Đã đăng vào thg 6 7, 10:36 SA 15 phút đọc

212

Cloud và AI hỗ trợ lẫn nhau như thế nào trong xu thế hiện nay?

Xu thế hiện nay của ngành công nghệ phần mềm tập trung nhiều vào Cloud và AI. Đây là một bài viết để tổng hợp lại những gì mình tìm hiểu được về cách mà Cloud và AI hỗ trợ lẫn nhau, hy vọng sẽ có một số thông tin hữu ích cho các bạn.

I. Cloud hỗ trợ những gì cho AI và các ứng dụng AI?

1. Tài nguyên tính toán mạnh mẽ

Thường thì để train model cần tài nguyên phần cứng rất lớn và mất nhiều thời gian để AI có thể hoạt động hiệu quả.

Vói cloud, ta được cung cấp các tài nguyên tính toán lớn và linh hoạt, cho phép thực hiện các mô hình AI phức tạp hơn và tăng tốc quá trình train AI so với phương pháp truyền thống.

Các nhà cung cấp cloud lớn hiện nay như AWS, Google Cloud Platform và Microsoft Azure đã cung cấp các máy chủ chuyên dụng với phần cứng chuyên dụng như GPU và TPU để tăng tốc quá trình training.

Một số loại máy chủ mới chuyên dành cho AI: Amazon EC2 P3, Amazon EC2 Inf1, Azure NV-Series VMs, Google Cloud TPU...

2. Tiết kiệm chi phí

Với mô hình pay-as-you-go của cloud, chi phí cho việc phát triển và vận hành các ứng dụng AI đã được tối ưu hoá, tiết kiệm chi phí cho người dùng so với việc đầu tư phần cứng riêng.

3. Những công nghệ giúp triển khai AI dễ dàng hơn với cloud

a. MLOps

MLOps là là sự kết hợp của Machine Learning (học máy) và Operations (vận hành) nhằm mục đích triển khai và duy trì các hệ thống ML một cách hiệu quả.

MLOps tập hợp các phương pháp tự động hóa vòng đời của các thuật toán học máy trong quá trình sản xuất ở tất cả các bước xây dựng hệ thống ML, từ huấn luyện mô hình ban đầu đến triển khai và đào tạo lại dựa trên dữ liệu mới.

Ta có thể kết hợp MLOps với cloud một cách dễ dàng vì cloud hỗ trợ rất nhiều công nghệ CI/CD cho vận hành tự động cũng như các công nghệ cho những giai đoạn huấn luyện mô hình. Nhờ đó, khách hàng có thể dễ dàng triển khai mô hình AI.

Quy trình triển khai MLOps:

b. Framework

Để hỗ trợ việc xử lý dữ liệu thời gian thực và huấn luyện mô hình, cloud cung cấp các khung giúp tự động quá trình này cũng như cải thiện hiệu suất.

Serverless computing

Mô hình serverless phù hợp cho việc xử lý dữ liệu thời gian thực, hướng sự kiện giúp tài nguyên được phân bổ một cách hợp lý khi các sự kiện xảy ra

Dịch vụ serverless phổ biến có thể kể đến: AWS Lambda, Google Cloud Function...
Distributed computing

Cloud hỗ trợ tính toán phân tán, các tác vụ phân tích và xử lý dữ liệu được phân phối trên nhiều máy chủ để xử lý song song, giúp tăng hiệu suất và giảm thời gian cần thiết để phân tích các tệp dữ liệu lớn

Một số dịch vụ phân tán của các cloud lớn: Amazon EC2 Autoscaling, Amazon Elastic MapReduce, Google Kubernetes Engine...
In-memory computing

Mô hình in-memory cung cấp khả năng xử lý dữ liệu trong bộ nhớ thay vì chỉ dựa vào bộ lưu trữ trên đĩa (disk-based storage) giúp tăng tốc đáng kể việc xử lý dữ liệu, giúp xử lý dữ liệu thời gian thực

Một số dịch vụ có thể kể đến: Amazon ElastiCache, Google Cloud Memorystone...

c. Dịch vụ storage

Các dịch vụ lưu trữ cũng là một yếu tố quan trọng khi triển khai mô hình AI vì để train model cần khối lượng dữ liệu rất lớn.

Cloud cung cấp khả năng tiền xử lý dữ liệu trong các dịch vụ lưu trữ. Bên cạnh đó, các loại kho lưu trữ khác nhau được đưa ra cho người dùng với khả năng query dữ liệu lớn với tốc độ cao giúp AI đưa ra quyết định theo thời gian thực nhanh, chính xác hơn.

