Kecerdasan buatan menerima peningkatan Kubernetes yang sangat besar
Carmine Rimi dari Canonical
Ada peningkatan 14 kali lipat dalam jumlah startup Artificial Intelligence (AI) yang diluncurkan sejak pergantian abad, menurut sebuah studi oleh Stanford University. Di Inggris saja, kata Carmine Rimi, manajer produk AI di Canonical – perusahaan di belakang Ubuntu, Pengembang AI menyaksikan lonjakan 200% dalam pendanaan modal ventura pada tahun lalu saja; saat potensi transformatif AI mendobrak semua batasan.
Penciptaan aplikasi AI untuk meningkatkan cara melakukan bisnis dan, memang, kehidupan orang-orang adalah tugas besar. Aplikasi ini rumit untuk dikembangkan dan dibangun, karena melibatkan berbagai jenis data; membuat porting ke platform yang berbeda menjadi merepotkan.
Di atas tantangan ini, beberapa langkah diperlukan di setiap tahap untuk mulai membangun aplikasi AI yang paling dasar sekalipun. Spektrum keterampilan diperlukan, termasuk ekstraksi fitur, verifikasi dan analisis pengumpulan data, dan manajemen sumber daya mesin, untuk mendukung subset kode ML aktual yang relatif kecil. Banyak pekerjaan yang harus dilakukan sebelum mengambil posisi di garis start; di samping sejumlah besar upaya berkelanjutan untuk menjaga agar aplikasi tetap mutakhir. Semua developer mencari cara untuk mengatasi tantangan besar ini.
Tahan diri Anda
Hasil pencarian ini, untuk menjaga aplikasi tetap up to date dan menyeimbangkan beban kerja dalam pengembangan aplikasi, sering kali menemukan jawaban yang sama – Kubernetes. Platform open source ini dapat menjadi fasilitator, karena dapat mengotomatiskan penerapan dan pengelolaan aplikasi dalam container, yang terdiri dari beban kerja yang rumit seperti AI dan Machine Learning. Kubernetes telah menikmati sesuatu yang spektakuler karena mampu melakukan hal-hal ini, tetapi juga sebagai platform orkestrasi wadah.
Forrester baru-baru ini menyatakan bahwa “Kubernetes telah memenangkan perang untuk dominasi orkestrasi kontainer dan harus menjadi inti dari rencana layanan mikro Anda”. Kontainer menghadirkan lingkungan yang ringkas untuk pengoperasian proses. Kontainer mudah untuk diskalakan, portabel di berbagai lingkungan dan, oleh karena itu, memungkinkan aplikasi monolitik yang besar untuk dipecah menjadi layanan mikro yang ditargetkan dan lebih mudah dirawat. Mayoritas developer mengatakan mereka memanfaatkan Kubernetes di berbagai tahap pengembangan, menurut survei Cloud Native Computing Foundation.
Sebagian besar perusahaan sedang menjalankan, atau berencana untuk mulai menggunakan, Kubernetes sebagai platform untuk beban kerja. Tentu saja, AI adalah beban kerja yang dengan cepat mengumpulkan kepentingan. Kubernetes sangat ideal untuk tugas ini, karena algoritme AI harus dapat diskalakan agar efektif. Algoritme pembelajaran mendalam dan kumpulan data tertentu memerlukan komputasi dalam jumlah besar. Kubernetes dapat membantu di sini, karena berfokus pada penskalaan berdasarkan permintaan.
Kubernetes juga dapat menyediakan peta jalan untuk menerapkan beban kerja yang diaktifkan AI di beberapa server komoditas, yang mencakup jalur perangkat lunak, sambil mengabstraksikan overhead manajemen. Setelah model dilatih, menyajikannya dalam skenario penerapan yang berbeda, dari komputasi tepi hingga pusat data pusat, merupakan tantangan untuk formulir aplikasi yang tidak dikemas. Sekali lagi, Kubernetes dapat membuka kunci fleksibilitas yang diperlukan untuk penyebaran agen inferensi terdistribusi pada berbagai substrat.
Mengubah fokus
Saat bisnis mengalihkan perhatian mereka ke AI untuk memangkas biaya operasi, meningkatkan pengambilan keputusan, dan melayani pelanggan dengan cara baru, container berbasis Kubernetes dengan cepat menjadi teknologi nomor satu untuk mendukung perusahaan dalam mengadopsi AI dan Machine Learning. Desember lalu, proyek Kubernetes meluncurkan Kubeflow, yang berfokus untuk membuat penerapan alur kerja Machine Learning di Kubernetes menjadi sederhana, portabel, dan skalabel.
Sementara Kubernetes memulai hidup hanya dengan layanan stateless, proyek tersebut menyatakan bahwa pelanggan telah mulai memindahkan beban kerja yang kompleks ke platform, memanfaatkan 'API yang kaya, keandalan, dan kinerja' Kubernetes. Salah satu kasus penggunaan Kubernetes yang berkembang pesat adalah sebagai platform penerapan pilihan untuk Machine Learning.
Pada awal tahun 2017 hanya Google Cloud Platform mendukung Kubernetes, dengan Google Kubernetes Engine-nya. Pada puncak tahun ini, setiap vendor cloud publik besar ikut serta. Terutama, setelah Microsoft menambahkan dukungan Kubernetes ke Azure Container Service dan Amazon memulai debutnya Amazon Elastic Container Service untuk Kubernetes.
Cara Kubernetes diluncurkan dan dimanfaatkan oleh bisnis tampaknya tidak terbatas. Dalam rentang hidup yang relatif singkat, Kubernetes telah mencapai banyak hal. Ini menggarisbawahi sejauh mana vendor teknologi, dan klien mereka, berbondong-bondong ke gagasan bahwa kontainer memberikan manfaat besar dalam mengembangkan dan mengelola bagian aplikasi AI. Munculnya AI memicu minat besar pada container untuk memperkenalkan pengulangan dan toleransi kesalahan pada beban kerja yang rumit ini.
Kubernetes menjadi de facto kecocokan standar dan fantastis untuk mengelola aplikasi AI kemas. Ini telah membuktikan dirinya dan akan terus memberikan manfaat dramatis bagi bisnis untuk waktu yang lama.
Penulisnya adalah Carmine Rimi, manajer produk AI di Canonical.
