HPE Menerapkan DevOps ke Model AI

Inisiatif HPE baru bertujuan untuk mempercepat pembuatan model AI dengan mengurangi ketergantungan ilmuwan data pada tim TI internal.

Hewlett-Packard Enterprise (HPE) hari ini meluncurkan inisiatif resmi HPE ML Ops berdasarkan platform yang diperolehnya dengan mengakuisisi BlueData November lalu.

Tujuannya adalah untuk memberi organisasi TI seperangkat kerangka kerja DevOps yang dirancang khusus untuk mempercepat pembangunan dan penerapan model kecerdasan buatan (AI) menggunakan mesin dan algoritme pembelajaran mendalam, kata Anant Chintamaneni, wakil presiden dan manajer umum untuk BlueData di HPE.

Banyak organisasi telah mempekerjakan ilmuwan data untuk membangun model AI, tetapi mereka tidak memiliki pendekatan terstruktur untuk memasukkannya ke dalam lingkungan produksi.

“Mereka tidak tahu bagaimana mengoperasionalkannya,” kata Chintamaneni.

HPE ML Ops juga mengaktifkan alur kerja dengan kode, model, dan repositori proyek dengan cara yang membangkitkan proses yang biasanya terkait dengan platform continuous integration/continuous deployment (CI/CD).

Lihat juga: Gartner:77% Organisasi Bertujuan Untuk Menyebarkan AI, Keterampilan Staf Menahan Adopsi Kembali

Memperoleh Blue Data memberi HPE akses ke platform EPIC berdasarkan wadah yang memungkinkan ilmuwan data untuk membuat lingkungan sendiri. Mereka dapat menggunakan lingkungan tersebut untuk membangun dan memperbarui model AI yang dilengkapi dengan kotak pasir swalayan yang telah diisi dengan alat pembelajaran mesin dan buku catatan ilmu data yang akan digunakan untuk melatih model AI. HPE ML Ops menangani seluruh siklus hidup pembelajaran mesin mulai dari persiapan data dan pembuatan model hingga pelatihan, pemantauan, dan kolaborasi dengan cara yang mengurangi waktu penerapan AI menjadi berhari-hari dibandingkan berminggu-minggu, kata Chintamaneni.

Solusi HPE ML Ops mendukung serangkaian pembelajaran mesin sumber terbuka dan kerangka kerja pembelajaran mendalam, termasuk Keras, MXNet, PyTorch, dan TensorFlow serta aplikasi pembelajaran mesin komersial dari mitra HPE seperti Dataiku dan H2O.ai. Platform ini dapat digunakan di tempat atau di cloud publik dan terintegrasi dengan berbagai protokol autentikasi untuk memastikan keamanan siber.

Secara kolektif, kemampuan tersebut mempercepat waktu pembuatan model AI dengan mengurangi ketergantungan ilmuwan data pada tim internalIT, kata Chintamaneni.

Banyak organisasi meremehkan seberapa sering model AI perlu dilatih ulang dan diperbarui. Organisasi sering kali mendapatkan akses ke sumber data baru yang perlu diperhitungkan ke dalam model AI mereka. Karena semakin banyak aplikasi yang mulai menggunakan data secara real-time, jumlah data yang perlu dievaluasi hanya akan meningkat.

Banyak asumsi yang dibuat oleh ilmuwan data tentang proses apa pun juga dapat berubah seiring dengan perkembangan kondisi bisnis. Model AI yang memberikan hasil optimal beberapa minggu yang lalu mungkin perlu diganti dengan model AI yang berbeda. Tantangan yang dihadapi organisasi saat ini adalah tidak ada kerangka kerja untuk terus memperbarui dan melatih model AI. Mengutip perkiraan Gartner, HPE hari ini mencatat bahwa pada tahun 2021 setidaknya 50% proyek pembelajaran mesin tidak akan sepenuhnya diterapkan karena kurangnya proses untuk mengoperasionalkannya.

AI melibatkan lebih banyak percobaan dan kesalahan daripada yang sering diakui oleh banyak ilmuwan data. Banyak model AI yang sedang dibangun juga perlu diperiksa untuk bias yang dapat mengirim ilmuwan data kembali ke papan gambar pepatah. Benar-benar tidak ada yang namanya model AI statis. Semakin cepat organisasi menerima kenyataan manajemen data tersebut, semakin cepat laba atas investasi dalam AI akan terwujud.