يحمل الذكاء الاصطناعي إمكانات هائلة لإحداث تحولات جذرية مهمة تتعلق بتخزين البيانات، حيث تلعب الحلول دوراً حاسماً في خفض التكلفة وتعزيز كفاءة الطاقة.
وتقوم أنظمة الذكاء الاصطناعي بمعالجة البيانات وتوليد جديدة، مما يتطلب توسيع قدرات التخزين، لذا تقوم شركات تصنيع مكونات التخزين بالعمل على تلبية المتطلبات المتزايدة.
ويقول بيتر هايلس، مدير تسويق منتجات أقراص التخزين الصلبة في «ويسترن ديجيتال» إن أبرز مراحل دورة تخزين بيانات الذكاء الاصطناعي تشمل المراحل التالية:
1-أرشفة البيانات الأولية وتخزين المحتوى: يتم جمع البيانات الأولية وتخزينها من مصادر مختلفة بأمان وكفاءة.
وتعتبر جودة البيانات التي تم جمعها وتنوعها أمراً بالغ الأهمية، حيث إنها تضع الأساس لاحتياجات التخزين، وتظل محركات الأقراص الصلبة للمؤسسات ذات السعة العالية الخيار المفضل لتخزين البيانات بالجملة بأقل تكلفة.
2-إعداد البيانات وإدخالها: تتم معالجة البيانات وتنظيفها وتحويلها لتكون جاهزة لتدريب النماذج. يعتمد مالكو مراكز البيانات على بنى تحتية حديثة.
3-تدريب نموذج الذكاء الاصطناعي: وذلك لتحسين دقتها في التنبؤ بناءً على البيانات التدريبية ويتم تدريب النماذج على أجهزة كمبيوتر عملاقة عالية الأداء.
4-الاستدلال والمطالبة: تتضمن هذه المرحلة إنشاء واجهات سهلة الاستخدام لنماذج الذكاء الاصطناعي، مما يؤدي إلى زيادة قدرات التخزين.
5-احتياجات التخزين: يتم ترقية أنظمة التخزين الحالية لزيادة سعة مراكز البيانات باستخدام محركات الأقراص الثابتة للمؤسسات لاستيعاب تكامل الذكاء الاصطناعي في العمليات.
6- محرك استدلال الذكاء الاصطناعي: يتم نشر النماذج المدربة لتحليل البيانات الجديدة وتقديم تنبؤات في الوقت الفعلي أو إنشاء محتوى جديد.
7- احتياجات التخزين: تحتاج هذه المرحلة إلى أقراص صلبة عالية السعة لبث البيانات إلى خوادم الاستدلال.
8-إنشاء محتوى جديد: في هذه المرحلة، يتم توليد محتوى جديد بناءً على الرؤى المستخلصة من نماذج الذكاء الاصطناعي.
9-احتياجات التخزين: يتم تخزين المحتوى المُنشأ في أقراص صلبة عالية السعة في مراكز البيانات لأغراض الأرشفة، بالإضافة إلى محركات أقراص صلبة للعملاء عالية السعة وأجهزة فلاش مدمجة في أجهزة الحافة المدعومة بالذكاء الاصطناعي.
دورة مستمرة
تعمل الحلقة المستمرة من توليد البيانات واستهلاكها على تسريع الحاجة إلى تقنيات تخزين قائمة على الأداء وقابلة للتطوير. هذا ضروري لإدارة مجموعات بيانات الذكاء الاصطناعي الكبيرة وإعادة هيكلة البيانات المعقدة بكفاءة.
وفي السياق قال إد بيرنز، مدير الأبحاث في مؤسسة IDC، للأبحاث: «من المتوقع أن تكون الآثار المترتبة على التخزين كبيرة، حيث إن دور التخزين والوصول إلى البيانات يؤثر في سرعة وكفاءة ودقة نماذج الذكاء الاصطناعي، لا سيما مع انتشار مجموعات البيانات الأكبر حجماً والأعلى جودة».