Entonces estás construyendo una arquitectura en la nube y diseñando sistemas creativos impulsados por IA. ¿Qué deberías hacer diferente? ¿Qué necesitas para hacer lo mismo? ¿Cuáles son las mejores prácticas emergentes? Después de construir algunos de estos durante los últimos 20 años, y especialmente en los últimos dos años, estas son mis recomendaciones:
Comprenda sus casos de uso
Defina claramente la meta y los objetivos de la IA creativa de su arquitectura en la nube. Si hay un error que veo una y otra vez es no comprender el significado de la IA creativa en los sistemas empresariales. Comprenda lo que quiere lograr, ya sea creación de contenido, sistemas de recomendación u otras aplicaciones.
Esto significa escribir las cosas y encontrar consenso sobre los objetivos, cómo centrarse en los objetivos y, lo más importante, cómo definir el éxito. Esto no es sólo nuevo en la IA creativa; Este es un paso ganador con todos los nuevos sistemas de redes y migración creados en la nube.
Veo que proyectos completos de creación de IA en la nube fracasan porque no entendieron correctamente los casos de uso empresarial. Las empresas construyen algo que se ve bien, pero que no aporta ningún valor al negocio. Eso no funcionará.
Las fuentes de datos y la calidad son clave
Identifique las fuentes de datos necesarias para entrenar e inferir modelos generativos de IA. Los datos deben ser accesibles, de buena calidad y gestionados cuidadosamente. También debe garantizar la disponibilidad y compatibilidad con las soluciones de almacenamiento en la nube.
Los sistemas generativos de IA se basan en gran medida en datos. Yo los llamaría sistemas orientados a datos; Los datos son el combustible que impulsa los resultados de los sistemas generados por IA. Basura dentro basura fuera.
Por lo tanto, ayuda centrarse en la accesibilidad de los datos como un factor clave de la arquitectura de la nube. Debe ingresar los datos más importantes como datos de entrenamiento, generalmente dejándolos donde están y sin migrarlos a una sola entidad física. De lo contrario, no tendrá datos redundantes ni una única fuente de verdad. Considere canalizaciones de datos eficientes para preprocesar y limpiar los datos antes de introducirlos en los modelos de IA. Esto garantiza la calidad de los datos y el rendimiento del modelo.
Esto representa aproximadamente el 80% del éxito de la arquitectura en la nube que utiliza IA creativa. Sin embargo, lo que a menudo se pasa por alto es cuando los arquitectos de la nube procesan algo más que los datos que alimentan estos sistemas al sistema de IA creativo. Los datos lo son todo.
Seguridad y privacidad de los datos
Así como los datos son importantes, la seguridad y la privacidad también se aplican a esos datos. El procesamiento de generación de IA puede convertir datos aparentemente sin sentido en datos que pueden revelar información confidencial.
Implementar fuertes medidas de seguridad de datos, incluido el cifrado y controles de acceso, para proteger los datos confidenciales utilizados por el creador de la IA y cualquier dato nuevo que el creador de la IA pueda crear. Como mínimo, cumpla con las normas de privacidad de datos. Esto no significa incorporar algún sistema de seguridad a tu arquitectura como último paso; La seguridad debe diseñarse en los sistemas en cada paso.
Recursos de escalabilidad e inferencia
Planifique recursos de nube escalables para adaptarse a diferentes cargas de trabajo y requisitos de procesamiento de datos. La mayoría de las empresas consideran soluciones de equilibrio de carga y escalado automático. Uno de los errores más importantes que veo es construir sistemas que se adapten bien pero que sean prohibitivamente caros. Lo mejor es equilibrar la escalabilidad con la rentabilidad, lo cual se puede hacer pero requiere una buena arquitectura y prácticas finas.
Además, explore recursos de capacitación e inferencia. Estoy seguro de que habrá notado que muchas de las noticias en las conferencias sobre la nube giran en torno a este tema, y por una buena razón. Seleccione instancias de nube adecuadas con GPU o TPU para el entrenamiento y la inferencia de modelos. Nuevamente, optimice la asignación de recursos para lograr rentabilidad.
Considere la selección del modelo
Elija una arquitectura de generador de IA ejemplar (por ejemplo, redes genéricas, transformadores, etc.) en función de sus casos de uso y requisitos específicos. Utilice servicios en la nube para la capacitación de modelos, como AWS SageMaker y otros, y encuentre soluciones optimizadas. Esto también significa comprender que es posible que tengas muchos patrones conectados, y eso será normal.
Implemente una estrategia sólida de implementación de modelos, incluido el control de versiones y la contenedorización, para que el modelo de IA esté disponible para las aplicaciones y servicios en su arquitectura de nube.
Monitoreo y registro
No es opcional configurar sistemas de monitoreo y registro para rastrear el rendimiento del modelo de IA, el uso de recursos y los posibles problemas. Implemente mecanismos de alerta de anomalías, así como sistemas de observabilidad integrados para abordar la IA creativa en la nube.
Además, supervise y optimice constantemente los costos de los recursos de la nube, ya que la IA generativa puede consumir muchos recursos. Utilice herramientas y prácticas de gestión de costos de la nube. Esto significa que finops monitorea cada aspecto de su implementación: rentabilidad operativa al mínimo y eficiencia arquitectónica para evaluar si su arquitectura es óptima. La mayoría de las arquitecturas requieren ajustes y mejoras continuas.
Otras Consideraciones
La conmutación por error y la redundancia son necesarias para garantizar una alta disponibilidad, y los planes de recuperación ante desastres pueden minimizar el tiempo de inactividad y la pérdida de datos en caso de fallas del sistema. Implementar redundancia cuando sea necesario. Además, audite y evalúe periódicamente la seguridad de su sistema de creación de IA dentro de la infraestructura de la nube. Enfrente las debilidades y cumpla con el cumplimiento.
Es una buena idea establecer pautas para el uso ético de la IA, especialmente a la hora de crear contenidos o tomar decisiones que afecten a los usuarios. Abordar las preocupaciones sobre parcialidad y equidad. Hoy en día existen problemas en torno a la IA y la equidad, y es necesario asegurarse de que se está haciendo lo correcto. Evalúe continuamente la experiencia del usuario para garantizar que el contenido generado por IA cumpla con las expectativas del usuario y mejore la participación.
Otros aspectos de la arquitectura de la computación en la nube son prácticamente los mismos ya sea que se utilice IA generativa o no. La clave es saber que algunas cosas son mucho más importantes y necesitan ser más rigurosas, y siempre hay margen de mejora.
Copyright © 2023 IDG Communications, Inc.
