TOPNetwork > データセンターのワークロード管理、AI活用の現状は(中)

Network

データセンターのワークロード管理、AI活用の現状は(中)

2021/07/14

John Edwards Network World

 データセンターでのAI/MLの用途としては、パフォーマンスの向上のほか、設定や構成の最適化もある。米Dell TechnologiesでAI戦略を率いるBrons Larson氏は「AI/MLでは、ワークロードに照らしてリソースのオーケストレーションを動的に行うことで、リソースの使用を最適化し、コストを抑制できる」と述べる。どのようなアプリケーションやベンダーであれ、構成や最適化を適切に行う技能はすべてのAIソリューションに必要だという。「その第一歩は、トレーニングのためのデータの取得と評価を適切に行うことと、展開したモデルのテストや管理をドリフトやバイアスに照らして行うことだ」

 また、ルールベースAIでは、スマートなポリシー管理と定義済みの設定の両方を通じて、リソースの最適化やコンプライアンスを自動化できる。Su氏は次のように話す。「日々の運用で集めたデータを利用して、以前なら詳細な専門知識が必要だった部分を、機械学習ベースのAIでさらに強化できる。例えば、自己学習による脅威検出と監視のアルゴリズムを通じて、データセンターのセキュリティを強化できる。必要なリソースを適切な方向に割り振り、ロードバランシング、消費電力、冷却を最適化できる」

 AIはデータ管理の円滑化にもつながる。「企業は重要なステークホルダーに関する膨大なデータに囲まれている。AIを使えば、膨大なデータを効果的かつ正確に管理できる」とKavanaugh氏は言う。AIを活用することで、データ品質の分析や、予測に使うデータの抽出などの作業を、これまでにないほど短時間で正確にこなせるようになる。「これは企業にとって重要だ。情報に基づく的確な意思決定のためには、データの正確性を最大限に高める必要がある」

翻訳:内山卓則=ニューズフロント

↑ページ先頭へ