به گزارش از وبسایت cncf، دیدگاهها درباره هوش مصنوعی از خوشبینی تحولآفرین تا بدبینی عمیق متفاوت است، اما یک نکته روشن است: هوش مصنوعی در حال تبدیل شدن به بخش جداییناپذیری از استراتژیهای فناوری سازمانها است 🤖. هر رویکردی که انتخاب شود، واقعیت این است که AI از بین نمیرود و برای شرکتها و توسعهدهندگان مفید باقی خواهد ماند. پرسش اصلی این است که بارهای کاری هوش مصنوعی کجا باید اجرا شوند و سازمانها واقعاً کجا آنها را اجرا میکنند؟
در سطحی مشخص، این بحث تا حد زیادی روشن است: Kubernetes بهواسطه مدیریت منابع، اتوماسیون، قابلیت حمل و ثبات عملیاتی، بهعنوان پایهای مشترک برای زیرساختهای هوش مصنوعی مطرح شده است. اما در سطحی دیگر، سوالات مهمی همچنان باقی میماند: مدلها کجا اجرا شوند؟ آیا سازمانها AI را بهصورت سرویس بیرونی مصرف خواهند کرد یا ظرفیت خام اجاره کرده و هر مدلی را که خواستند اجرا میکنند؟ و زمانی که بارهای کاری هوش مصنوعی استراتژیک، گران و حساس به دادهها شوند، آیا به سوی ابرهای خصوصی، محیطهای on-prem، زیرساخت مستقل یا دیتاسنترهای داخلی منتقل خواهند شد؟
در برخی موارد، مدلهای مرزی اختصاصی هنوز در حوزههای مانند استدلال و چندمنظورهبودن عملکرد بهتری نسبت به جایگزینهای open-weight دارند. با این حال، لازم نیست همه بارهای کاری توسط مدلهای عظیم و پرهزینه مدیریت شوند: وظایف معمول، تکراری و محدود اغلب میتوانند با مدلهای open-weight، نسخههای قدیمیتر مدل یا حتی سختافزار مصرفکننده قدرتمند انجام شوند. اگر این وظایف شامل دادههای حساس یا فرآیندهای داخلی باشند، محیطهای on-prem یا private cloud ممکن است منطقیترین و گاهی تنها گزینه باشند؛ کنترل داده، انطباق و برنامهریزی بلندمدت دلایل قوی برای حفظ کنترل بر بخشهایی از پشته هستند 🔒.
حتی میزبانی برونسپاری با رویکرد «مدل خود را بیاورید» میتواند مفید باشد: برای آزمایش پیکربندیها و محیطهای آزمایشی غیرحساس یا برای پوشش اوج تقاضا و وظایف قابلتقسیم، میزبانی برونسپاری ممکن است کارآمد باشد، بهشرطی که با دقت مدیریت شود. در عین حال، اقتصاد موضوعی است که قابل نادیدهگرفتن نیست: مراکز داده و زیرساخت برای اجرای بارهای AI سرمایهگذاری بالایی میطلبند و شرکتها نمیتوانند برای همیشه با ضرر کار کنند؛ بنابراین هزینهها بهاحتمال زیاد افزایش مییابند و مدلهای قیمتگذاری تغییر خواهد کرد. این احتمالاً به معنای پایان سادهنگرانه «فقط یک اشتراک بخرید» نیست؛ تصمیمگیری درمورد هزینه و حکمرانی به شکل قابلتوجهی پیچیدهتر است.
از منظر حاکمیت، تجربه ما در KubeOps در تعامل با سازمانهای بخش عمومی و برنامههای زیرساختی حیاتی در آلمان نشان میدهد که حاکمیت باید در نرمافزار و فرآیندها بازتاب یابد. از آنجا که تعریف واحدی از حاکمیت دیجیتال وجود ندارد، ما آن را بهعنوان فرآیندی پیوسته مبتنی بر پنج عنصر میبینیم: استقلال عملیاتی، انطباق، حسابرسی، قابلیت حمل، و انعطافپذیری. استقلال عملیاتی یعنی توانایی کنترل و مدیریت همه اجزاء یک سیستم؛ انطباق پیشنیاز پایداری است؛ حسابرسی برای اثبات امنیت و حاکمیت ضروری است؛ قابلیت حمل مانع وابستگیهای فنی یا قراردادی میشود و از شوکهای قیمتی محافظت میکند؛ و انعطافپذیری تضمین میکند که سیستم در مواجهه با بحرانها قابلیت بازیابی داشته باشد.
گامهای بعدی عملیاند: بسیاری از نیازهای پایهای برای بارهای کاری معمولی با ورود AI تغییر اساسی نکردهاند. نظارت، نسخهبرداری پشتیبان، مدیریت چرخه حیات و مشاهدهپذیری همچنان جزو نگرانیهای اصلی هستند. بنابراین، پیش از انتقال بارهای کاری حیاتی AI به هر پلتفرمی، سازمانها باید یک بررسی آمادگی هوش مصنوعی انجام دهند — ارزیابیای که ظرفیت شتابدهندهها، عملکرد ذخیرهسازی، محل داده، جداسازی شبکه، یکپارچگی هویت، نظارت، پشتیبانگیری و بازیابی، تامین نرمافزار، مدیریت آسیبپذیری و اجرای سیاستها را در بر میگیرد. بدون این پیشزمینه، پلتفرم ممکن است صرفاً در اسم «حاکم» باشد اما در عمل شکننده بماند.
پاسخ ما ساختن برای انتخاب است: باید آماده باشیم که بارهای کاری AI همزمان در مکانهای مختلف مستقر شوند، و به همین دلیل Kubernetes و پروژههای منبعباز بخشی حیاتی از چشمانداز نوظهور خواهند بود. چشمانداز AI بسیاری از مفروضاتی را که قبلاً بدیهی میدانستیم دگرگون کرده است؛ حتی فرمتهای سادهای مثل knowledge files ممکن است بین محیطهای مدل متفاوت باشند. در چنین فضایی، لایه زیرساخت باید بیش از پیش قابل حمل و سازگار باشد، نه کمتر.
نکات کلیدی عملی این است که از ساختن بنبست پرهیز کنیم: بار کاری باید قابل حمل باشد، عملیات تکرارپذیر باشند، امنیت قابل اجرا باشد، مهاجرت واقعبینانه باشد و هزینهها شفاف و قابل مشاهده باشند. چنین پلتفرمی باید صرفنظر از اینکه بار بعدی در محل، در یک محیط خصوصی، در لبه یا در چند ابر قرار میگیرد، مفید باقی بماند. تصمیمات بلندمدت زیرساختی به بیش از خوشبینی نیاز دارند؛ هزینهها، قابلیتهای مدلها و مقررات تغییر خواهند کرد و تنها راه منطقی، ساخت پلتفرمهایی است که قادر به تطبیق با این تغییرات باشند. در غیر اینصورت احتمال گرفتار شدن در وابستگیهای مکانی، افزایش هزینه با یک فروشنده یا مشکلات پیشبینینشده زیاد است.
در نهایت، Kubernetes و اکوسیستم وسیعتر CNCF پایهای عملی برای این رویکرد فراهم میکنند: قابلیتی برای بارهای کاری قابل حمل، عملیات تکرارپذیر، اجرای سیاست و انعطافپذیری استقرار که به سازمانها امکان میدهد با تحول فناوری، مقررات و نیازهای تجاری تطبیق یابند.
