DELL پلتفرم هوش مصنوعی خود را با لایه معنایی ویژه عامل‌های AI توسعه می‌دهد

شرکت Dell Technologies با معرفی قابلیت‌های جدید در پلتفرم هوش مصنوعی خود، AI Data Platform، به دنبال بهبود مدیریت، پردازش و استفاده از داده‌های سازمانی است. این به‌روزرسانی شامل سه قابلیت اصلی است: لایه معنایی (Semantic Layer)، گراف دانش سازمانی (Enterprise Knowledge Graph) و عامل‌های دانش (Knowledge Agents).

این به روز رسانی، یکی از چالش‌های مهم هوش مصنوعی سازمانی را با عنوان پراکندگی داده‌ها در فایل‌ها، پایگاه‌های داده، سرویس‌های ابری و سامانه‌های داخلی رفع می نماید. این پراکندگی باعث می‌شود عامل‌های هوش مصنوعی برای درک هر درخواست، به اطلاعات و زمینه بیشتری نیاز داشته باشند.

Dell قصد دارد با یکپارچه‌سازی معنای داده‌ها و ترسیم ارتباط میان آن‌ها، دسترسی عامل‌های هوش مصنوعی به اطلاعات سازمانی را بهبود دهد. این رویکرد همچنین به سازمان‌ها کمک می‌کند کنترل بیشتری بر دسترسی به داده‌های حساس خود داشته باشند.

معرفی قابلیت جدید پلتفرم هوش مصنوعی DELL :

دل قصد دارد این منابع را در داخل دیتاسنتر اختصاصی مشتری به یکدیگر متصل کند تا عامل‌های هوش مصنوعی (AI Agents) بتوانند به داده‌های داخلیِ تحت حاکمیت و کنترل سازمان دسترسی داشته باشند و برای هر درخواست، زمینه اطلاعاتی را از ابتدا بازسازی نکنند.در مرکز این به‌روزرسانی، قابلیتی با نام Unified Semantic Layer قرار دارد که برای ایجاد معنای تجاری یکسان و سازگار میان داده‌های ساخت‌یافته و ساخت‌نیافته طراحی شده است.

این لایه از قوانین، تعاریف و واژه‌نامه‌ای قابل جست‌وجو استفاده می‌کند تا سامانه‌های هوش مصنوعی بتوانند اصطلاحات متفاوتی را که به یک مفهوم اشاره دارند، معادل یکدیگر تشخیص دهند. برای مثال، این قابلیت می‌توانلایه معنایی و یکپارچه‌سازی داده‌های سازمانید تشخیص دهد که اصطلاح «مشتری» (Client) در یک سامانه، ممکن است معادل مفهوم «حساب» (Account) در سامانه‌ای دیگر باشد.این پلتفرم همچنین Enterprise Knowledge Graph را معرفی می‌کند؛ گراف دانشی که روابط میان داده‌های ساخت‌یافته و ساخت‌نیافته را ترسیم می‌کند. به گفته دل، این گراف با استفاده از فراداده‌ها (Metadata)، اطلاعات تبار داده (Data Lineage) و تاریخچه پرس‌وجوها (Query History) به‌مرور اصلاح و تکمیل می‌شود. در نتیجه، برنامه‌های کاربردی و عامل‌های هوش مصنوعی می‌توانند بر اساس سطح دسترسی مجاز کاربران، جداول مرتبط، محصولات داده‌ای (Data Products)، داده‌های چندوجهی (Multimodal Data) و نمایه‌های برداری (Vector Indexes) را شناسایی کنند.

سومین قابلیت جدید، Knowledge Agents نام دارد و برای به‌کارگیری این زمینه اطلاعاتی در موضوعات مشخص طراحی شده است. طبق توضیحات دل، می‌توان هر عامل را به بخش معینی از گراف دانش محدود کرد. همچنین مشتریان قادر خواهند بود قواعد مربوط به راهنمایی‌ها، دسترسی به داده‌ها، آستانه‌های کیفیت و سقف هزینه‌ها را برای این عامل‌ها تعیین کنند.

