Как ИИ может создавать автономные центры обработки данных |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2021-04-23 01:36 Ранние последователи используют ИИ для оптимизации систем питания и охлаждения, автоматизации прогнозного обслуживания и улучшения распределения рабочей нагрузки в корпоративных центрах обработки данных. Большая часть шума вокруг искусственного интеллекта (ИИ) сосредоточена на автономных транспортных средствах, чат-ботах, цифровых двойных технологиях, робототехнике и использовании "умных" систем на основе ИИ для извлечения бизнес-информации из больших массивов данных. Но ИИ и машинное обучение (МЛ) однажды сыграют важную роль среди серверных стоек в недрах корпоративного центра обработки данных. Потенциал ИИ для повышения эффективности центров обработки данных – и, как следствие, улучшения бизнеса – делится на четыре основные категории: Управление питанием: Управление питанием на основе ИИ может помочь оптимизировать системы отопления и охлаждения, что может сократить расходы на электроэнергию, сократить численность персонала и повысить эффективность. Представительные поставщики в этой области включают Schneider Electric, Siemens, Vertiv и Eaton Corp. Управление оборудованием: Системы искусственного интеллекта могут отслеживать работоспособность серверов, хранилищи сетевого оборудования , проверять правильность настройки систем и прогнозировать, когда оборудование выйдет из строя. По данным Gartner, поставщики в категории AIOps IT infrastructure management (ITIM) включают OpsRamp, Datadog, Virtana, ScienceLogic и Zenoss. Управление рабочей нагрузкой: системы искусственного интеллекта могут автоматизировать перемещение рабочих нагрузок в наиболее эффективную инфраструктуру в режиме реального времени, как внутри центра обработки данных, так и в гибридно-облачной среде, между on-prem, облачной и пограничной средами. Растет число мелких игроков, предлагающих оптимизацию рабочей нагрузки на основе искусственного интеллекта, включая Redwood, Tidal Automation и Ignio. У таких тяжеловесов, как Cisco, IBM и VMware, также есть предложения. Безопасность: Инструменты ИИ могут "узнать", как выглядит обычный сетевой трафик, обнаружить аномалии, определить приоритеты, какие оповещения требуют внимания специалистов по безопасности, помочь с пост-инцидентным анализом того, что пошло не так, и предоставить рекомендации по затыканию дыр в защите безопасности предприятия. Поставщики, предлагающие эту возможность, включают VectraAI, Darktrace, ExtraHop и Cisco. Сложите все это вместе, и видение заключается в том, что ИИ может помочь предприятиям создать высокоавтоматизированные, безопасные, самоизлечивающиеся центры обработки данных, которые требуют небольшого вмешательства человека и работают с высоким уровнем эффективности и отказоустойчивости.
Источник: z5h64q92x9.net Комментарии: |
|