las opciones tecnológicas y los niveles de precios se desarrollarán y los beneficios comenzarán a verse en los centros de datos multiempresa (MTDC) más pequeños y en las instalaciones empresariales.
Una imagen más detallada
Hay más detalles en esta imagen. En este momento, la IA se adapta bien al modelo operativo de hiperescala, pero una investigación reciente de DCD sugiere que aún no todas las instalaciones lo han introducido. La penetración es menor entre los MTDC y aún más baja entre las instalaciones empresariales.
Algunos analistas argumentan que la IA puede implementarse a un costo razonable en instalaciones más antiguas, pero aquí hay una pregunta: ¿la operación mejorada de estos entornos antiguos y obsoletos simplemente pondrá en relieve su rendimiento limitado? En última instancia, la industria puede llegar a una etapa en la que las instalaciones más antiguas y pequeñas que no pueden implementar IA de manera viable pueden no ser viables para operar en absoluto.
Algunos han pronosticado que la IA reemplazará las habilidades humanas o las suplantará, e incluso conducirá a la industria hacia instalaciones de "luces apagadas" sin operadores humanos. De hecho, en los últimos años ya ha habido una tendencia para que el personal pase de trabajar dentro del centro de datos a trabajar a través de la infraestructura de datos e interpretar los requisitos comerciales. Todavía hay una gran escasez local de habilidades en ambas áreas de actividad.
A menos que la industria del centro de datos cambie la forma en que se abastece y capacita a su personal, la IA simplemente puede mantener la industria en movimiento en lugar de representar una amenaza para el empleo
Problemas “blandos”
Más allá de los problemas "difíciles" de las finanzas, el equipo y el personal, el despliegue de la IA tendrá grandes efectos en cuestiones críticas "blandas", como la gestión de riesgos, el rendimiento, las prácticas de datos y privacidad, los estándares de calidad, el cumplimiento y la acreditación.
Algunos de estos factores se han vuelto mucho menos claros, en parte porque el gran volumen de datos y análisis hace que las tareas de supervisión de los procesos sean más complejas. Parece posible que la creación de grandes cantidades de datos para los sistemas de IA provoque la necesidad de que los sistemas de IA supervisen otros sistemas de IA y verifiquen su cumplimiento.
Los nuevos servicios basados en la nube e impulsados por la inteligencia artificial, como la administración de centros de datos como servicio (DMaaS) toman grandes cantidades de datos de los centros de datos y aplican los aprendizajes compartidos a situaciones individuales y clientes. Pero esto crea un nuevo enigma legal sobre quién es el propietario de los datos, particularmente porque la última legislación sobre datos, como el RGPD en la Unión Europea, cambia el principio de propiedad de la empresa o individuo que recolecta o recopila la información a la empresa o individuo que la proporciona. El caso principal que evitó que Facebook transfiriera datos en un sistema de la UE fuera de la UE indica hasta qué punto ha cambiado el saldo.
IA para gestionar IA
El grado de autoaprendizaje y automatización asociado con la IA puede dificultar la visibilidad. El despliegue de la IA y los sistemas de aprendizaje profundo son más exitosos cuando la salida se define como parte del proceso de implementación en lugar de después.
La tendencia a largo plazo más significativa en la adopción de IA en los centros de datos estará lejos de las aplicaciones de una sola tarea / propósito hacia un aprendizaje más profundo y sistemas de gestión generales. De alguna manera, esta no es una situación nueva: los operadores de centros de datos ya están frustrados por la necesidad de tratar con soluciones y sistemas de múltiples proveedores, y este problema continuará a medida que esos proveedores incorporen IA en sus productos o sistemas.
Para superar el problema de la integración de múltiples sistemas de inteligencia artificial, será necesario un sistema de inteligencia artificial general ante el cual todos los demás sean responsables. Esto permitirá que la inteligencia artificial "impulsada por tareas" en el centro de datos evolucione hacia aplicaciones de inteligencia artificial más "generales".
