Tinjauan tren teknologi 2022, bagian dua: AI dan grafik
Artificial Intelligence

Tinjauan tren teknologi 2022, bagian dua: AI dan grafik

shutterstock-1948106629.jpg

AI memiliki banyak manifestasi, mulai dari perangkat keras hingga aplikasi dalam domain seperti perawatan kesehatan, dan dari model futuristik hingga etika

metamorworks — Shutterstock

Dalam semangat beberapa tahun terakhir, kami meninjau perkembangan dalam apa yang telah kami identifikasi sebagai pendorong teknologi utama untuk tahun 2020-an di dunia database, manajemen data, dan KEPADANYA. Kami melihat kembali tahun 2021, mencoba mengidentifikasi pola yang akan membentuk tahun 2022.

Hari ini kami memulai dari bagian pertama ulasan kami, untuk membahas grafik AI dan pengetahuan.

Banyak wajah AI: Perangkat keras, keunggulan, MLOps, model bahasa, arsitektur masa depan, dan etika

fitur khusus

Mengelola AI dan ML di Perusahaan

Mengelola AI dan ML di Perusahaan

Penerapan AI dan ML berjalan dengan baik, tetapi untuk CXO masalah terbesar adalah mengelola inisiatif ini, dan mencari tahu di mana tim ilmu data cocok dan algoritme apa yang harus dibeli versus dibangun.

Baca selengkapnya

Pada prinsipnya, kami mencoba mendekati AI secara holistik. Untuk memperhitungkan hal positif dan negatif, dari yang mengkilap hingga yang biasa-biasa saja, dan dari perangkat keras hingga perangkat lunak. Perangkat keras telah menjadi cerita berkelanjutan dalam kisah AI yang lebih luas selama beberapa tahun terakhir, dan kami merasa ini adalah tempat yang baik untuk memulai tur kami.

Selama beberapa tahun terakhir, kami telah mengawasi daftar vendor “chip AI” yang terus bertambah, yaitu perusahaan yang telah mulai mengembangkan arsitektur perangkat keras baru dari bawah ke atas, yang ditujukan khusus untuk beban kerja AI. Semua dari mereka mencari untuk mendapatkan sepotong kue yang tampaknya terus tumbuh: karena AI terus berkembang, beban kerja tersebut terus bertambah, dan melayani mereka secepat dan seekonomis mungkin adalah tujuan yang jelas.

Nvidia terus mendominasi pasar ini. Nvidia sudah ada di pasar jauh sebelum beban kerja AI mulai berkembang pesat dan memiliki kecerdasan dan refleks untuk memanfaatkan ini dengan membangun ekosistem perangkat keras dan perangkat lunak. Langkahnya pada tahun 2020 untuk menjadikan Arm sebagai bagian dari ekosistem ini berada di bawah pengawasan regulasi. Namun, Nvidia tidak tinggal diam pada tahun 2021.

Dari banyak pengumuman yang dibuat di acara GTC Nvidia pada November 2021. yang membawa sesuatu yang baru di tingkat perangkat keras berkaitan dengan apa yang menurut kami mencirikan fokus AI pada tahun 2021 secara luas: inferensi dan keunggulan. Nvidia memperkenalkan sejumlah peningkatan untuk Server Inferensi Triton. Itu juga memperkenalkan Nvidia A2 Tensor Core GPU, akselerator kecil berdaya rendah untuk inferensi AI di edge yang diklaim Nvidia menawarkan kinerja inferensi hingga 20X lebih banyak daripada CPU.

Dan bagaimana dengan pemula? SambaNova mengklaim sekarang sebagai “startup AI dengan pendanaan terbaik di dunia” setelah $676 juta dalam pendanaan Seri D, melampaui penilaian $5 miliar. Filosofi SambaNova adalah menawarkan “AI sebagai layanan”, sekarang termasuk model bahasa GPT, dan sepertinya tahun 2021 pada umumnya merupakan tahun pemasaran bagi mereka.

Xilinx, pada bagiannya, mengklaim untuk mencapai kecepatan dramatis jaringan saraf dibandingkan GPU Nvidia. Cerebras mengklaim ‘benar-benar mendominasi’ komputasi kelas atas dan juga mencetak sejumlah dana besar. Graphcore bersaing dengan Nvidia (dan Google) dalam hasil MLPerf. Tenstorrent menyewa desainer chip legendaris Keller. Blaize mengumpulkan $71 juta untuk menghadirkan AI canggih ke aplikasi industri. Flex Logix mencetak $55 juta dalam dukungan usaha, sehingga total tangkapannya menjadi $82 juta. Last but not least, kami memiliki kuda baru dalam perlombaan di NeuReality, cara untuk mencampur dan mencocokkan penerapan di ONNX dan TVM, dan janji menggunakan AI untuk merancang chip AI. Jika itu bukan inovasi yang sedang booming, kita tidak tahu apa itu.