لایه معنایی و یکپارچه‌سازی داده‌های سازمانی

دل اعلام کرده است که این سه مؤلفه در محیط اختصاصی مشتری باقی خواهند ماند؛ زیرا حاوی اطلاعات حساس و ارزشمند سازمانی هستند. طراحی این پلتفرم به‌گونه‌ای است که زمینه اطلاعاتی را میان برنامه‌ها و عامل‌های مختلف به اشتراک بگذارد، بدون آنکه مشتری به یک مدل هوش مصنوعی، یک منبع داده یا یک ارائه‌دهنده ذخیره‌سازی خاص وابسته شود.

افزایش توان پردازش داده‌ها

دل همچنین تغییراتی را در مسیر پردازش داده‌های مورد استفاده در بارهای کاری هوش مصنوعی تشریح کرده است.موتور پردازش داده این شرکت، یعنی Data Processing Engine، با استفاده از کتابخانه NVIDIA cuDF و پردازنده‌های گرافیکی NVIDIA RTX PRO 4500 Blackwell Server Edition، می‌تواند در مجموعه‌ای از بارهای کاری، داده‌ها را به‌طور متوسط تقریباً چهار برابر سریع‌تر از پیکربندی‌های صرفاً مبتنی بر پردازنده مرکزی (CPU) پردازش کند. در وظایف پردازش دسته‌ای (Batch Processing) نیز بهبود عملکرد تا ۲۰ برابر گزارش شده است.

در این معماری، از Apache Arrow برای انتقال داده میان سامانه‌های ذخیره‌سازی و پردازش دل استفاده می‌شود؛ به‌گونه‌ای که عملیات پردازشی بتوانند داده‌ها را در محل ذخیره‌سازی خود جست‌وجو و پردازش کنند. به گفته دل، این روش می‌تواند زمان آماده‌سازی داده‌ها را پیش از استفاده در سامانه‌های هوش مصنوعی کاهش دهد.

در بخش ذخیره‌سازی نیز دل در حال توسعه قابلیت‌های PowerScale است تا امکان پشتیبانی از حداکثر ۵۰۰ مستأجر (Tenant) در یک کلاستر فراهم شود. این به‌روزرسانی همچنین قابلیت mTLS روی NFS را برای برقراری ارتباطات فایل رمزگذاری‌شده و احرازشده اضافه می‌کند. علاوه بر این، کنترل‌های دسترسی مبتنی بر نقش (RBAC) با جزئیات بیشتر برای مدیریت مستأجران در محیط‌های اشتراکی هوش مصنوعی ارائه می‌شوند.

این تغییرات سازمان‌های بزرگ و ارائه‌دهندگان خدماتی را هدف قرار می‌دهند که پلتفرم‌های هوش مصنوعی مشترکی را برای چندین تیم یا مشتری، روی یک زیرساخت واحد اجرا می‌کنند. به گفته دل، این معماری به آن‌ها امکان می‌دهد ضمن استفاده از یک کلاستر مشترک، داده‌های هر مستأجر را از سایرین تفکیک کنند.

ابزار ارزیابی عملکرد

بخش دیگری از این اعلامیه به Dell Storage Performance Tool مربوط می‌شود؛ ابزاری که در حال حاضر در دسترس است. این ابزار برای کمک به مشتریان در تعیین ظرفیت موردنیاز زیرساخت هوش مصنوعی، مقایسه سامانه‌های تأمین‌کنندگان مختلف و سنجش عملکرد ذخیره‌سازی اشیای سازگار با S3 طراحی شده است.این ابزار می‌تواند عملکرد ذخیره‌سازی را در بارهای کاری مختلف، از جمله آموزش مدل (Training)، استنتاج (Inference) و ثبت نقاط بازیابی یا وضعیت پردازش (Checkpointing)، ارزیابی کند.

دل همچنین خدمات پیاده‌سازی خود را در حوزه AI Data Platform گسترش داده است. این خدمات، مؤلفه‌های تحلیل داده، پردازش، جست‌وجو و هماهنگ‌سازی پلتفرم را پوشش می‌دهند و هدف آن‌ها کمک به سازمان‌ها برای عبور از مرحله استقرار اولیه و رسیدن به بهره‌برداری عملیاتی است.

