【中國安防展覽網 視點跟蹤】在過去二十年中，人類收集、存儲、傳輸、處理數(shù)據的能力取得了飛速提升，人類社會的各個角落都積累了大量數(shù)據，亟需能有效地對數(shù)據進行分析利用的計算機算法，而機器學習和人工智能恰好順應了大時代的這個迫切需求，因此安防企業(yè)需要重點關注這兩個領域。
人工智能和機器學習春風吹進數(shù)據存儲行業(yè)
IDC新的報告顯示，存儲收入在逐步萎縮，AI和機器學習的發(fā)展對于存儲供應商來說是一個好消息。但是行業(yè)產能將會被無限擴大，正如分析引擎將會與數(shù)據存儲庫產品爭奪一樣，將會以他們希望的速度來提供信息。
DataDirect Networks產品營銷總監(jiān)Laura Shepard表示，機器學習的應用會很快地消耗掉基礎數(shù)據存取能力和管理基礎設施。原型和一代機器學習基礎設施通常建立在現(xiàn)存的企業(yè)存儲之上，或者有團隊會推出自己的白盒或者混合開源的國產、商用工具和應用程序。
因此， 對于大多數(shù)成功的機器學習項目來說，隨著規(guī)模增加都將會遇到問題；對于AI來書，大多數(shù)數(shù)據可以產生一個更好的結果。這也推動了機器學習項目的不斷增長。
Shepard表示，規(guī)模增加和減少的故障表明，如果不能以所需的速度提供數(shù)據訪問，不能擴大數(shù)據搜索的速度，那么就不能使得數(shù)據存儲變得更加簡單和具有成本效益。任何失敗都會導致整個項目的失敗，因為如果不能提升輸入，或者增加機器學習網絡的深度，將就不能提高輸出的規(guī)模。
無法規(guī)模的數(shù)據轉換，以改善調查結果，并無法大規(guī)模的數(shù)據存儲在一個腳印，很容易或具有成本效益的管理。任何這些失敗可能脫軌的整體方案的進步，因為如果你不能增長你的投入或增加你的深度學習網絡的深度，你不能擴大你的輸出，說謝巴德。
Shepard認為，當這種情況發(fā)生的時候，我們看到代基礎設施開始有壓力了。
機會來臨
但是對于一些人的挑戰(zhàn)，對于另一些人是機會。隨著AI和機器學習應用的增長，它將吸引越來越多的創(chuàng)業(yè)公司來解決涉及的更多問題。
IT Brand Pulse分析師Frank Berry表示，管理數(shù)據中心基礎設施一直是一個需要積極部署的事情，并需要走在業(yè)務需求的前面。機器學習的目的是自動獲取更高的存儲能力、更加高可用的服務水平(減少每存儲單元所需管理員數(shù))和更好的性能。
Zadara Storage的市場副總監(jiān)Kevin Liebl繼續(xù)深入探討了這個話題。他相信正如自動駕駛汽車一樣，AI將讓數(shù)據存儲具有自我管理的能力和自動駕馭數(shù)據中心的能力。
自動化將會大大增加管理員能夠管理的機器數(shù)量，當服務器完全配備了分析和自動化服務管理軟件的時候，一名管理員能夠管理的服務器數(shù)量將會從今天的500臺增加到未來的20,000臺。Liebl認為，這種管理方式將會讓存儲管理更加簡單，花費更少的時間，并且更加有效率。
Liebl還補充到，存儲是數(shù)據中心自我運行的中心，因為所有的這種自動化需要記錄所有的活動，當然，這種記錄將會產生數(shù)據。隨著云計算、移動化和IOT、社交媒體和分析的發(fā)展，數(shù)據將會大規(guī)模的增長。這就是為什么所有的數(shù)據容量都將繼續(xù)以沒兩年翻一倍的速度增長。