Un paso hacia esto podría ser la última versión de GaussDB basada en PostgreSQL de Huawei, que presenta la idea de una base de datos nativa de AI. Agrega una serie de capacidades basadas en IA, como la capacidad de autoajuste, diagnóstico automático de fallas y algunas capacidades de autocuración.
AI mejora el rendimiento de GaussDB, con pruebas que indican que una configuración GaussDB sintonizada por AI puede funcionar hasta un 50 por ciento mejor que una configuración sintonizada manualmente, o una configuración producida por herramientas populares basadas en aprendizaje automático como OtterTune para bases de datos OLAP y OLTP. GaussDB admite múltiples escenarios de implementación, incluida la implementación en un servidor independiente, como parte de una nube privada o en la nube pública de Huawei. En Huawei Cloud, GaussDB se utiliza para impulsar diversos servicios de almacenamiento de datos para sus clientes de la nube.
Los desarrollos futuros en IA incluirán un mejor procesamiento del lenguaje natural para admitir IA "conversacional" y avances en centros de datos de "autocuración". El rendimiento de datos dentro del centro de datos tendrá que ocuparse de los requisitos adicionales del sistema de inteligencia artificial y esto requerirá mayores especificaciones de ancho de banda y velocidad.
AI en el borde
Cualquier despliegue futuro de inteligencia artificial y datos de la máquina deberá adaptarse a la tendencia emergente principal hacia una informática más distribuida y "Edge". Este modelo requiere una capacidad de procesamiento cercana al lugar donde se recopilan los datos y una fuente escalable de información y aprendizajes compartidos en el "núcleo".
Los sistemas de borde necesitarán decidir qué se debe transferir al núcleo y qué se puede descartar. Este proceso de curación implicará un conjunto de datos tan vasto y cambiante, que solo un sistema de autoaprendizaje y programación automática podrá hacer el trabajo. Ambos requisitos solo pueden ser cumplidos realmente por la IA.
El despliegue de la computación Edge agregará más urgencia al despliegue de AI, ya que Edge se ocupa de la complejidad de la recopilación de datos, el análisis y la toma inteligente de decisiones, trabajos que la IA está asumiendo dentro de los centros de datos y en las redes.
El volumen y la complejidad de los datos que Edge generará significa que los sistemas estadísticos heredados no serán capaces de realizar los análisis necesarios. Un sistema que pueda desarrollar una capacidad de aprendizaje adaptable será la única solución práctica.
Mantenimiento
Finalmente, las redes de IA también pueden ayudar a mejorar el mantenimiento del equipo.
Muchos ingenieros experimentados del centro de datos contarán historias de cómo podrían decir que un equipo estaba defectuoso por la forma en que sonaba u olía. ¿Qué pasaría si una red de IA capacitada pudiera predecir esas fallas mucho antes de que fueran detectables por los ingenieros?
La programación del mantenimiento de acuerdo con las pautas del fabricante es efectiva pero costosa. Los principales operadores de centros de datos están comenzando a aplicar redes de aprendizaje profundo hoy para monitorear diferentes tipos de máquinas.
¿Qué tan rápido está creciendo?
Aunque la IA está claramente creciendo, la tasa de crecimiento de cualquier mercado nuevo es difícil de trazar. La OCDE en diciembre de 2018 indicó un crecimiento considerable en la inversión privada a partir de 2017 y la Encuesta CIO 2019 de Gartner indica una tasa de crecimiento del 270 por ciento en implementación desde 2015 y del 37 por ciento de 2018 a 2019. Gartner estima que el mercado de IA empresarial tendrá un valor de 6.140 millones para 2022.
Casi el 20 por ciento de los 600 propietarios y operadores de centros de datos en una encuesta DCD de 2019 indican que actualmente están implementando inteligencia artificial en sus centros de datos y una proporción similar tiene esto como una prioridad futura.