Dịch vụ back-up của cloud cũng là một hỗ trợ lớn cho AI để duy trì những tập dữ liệu quan trọng của khách hàng hay cho việc train model.

Ngoài các dịch vụ storage phổ biến (Amazon S3, Google Cloud Storage, Azure Blob Storage), cloud cung cấp thêm dịch vụ storage đặc biệt hỗ trợ AI như: Amazon RDS, Amazon Redshift, Google Cloud SQL, Bigquery (GCP), Azure SQL Database,...

d. Dịch vụ quản lý

Hiện nay, cloud đã cung cấp các dịch vụ quản lý việc phân tích dữ liệu của AI giúp đơn giản hoá việc thiết lập và quản lý quy trình xử lý dữ liệu, giúp việc xây dựng mô hình AI trở nên đơn giản hơn.

Mỗi dịch vụ đều có các tính năng riêng biệt để quản lý toàn bộ quy trình học máy từ giai đoạn chuẩn bị dữ liệu, xây dựng mô hình, huấn luyện đến triển khai và giám sát sau triển khai.

Những dịch vụ này đều nhằm hỗ trợ tự động hoá việc train AI và giúp áp dụng MLOps trong đám mây một cách hiệu quả hơn.

Một số dịch vụ có thể kể đến như Azure Data Factory, AWS EMR, Vertex AI...

4. Một số giải pháp hỗ trợ huấn luyện AI của cloud

Bên cạnh các ưu điểm về tài nguyên và công nghệ, cloud còn cung cấp sẵn các dịch vụ cung cấp các công cụ để người dùng tự huấn luyện, triển khai và quản lý AI.

Các dịch vụ này bao gồm tất cả những dịch vụ con giúp train AI ở từng giai đoạn, từ đó tạo thành một nền tảng chuyên hỗ trợ cho việc huấn luyện và triển khai AI.

Ví dụ như Amazon SageMaker là một dịch vụ hoàn chỉnh của Amazon Web Service giúp triển khai AI, nó bao gồm SageMaker Studio giúp quản lý môi trường, SageMaker Training để huấn luyện AI, SageMaker Experiments giúp theo dõi việc train AI...

Một số dịch vụ của những cloud lớn: Google Cloud AI Platform, Amazon SageMaker. Azure Machine Learning...

II. AI hỗ trợ các dịch vụ cloud như thế nào?

1. Cải thiện trải nghiệm người dùng

Dựa trên nguồn dữ liệu từ người dùng, AI giúp nhà cung cấp cloud đưa ra những dự báo có giá trị về các sự kiện, tài nguyên có thể sử dụng của người dùng. Từ đó, đưa ra các đề xuấ hợp lý cho người dùng lựa chọn.

Cloud có thể tương tác với người dùng thông qua AI như chatbot để hỗ trợ người dùng và đảm bảo tính sẵn sàng của cloud so với sử dụng đội ngũ truyền thống.

AI kết hợp với điện toán biên giúp cloud tăng trải nghiệm người dùng bằng cách loại bỏ độ trễ một cách tối đa, ,cá nhân hoá trải nghiệm người dùng.

2. Cải thiện độ hiệu quả của cloud

a. Tối ưu hoá tài nguyên

Các thuật toán dựa trên AI có thể tối ưu hoá việc phân bổ và sử dụng tài nguyên đám mây hiệu quả dựa trên dữ liệu thời gian thực. Bằng cách phân tích mô hình sử dụng, số liệu hiệu suất và hành vi của người dùng, AI có thể mở rộng quy mô tài nguyên một cách linh hoạt, phân bổ khối lượng công việc một cách hiệu quả và tối ưu hóa mức tiêu thụ năng lượng, giúp tiết kiệm chi phí và cải thiện hiệu suất.

Bên cạnh đó, AI giúp cloud khai thác thông tin người dùng tốt hơn, dễ dàng xử lý, sắp xếp dữ liệu lớn để nhà cung cấp cloud sử dụng cho các mục đích khác nhau.

Một số dịch vụ áp dụng AI để tối ưu tài nguyên: Amazon EC2 Auto Scaling with Predictive Scaling, AWS Compute Optimizer, Google Cloud AutoML...

b. Dịch vụ AI

Cloud cung cấp cả những AI đã được pre-train, nghĩa là đã train qua một số tập dữ liệu phục vụ những mục đích khác nhau: chatbot, text-to-speech, xử lý hình ảnh... Người dùng có thể sử dụng các dịch vụ và có thể tự train thêm nếu muốn.

