Menú

Arquitecturas de datos unificadas para flujos de IA

una persona sosteniendo una tablet y mira a través de una pared de vidrio mientras camina
Tabla de contenido

Compartir esta página

Arunkumar Gururajan
Arun Gururajan
626 visualizaciones

Con la rápida evolución del entorno de la inteligencia artificial (IA) y el aprendizaje automático (ML), la capacidad de gestionar y procesar varios tipos de datos es primordial para la calidad de la información que producen los modelos.

Optimizar la estrategia de almacenamiento

Una estrategia de almacenamiento óptima debe tener en cuenta los siguientes aspectos:

  • Los distintos tipos de datos que utilizan las empresas (datos estructurados como bases de datos y hojas de cálculo y datos no estructurados como correos electrónicos, imágenes, audio, vídeo y documentos).
  • La ubicación donde residen estos tipos de datos (on-premises o dentro de una o varias nubes o proveedores de SaaS, repartidos por varias regiones geográficas).
  • Los tipos de arquitecturas de almacenamiento como el almacenamiento de archivos (se accede y se gestionan los datos como archivos), el almacenamiento basado en bloques (los datos se almacenan como bloques que permiten operaciones eficientes y de baja latencia) y el almacenamiento de objetos (los datos se gestionan como objetos, cada uno de los cuales contiene datos, metadatos e identificadores únicos, lo que los convierte en altamente escalables y adecuados para datos no estructurados).

Más que bloques para implementar la IA

Reunir una arquitectura de datos para adoptar de forma generalizada la IA en las empresas no es una tarea trivial. Por lo tanto, no sorprende que muchas empresas que compran servidores GPU o acceden a ellos a través de proveedores a hiperescala se queden estancadas en la fase de gestión de datos. El estudio de IDC indica que la gestión y movimiento de los datos es uno de los factores más comunes que dificultan la correcta implementación de la IA.

El enfoque unificado e inteligente para la infraestructura de NetApp ayuda a los equipos de IA a superar los silos de datos, independientemente de cómo y dónde estén almacenados. Estas son las ventajas específicas que hacen que NetApp sea fundamental para los flujos de IA:

  • Movimiento de datos: especialmente en la IA multimodal actual, los flujos de trabajo de IA y ML a menudo implican mover grandes conjuntos de datos a través de diferentes etapas de procesamiento. Este movimiento se ve facilitado por una arquitectura de almacenamiento unificada, que proporciona el tipo de almacenamiento adecuado para cada etapa, optimizando la velocidad, la accesibilidad o la durabilidad según sea necesario. Esta estrategia es esencial para hacer operativa la IA, que requiere que cantidades ingentes de datos se muevan sin obstáculos por la canalización de inferencia.
  • Gestión de datos: la naturaleza diversa y multimodal de los conjuntos de datos de IA, que incluyen imágenes, vídeos, datos de sensores y más, requiere un enfoque flexible para la gestión de datos que se proporciona a través de la infraestructura inteligente de NetApp. Un sistema de almacenamiento de NetApp puede almacenar estos diversos conjuntos de datos de forma eficaz, de modo que sean fácilmente accesibles para tareas complejas de IA. Por ejemplo, en aplicaciones de atención médica, los flujos de trabajo de imágenes médicas se benefician del almacenamiento en bloques para obtener un acceso de alto rendimiento a los datos de imágenes, mientras que los historiales de los pacientes y otros datos no estructurados se pueden almacenar como objetos con metadatos enriquecidos para facilitar la recuperación y el análisis.
  • Gobernanza de los datos: las empresas deben asegurarse de que se aprovechen los datos correctos con los controles de acceso adecuados y, al mismo tiempo, se cumpla con las políticas internas y las regulaciones locales, todo ello mientras se mantiene segura y protegida la propiedad intelectual de la organización. Con las funcionalidades de gestión de datos de NetApp, la gobernanza de datos está integrada por diseño.

Crear una infraestructura de datos inteligente

Los clientes de NetApp llevan años disfrutando de una experiencia unificada de la multinube híbrida. De hecho, aunque NetApp no pudo predecir el auge que la IA generativa iba a tener en los últimos 12 meses, ya estábamos ocupados construyendo una infraestructura de datos inteligente diseñada para empresas basadas en datos. Y resulta que este marco es exactamente lo que necesitan las empresas para aprovechar la IA y la IA generativa y obtener una ventaja competitiva.

Más información

Para obtener más información sobre lo que IDC ha escrito sobre las arquitecturas de datos para flujos de trabajo de IA, consulta el estudio Unified Data Architectures Provide Needed Flexibility for AI Workflows (Las arquitecturas de datos unificadas proporcionan la flexibilidad que se necesita para los flujos de IA). No te pierdas tampoco las perspectivas de expertos de NetApp sobre IA e IA generativa.

Arun Gururajan

Arun Gururajan es vicepresidente de investigación y ciencia de datos de NetApp, donde se supervisan las iniciativas de ciencia de datos/IA/ML en toda la gama de productos de la empresa. Anteriormente, ha desempeñado diferentes puestos de liderazgo en Meta y Microsoft, donde ha desarrollado productos impulsados por IA con una adopción amplia y duradera.

Ver todas las publicaciones de Arun Gururajan

Siguientes pasos

Drift chat loading