آرتور لوئیس (Arthur Lewis)، رئیس گروه راهکارهای زیرساختی شرکت Dell Technologies، در توضیح اهمیت این تحول گفت:

«داده بدون زمینه، چیزی جز نویز نیست. بیشتر سازمان‌ها سال‌ها زمان صرف کرده‌اند تا داده‌های خود را در دسترس قرار دهند؛ اما در دسترس بودن، با قابل استفاده بودن یکسان نیست. عاملی که می‌تواند یک رکورد مشتری را پیدا کند، اما نمی‌داند این رکورد چه معنایی دارد، چه ارتباطی با سایر اطلاعات برقرار می‌کند یا تا چه اندازه قابل اعتماد است، هوشمند نیست؛ فقط سریع است. سازمان‌هایی که این مسئله را حل کنند، صرفاً هوش مصنوعی را سریع‌تر مستقر نمی‌کنند یا تعداد بیشتری عامل به کار نمی‌گیرند؛ بلکه ارزش بیشتری از داده‌هایی که از قبل در اختیار دارند، به دست خواهند آورد.»

زمان‌بندی عرضه قابلیت‌های جدید

DELL اعلام کرده است که ابزار Storage Performance Tool و خدمات داده آماده برای هوش مصنوعی در حال حاضر در دسترس هستند. سایر قابلیت‌ها نیز طبق برنامه زیر عرضه خواهند شد:

جیسون هاردی (Jason Hardy)، معاون فناوری ذخیره‌سازی در شرکت NVIDIA، نیز درباره این همکاری گفت:

«اثربخشی عامل‌های هوش مصنوعی به داده‌هایی بستگی دارد که می‌توانند به آن‌ها دسترسی پیدا کنند، آن‌ها را درک کنند و به آن‌ها اعتماد داشته باشند. محاسبات شتاب‌یافته و نرم‌افزارهای هوش مصنوعی NVIDIA به تبدیل داده‌های تحت حاکمیت سازمان به زمینه اطلاعاتی آماده برای هوش مصنوعی کمک می‌کنند. دل با ادغام شتاب‌دهی NVIDIA cuDF به‌صورت مستقیم در Data Processing Engine خود، مسیر تبدیل داده‌های ذخیره‌شده به داده‌های آماده هوش مصنوعی و شتاب‌یافته با GPU را کوتاه‌تر می‌کند؛ داده‌هایی که عامل‌های هوش مصنوعی می‌توانند از آن‌ها برای ایجاد نوآوری در دنیای واقعی بهره ببرند.»

جمع‌بندی

توسعه جدید Dell AI Data Platform نشان‌دهنده تمرکز بیشتر بر یکی از چالش‌های اساسی هوش مصنوعی سازمانی است: صرف دسترسی به داده‌ها کافی نیست؛ داده‌ها باید در زمینه صحیح، با معنای یکپارچه و سطح دسترسی کنترل‌شده در اختیار عامل‌های هوش مصنوعی قرار گیرند.ترکیب لایه معنایی، گراف دانش و عامل‌های دانش با پردازش شتاب‌یافته مبتنی بر NVIDIA و قابلیت‌های توسعه‌یافته PowerScale، می‌تواند به سازمان‌ها کمک کند تا از داده‌های پراکنده خود مؤثرتر استفاده کنند. بااین‌حال، عرضه تدریجی قابلیت‌ها تا نیمه نخست سال ۲۰۲۷ به این معناست که بخش مهمی از قابلیت‌های جدید هنوز در مرحله عرضه آتی قرار دارند.

منبع :   DataCenter.News

نویسنده: مارا سوگو (Mara Sugue)، دبیر خبر

۹ اکتبر ۲۰۲۶

تیم فنی شرکت کوشا فناوران مبتکر آمادگی خود را برای یاری به حفاظت از داده های ارزشمند شما اعلام می دارد. این اقدامات شامل طراحی و پیاده سازی طرح تداوم کسب و کار و بازیابی داده ها پس از بحران ، طراحی و پیاده سازی طرح پشتیبان گیری امن داده و هاردنینگ و امن سازی زیر ساخت فناوری اطلاعات می باشند.