Các dịch vụ AI đã được phổ biến: Azure Cognitive Services, Google Cloud Translation, Amazon Comprehend...

3. Bảo mật và phát hiện mối đe doạ sớm

Các kỹ thuật bảo mật áp dụng AI có thể tăng cường bảo mật cho đám mây bằng cách phân tích các mẫu lưu lượng truy cập mạng, xác định các điểm bất thường và phát hiện các mối đe dọa tiềm ẩn trong thời gian thực.

Các thuật toán học máy có thể học hỏi từ dữ liệu lịch sử để phát hiện các mẫu liên quan đến các cuộc tấn công mạng, phần mềm độc hại và truy cập trái phép, cho phép chủ động giảm thiểu mối đe dọa và ứng phó sự cố.

4. AIaaS

Nhà cung cấp dịch vụ đám mây có thể phát triển thêm các dịch vụ liên quan đến AI cung cấp các trợ giúp cho người dùng trong việc xây dựng AI cá nhân.

Việc tận dụng AIaaS không chỉ giúp các nhà cung cáp dịch vụ cloud nâng cao giá trị gia tăng mà còn mang lại nhiều lợi ích kinh doanh và thu lợi nhuận.

Các nền tảng đám mây phổ biến như Google Cloud Platform (GCP) và Microsoft Azure đều đã cung cấp AIaaS, cho phép bạn đào tạo các mô hình học máy của mình cho các tác vụ tự động hóa.

III. Xu hướng sắp tới

1. Ứng dụng AI cho bảo mật

Ba chức năng của các giải pháp và dịch vụ AI dựa trên đám mây là mã hoá, xác thực và khắc phục thảm hoá đang ngày càng được người dùng ưa chuộng trong bối cảnh mối đe doạ an ninh mạng ngày càng phức tạp

Cloud AI có thể được sử dụng như một công cụ có giá trị trong việc bổ sung phân tích bảo mật nhằm chống lại các cuộc tấn công và vi phạm mạng có tổ chức. Để tìm ra các lỗ hổng có thể xảy ra trong hệ thống hoặc quy trình của mình, ngày càng có nhiều doanh nghiệp đầu tư mạnh vào các ứng dụng kiểm soát bảo mật đám mây AI và ML.

2. Kết hợp AI và điện toán biên - Edge AI

Edge AI là xu hướng đưa khả năng xử lý của AI ra gần với thiết bị đầu cuối, giúp giảm độ trễ và cải thiện hiệu suất.

Các nhà cung cấp đám mây lớn đang triển khai các giải pháp để triển khai AI trên edge như: AWS IoT Greengrass, Azure IoT Edge...

3. Áp dụng AI vào quy trình phát triển

AI đang được tích hợp vào các quy trình DevOps để tự động hóa và tối ưu hóa các quy trình phát triển và triển khai phần mềm.

Điều này bao gồm việc sử dụng AI để phân tích log, tự động kiểm thử, và tối ưu hóa tài nguyên.

IV. Sự chào đón của khách hàng

Quy mô thị trường AI trên nền tảng đám mây toàn cầu được dự đoán sẽ tăng từ 60,35 tỷ USD vào năm 2023 lên 397,81 tỷ USD vào năm 2030, với tốc độ CAGR là 30,9% trong giai đoạn sắp tói 2023-2030 (đọc thêm tại: https://www.fortunebusinessinsights.com/cloud-ai-market-108878)

Dưới đây là quy mô thị trường AI trên nền tảng đám mây của nước Mỹ năm 2020-2021 cũng như dự đoán quy mô đến năm 2030

Ta có thể thấy tốc độ tăng trưởng nhanh của cloud AI. Điều này thể hiện sự ủng hộ việc áp dụng AI vào cloud của khách hàng là rất lớn.

Biểu đồ phân bố các ngành nghề sử dụng AI cloud năm 2022, có thể thấy hai ngành sử dụng AI cloud nhiều nhất là công nghệ thông tin và tài chính ngân hàng do số lượng dữ liệu cũng như nhu cầu người dùng của hai ngành này đang mở rộng rất nhanh.

Qua đánh giá, khảo sát quy mô thị trường, một số phân tích chỉ ra những nhà cung cấp cloud phổ biến có doanh thu lớn với AI cloud cũng như khu vực có sự tăng trưởng nhanh nhất về các dịch vụ này

Một thống kê khác cho thấy phân bổ của thị trường cloud AI đang phủ sóng dần ra toàn cầu.