Menurut laporan State of the Edge dari Linux Foundation, perawatan kesehatan digital, manufaktur, dan bisnis ritel kemungkinan besar akan memperluas penggunaan komputasi tepi mereka pada tahun 2028. Tidak heran bahwa perangkat keras, kerangka kerja, dan aplikasi AI yang ditujukan untuk tepi juga berkembang biak.

TinyML, seni dan ilmu dalam memproduksi model pembelajaran mesin yang cukup hemat untuk bekerja di ujung tombak, melihat pertumbuhan yang cepat dan membangun ekosistem. Edge Impulse, sebuah perusahaan rintisan yang ingin menghadirkan pembelajaran mesin terdepan bagi semua orang, baru saja mengumumkan pendanaan Seri B senilai $34 juta. Aplikasi tepi akan datang, dan AI dan perangkat kerasnya akan menjadi bagian besar dari itu.

Sesuatu yang kami sebut pada tahun 2020, menonjol pada tahun 2021 dan akan bersama kami di tahun-tahun mendatang disebut MLOps — membawa pembelajaran mesin ke produksi. Pada tahun 2021, orang mencoba memberi nama pada berbagai fenomena yang berkaitan dengan MLOps, mengiris dan memotong domain MLOps, menerapkan kontrol versi data dan pembelajaran mesin berkelanjutan, serta setara dengan pengembangan berbasis uji untuk data antara lain. Penekanannya bergeser dari model baru yang mengilap ke mungkin lebih biasa, tetapi aspek praktis seperti kualitas data dan manajemen saluran data, dan MLOp akan terus berkembang.

Hal lain yang kemungkinan akan terus berkembang, baik dari segi ukuran maupun jumlah, adalah model bahasa besar (LLM). Beberapa orang berpikir bahwa LLM dapat menginternalisasi bentuk dasar bahasa, apakah itu biologi, kimia, atau bahasa manusia, dan kita akan melihat aplikasi LLM yang tidak biasa tumbuh. Lainnya, tidak begitu banyak. Either way, LLM berkembang biak.

Selain “tersangka biasa” — OpenAI dengan GPT3-nya, DeepMind dengan RETRO LLM terbaru, Google dengan rangkaian LLM yang terus berkembang — Nvidia kini telah bekerja sama dengan Microsoft di Megatron LLM. Tapi itu tidak semua.

Baru-baru ini, EleutherAI, sekelompok peneliti AI independen, membuat model GPT-j 6 miliar parameter mereka menjadi open-source. Selain itu, jika Anda tertarik dengan bahasa di luar bahasa Inggris, kami sekarang memiliki model bahasa Eropa besar yang fasih berbahasa Inggris, Jerman, Prancis, Spanyol, dan Italia oleh Aleph Alpha. Wudao adalah LLM China yang juga merupakan LLM terbesar dengan parameter 1,75 triliun, dan HyperCLOVA adalah LLM Korea dengan 204 miliar parameter. Plus, selalu ada LLM open source lain yang sedikit lebih tua / lebih kecil seperti GPT2 atau BERT dan banyak variasinya.

Di luar LLM, DeepMind dan Google telah mengisyaratkan arsitektur revolusioner untuk model AI, masing-masing dengan Perceiver dan Pathways. Jalur telah dikritik karena agak kabur. Namun, kami berani berspekulasi bahwa itu bisa didasarkan pada Perceiver. Tapi karena kita berada di wilayah teknologi masa depan, itu akan menjadi kelalaian untuk tidak menyebutkan Penalaran Algoritma Neural DeepMind, arah penelitian yang menjanjikan untuk mengawinkan algoritma ilmu komputer klasik dengan pembelajaran yang mendalam.

Tidak ada tur AI, betapapun padatnya, yang akan lengkap tanpa penghargaan kehormatan terhadap etika AI. Etika AI tetap menjadi perhatian utama pada tahun 2021, dan kami telah melihat orang-orang mulai dari komisaris FTC hingga praktisi industri masing-masing mencoba menangani etika AI dengan caranya sendiri. Dan jangan lupa tentang ledakan aplikasi AI yang sedang berlangsung dalam perawatan kesehatan, area di mana etika harus menjadi prioritas utama dengan atau tanpa AI.

Grafik pengetahuan, database grafik, dan grafik AI

Kami telah lama menjadi pendukung grafik dari semua bentuk dan ukuran — grafik pengetahuan, database grafik, analisis grafik, ilmu data, dan AI — untuk waktu yang lama. Jadi dengan perasaan campur aduk kami melaporkan dari depan ini. Di satu sisi, kami belum melihat banyak inovasi, kecuali mungkin di satu area — jaringan saraf graf. Penalaran Algoritmik Neural DeepMind juga memanfaatkan GNN.