Liebl 表示，AI在存儲行業(yè)的大需求可能主要在于存儲管理能力，這讓系統(tǒng)能夠自動處理數(shù)據的急劇增長。
正如個人電腦重塑了業(yè)務世界一樣，AI和機器學習將會以同樣的方式來影響存儲行業(yè)的發(fā)展。正如個人電腦提高了個人應用能力到大規(guī)模企業(yè)數(shù)據庫和自動程序能力一樣，AI和機器學習很可能由消費者喜歡的功能演變?yōu)榈臄?shù)據驅動程序，這將推動企業(yè)的發(fā)展。
Cloudian公司的CEO Michael Tso表示，未來20年，公司將會演變成AI輔助的組織。在那樣的世界里，數(shù)據將促進協(xié)作，機器將會收集信息、學習并幫助人類匹配客戶需求來進行實時決策。
這樣的情況現(xiàn)在已經存在了。像亞馬遜這樣的購物網站就使用了這種技術。同樣的，廣告反饋系統(tǒng)越來越善于為網站用戶提供基于訪問的廣告推廣服務。Cloudian也使用了數(shù)字廣告牌，這可以匹配個性化的駕駛員和他們的汽車，為其推送合適的廣告。
Tso認為，在存儲行業(yè)，這就意味著，供應商不得不保留大規(guī)模的非結構化數(shù)據來訓練機器。一旦機器可以進行自我學習，他們將能夠收集和生產新的大量的數(shù)據來存儲、標記和分析。
在我們的受訪者中，絕大多數(shù)專家都提到了自動駕駛汽車。自動駕駛汽車被描述為通過大量的傳感設備來"讀取"周圍環(huán)境，這跟準確的地圖數(shù)據有點類似。由此來覺得如何駕駛、剎車和加速等。這樣所需存儲的復雜性是顯而易見的。攝像機和雷達等設備產生的數(shù)據每秒有10GB之多。所有這些數(shù)據都要被壓縮和處理。通過自動駕駛汽車的攝像機和雷達能夠獲得高清地圖數(shù)據。這是獲得準確汽車汽車位置的關鍵所在。這些高清地圖在標準地圖之上，額外添加了車道標線、限制和標志。 所有這些數(shù)據以每秒10s+GB的速度產生。這些數(shù)據乘以運動量再乘以汽車數(shù)量，其數(shù)據量將是非常非常巨大的。
另外，每輛汽車還要記錄一些駕駛數(shù)據，并保存幾天到幾個月不等---這取決于OEM和監(jiān)管要求。這是非常重要的，因為即使這些數(shù)據上傳到云，本地還是要保存這些數(shù)據的。數(shù)據的質量還僅僅只是個開始，這些數(shù)據包括每輛車和通過系統(tǒng)產生的，這些數(shù)據將會決定汽車的安全行駛和運行。所有類型的AI和機器學習系統(tǒng)都將獲取這些信息，并把信息轉變?yōu)椴僮髦笇?。這就意味著存儲系統(tǒng)必須能夠以汽車的行駛速度來存儲、轉移和處理數(shù)據。
StorageIO Group 的分析師Greg Schulz表示，這些現(xiàn)有數(shù)據的價值還有很多未被挖掘出來，AI還將帶來未開發(fā)的和未知的價值。
存儲增強
但是這不是一條獨木橋。這也不僅僅是讓存儲如何存儲更多數(shù)據、處理更快、讓分析引擎更快的問題，還有相互之間的影響---AI和機器學習將會給存儲技術帶來更多的關注，并將促進存儲技術的發(fā)展。
Schulz 表示，AI和其他算法能夠讓分析被用于管理數(shù)據、存儲，甚至會涉及到數(shù)據基礎設施資源。這意味著，這將超越基本分析和洞察力意識報告，以及基于系統(tǒng)或軟件管理的傳統(tǒng)政策。
他提到要注意AI和機器學習對CPU處理能力需求的增加和存儲容量的增加，同時還會增加---把數(shù)據轉變?yōu)樾畔⒌墓ぞ?--的需求。
移動版
智慧城市網APP
智慧城市網小程序
微信公眾號
