Inga produkter i varukorgen.
Maria Sundvall: Trycket ökar på nätverkets utkanter
Krönika Ai-utvecklingen ställer nya krav på våra nätverk – inte minst på utkanten av nätverken. En konsekvens är att marknaden för edge computing väntas växa till 43,3 miljarder dollar år 2027, skriver Maria Sundvall på Equinix i en krönika.
Det närmaste årtiondet kommer ai och maskininlärning att spela en allt större roll i våra liv. Ai-drivna robotar kommer att laga mat och genomföra medicinska operationer. Även självkörande fordon, drönare, ansiktsigenkänning och medicinska IoT-enheter kräver ai-modeller som jobbar i realtid för att fungera.
För att bygga mer exakta modeller för ai och maskininlärning behöver våra företag utnyttja extern data i allt större utsträckning. Det finns flera orosmoln inom handeln med data. Ett är att datan kan komma att användas för obehöriga ändamål. En annan att man inte har kontroll över härkomsten av den data man köper. Är den lagligt insamlad?
Som ett svar på dessa utmaningar kommer vi att se ai-marknadsplatser växa fram. Marknadsplatserna kommer att göra det möjligt att styra och kontrollera handeln av data och algoritmer på ett säkert och privat sätt. De kommer att använda blockkedjeteknik och tillhandahålla neutrala platser i utkanten av nätverket, för att underlätta både handel med data och skapande av ai-modeller.
Data hanteras i utkanten
En annan trend som ökar trycket på nätverkets utkant är det blir mindre kostnadseffektivt att flytta data till centrala platser för bearbetning, när allt mer data genereras vid utkanterna. Ytterligare en viktig faktor är att det ställs krav på att data ska behandlas inom ett lands eller en regions gränser av säkerhetsskäl.
De närmaste fem åren kommer vikten av data, kraven på låg latens och säkerhet flytta ai-arkitekturen närmare de platser där datan samlas in och skapas. Distribuerad ai-hantering blir normen.
Större dataset innebär mer komplexa ai-modeller och mer komplex bearbetning. Redan idag är vissa dataset tusen gånger större än för två år sedan. ai och maskininlärning är mer lättillgängligt genom att molnet erbjuder stordatorer, förhandskonstruerade ai-modeller och integrerade mjukvarustacks. De flesta förlitar sig dock fortfarande på mänsklig expertis för att skapa insikter av datan, ett arbete som är tidskrävande.
Decentraliserat system
För Cio:er betyder allt detta en ny era där modeller för maskininlärning tränas upp i ett decentraliserat system av distribuerade beräkningsenheter. Företag kommer att bearbeta data med hjälp av algoritmer i utkanten av nätverket i stället för att skicka rådata till en central plats. Det innebär minskade kostnader, minskad latens och ett bevarande av datans integritet.
De närmaste åren kan vi räkna med att se än mer kraftfulla ai-modeller. Företag av alla storlekar kommer att få möjlighet att skapa insikter av sin data – utan hjälp av experter. Som Cio behöver du se till att ni är rätt rustade för att klara utmaningen. Förmågan till rätt leverans bör säkras i god tid innan tjänsterna ska lanseras mot kund.
Tre viktiga frågor att ställa är:
- Vilken infrastruktur behövs för att uppnå de svarstider som tjänsterna kräver?
- Klarar vi av att flytta data över långa distanser?
- Har vi kapacitet till en första ai-analys lokalt? Annars kan kostnaderna för att flytta data bli enorma.
Se till att skaffa en infrastruktur som stöttar de ai-lösningar ni planerar – och gör det i tid.
Maria Sundvall
Vd Equinix