Di sisi lain, itu tidak selalu merupakan hal yang buruk, karena dua alasan. Pertama, ada penyerapan besar dari teknologi di arus utama. Pada tahun 2025, teknologi grafik akan digunakan dalam 80% inovasi data dan analitik, naik dari 10% pada tahun 2021, memfasilitasi pengambilan keputusan yang cepat, Gartner memprediksi. Melaporkan kasus penggunaan dari BMW, IKEA, Siemens Energy, Wells Fargo, dan UBS bukan lagi berita, dan itu hal yang baik. Ya, ada tantangan yang terkait dengan membangun dan memelihara grafik pengetahuan, tetapi sebagian besar tantangan ini dipahami dengan baik.

Seperti yang telah kami catat, grafik pengetahuan praktis adalah teknologi berusia 20 tahun yang waktunya menjadi pusat perhatian tampaknya telah tiba. Cara membangun grafik pengetahuan sudah terkenal, begitu juga dengan tantangan yang ada di dalamnya. Bukan suatu kebetulan bahwa beberapa keterampilan dan area yang paling dibutuhkan untuk pengembangan dalam grafik pengetahuan adalah seputar penggunaan Pemrosesan Bahasa Alami dan antarmuka visual untuk membangun dan memelihara grafik pengetahuan, serta cara-cara untuk berkembang dari skenario pengguna tunggal ke banyak pengguna. .

Dan untuk mengaitkan percakapan ini dengan gambaran AI yang lebih luas, tantangan umum tampaknya seputar operasionalisasi dan membangun keahlian yang tepat dalam tim, karena keterampilan tersebut sangat dibutuhkan. Titik kontak penting lainnya adalah arahan AI hybrid, yaitu tentang menanamkan pengetahuan dalam pembelajaran mesin. Para pemimpin seperti Gadi Singer dari Intel, Mike Dillinger dari LinkedIn dan Frank van Harmelen dari Hybrid Intelligence Centre, semuanya menunjukkan pentingnya organisasi pengetahuan dalam bentuk grafik pengetahuan untuk masa depan AI.

amazonneptuneml.jpg

Grafik Pengetahuan, Database Grafik, dan Grafik AI semuanya konvergen

AWS

Ada juga titik kontak penting lainnya antara gambaran yang lebih luas dalam AI dan grafik pengetahuan: data mesh dan data fabric. Anda akan dimaafkan karena mencampuradukkan 2 itu dan kebanyakan istilah terkait data yang beredar belakangan ini. Sederhananya, katakan saja bahwa kain data dimaksudkan untuk berfungsi sebagai substrat teknis untuk gagasan mesh data dari manajemen data terdesentralisasi dalam organisasi. Itu sebenarnya sangat cocok untuk teknologi grafik pengetahuan, dan beberapa vendor di ruang itu telah mengidentifikasinya dan memposisikan diri mereka sesuai dengan itu. Bahkan Informatica tampaknya telah memperhatikan.

Dan bagaimana dengan substrat untuk membangun knowledge graph, yaitu graph database? Kata yang tampaknya menjadi ciri tahun 2021 untuk basis data grafik adalah “pergi ke pasar”. Ini merupakan tahun yang baik untuk basis data grafik. Basis data grafik — Neo4j — masuk 20 Besar di DB Engines untuk pertama kalinya. Neo4j juga mengumumkan ketersediaan umum layanan cloud terkelola Aura dan mengumpulkan putaran pendanaan Seri F senilai $325 juta, yang terbesar dalam sejarah database, sehingga valuasinya mencapai lebih dari $2 miliar.

Ruang basis data grafik melihat serangkaian putaran pendanaan dan IPO yang akan datang. TigerGraph mencetak $105M Series C, Katana Graph $28,5M Series A, Memgraph $9,34M seed funding dan TerminusDB €3,6M. Sementara itu, Bitnine, pembuat Grafik Agen, mulai mengerjakan IPO – yang pertama di pasar.

Di bidang teknis, GraphQL masih berkembang dalam adopsi, baik sebagai bagian dari ekosistem yang lebih luas atau sebagai komponen utama dalam arsitektur data. Menjembatani dua dunia basis data grafik dalam hal model, RDF dan LPG, masih dalam proses, tetapi telah melihat beberapa perkembangan menarik pada tahun 2021.

Kami tidak mengharapkan bulan madu dunia dengan grafik dan database grafik untuk bertahan selamanya, dan setelah hype, kekecewaan pasti akan mengikuti di beberapa titik. Tapi kami yakin bahwa teknologi ini mendasar dan akan menemukan tempatnya meskipun ada masalah.

Posted By : togel hari ini hongkong yang keluar 2021