Firma Infinidat uruchomiła architekturę przepływu pracy wykorzystującą generację rozszerzoną (RAG), dostępną jako usługa doradcza dla klientów zajmujących się pamięcią masową, która umożliwia im gromadzenie aktualnych, prywatnych danych z wielu firm źródła danych do sztucznej inteligencji (AI) z dowolnego magazynu NFS w swojej organizacji.
Posunięcie to odzwierciedla trend, który występował już wielokrotnie firmy zajmujące się pamięcią masową zajmują się obciążeniami AIoraz problemy RAG – w szczególności w przypadku generatywnej sztucznej inteligencji (GenAI) – które powstają, gdy dane wykorzystywane do szkoleń są niekompletne, nieaktualne lub brakuje im tego rodzaju informacji, które można uzyskać wyłącznie z danych prywatnych, np. w organizacji lub od ekspertów wiedza.
Kiedy organizacja chce rozwijać GenAIpoddaje zbiór danych procesowi szkoleniowemu, podczas którego sztuczna inteligencja uczy się rozpoznawać określone atrybuty, które można wykorzystać w celach informacyjnych lub wyzwalających w aplikacjach.
Te procesy szkoleniowe często opierają się na zbiorach danych, które są bardzo ogólne, mogą być nieaktualne lub być może początkowo brakuje im specjalistycznych lub prywatnych danych. Często dzieje się tak w przypadku projektów sztucznej inteligencji prowadzonych w organizacjach, które muszą być na bieżąco z biegiem czasu, powiedział dyrektor ds. marketingu Infinidat, Eric Herzog.
„Wiele organizacji wykorzystuje generatywną sztuczną inteligencję jako projekt wewnętrzny z prywatnymi danymi” – powiedział Herzog. „Oprócz chęci ochrony swojej własności intelektualnej, mają także obawy dotyczące dokładności, unikania halucynacji itp.
„Na przykład duże przedsiębiorstwo, które generuje ogromne ilości danych – w zakresie sprzedaży, wsparcia technicznego i operacji – chciałoby zwiększyć wydajność swojej działalności, a to jest w dużym stopniu powiązane z wydajnością jej pamięci masowej.
„Klient chce widzieć dokładne dane w czasie zbliżonym do rzeczywistego. Może wykorzystywać sztuczną inteligencję do zrozumienia szczegółów – mogą to być śruby w elemencie, typ, dostawca, dowolna liczba szczegółów – i być w stanie na bieżąco aktualizować te informacje.
Infinidat oferuje w tej chwili profesjonalne doradztwo w zakresie usług, aby umożliwić swoim klientom dostęp do danych do celów RAG z pamięci własnej i innych dostawców, o ile są one w formacie przechowywania plików NFS.
Według Herzoga obejmuje to pomoc w skonfigurowaniu systemu przechowywania danych w celu szybkiego dostępu do danych i metadanych na potrzeby RAG. Powiedział, iż Infinidat jest do tego dobrze przygotowany ze względu na wagę, jaką przywiązuje do metadanych i „neuronowej pamięci podręcznej” w swojej architekturze i środowisku InfuzeOS.
Macierze Infinidat mogą być macierzami typu all-flash lub hybrydowymi dyskami obrotowymi i półprzewodnikowymi i są przeznaczone głównie dla zaawansowanych klientów korporacyjnych i dostawców usług. Ich produkty sprzętowe są wyposażone w potrójnie aktywne kontrolery i wykorzystują tak zwaną pamięć podręczną neuronową, która kieruje dane do najbardziej odpowiednich mediów, przy czym większość żądań we/wy przebiega bardzo gwałtownie NAPARSTEKz deklarowanym współczynnikiem trafień w pamięci podręcznej wynoszącym ponad 90%.
Koncentrując się tutaj na możliwościach RAG, firma Infinidat dołącza do innych dostawców pamięci masowych, którzy ostatnio zachęcali klientów do rozpoczynania projektów AI.
Dyrektor generalny Pure Storage, Charlie Giancarlo chciał podkreślić jego firma promuje sztuczną inteligencję podczas wydarzenia Accelerate w czerwcu, podczas którego podkreślono szybkość zapisu i dostępność pamięci masowej. W międzyczasie NetApp rozpoczął prace nad zarządzaniem danymi dla sztucznej inteligencji dzięki ogłoszenie klasyfikacji danych dla AI za pośrednictwem systemu operacyjnego OnTap podczas corocznej konferencji Insight we wrześniu.
