
Egy drón, amely repülés közben ismer fel tárgyakat, vagy egy érzékelő, amely egy épületben a levegőminőség hirtelen romlását észleli, nem várhat sokáig egy távoli adatközpont válaszára. Az európai AC3 projekt olyan platformot fejlesztett ki, amelyben maga a mesterséges intelligencia dönti el, hol fusson egy-egy feladat: a felhőben vagy egy közeli szerveren. Olvasd el, hogyan működik és mit ért el a teszteken – a végén pedig egy rövid teszttel ellenőrizheted, mennyi maradt meg benned.
Egyre több eszköz gyűjt adatot körülöttünk: kamerák, épületekben elhelyezett érzékelők, drónok, laboratóriumi berendezések. A legegyszerűbb megoldás az, ha mindent egy hatalmas számítási kapacitású, nagy adatközpontba küldünk. A gond az, hogy az oda-vissza út időbe telik. Amikor egy drónnak valós időben kell azonosítania egy tárgyat, vagy egy érzékelő hirtelen változást észlel a levegőminőségben, a várakozás, amíg az adatok eljutnak egy távoli adatközpontba, lelassíthatja a reakciót.
Ha az információt közelebb dolgozzuk fel ahhoz a helyhez, ahol keletkezik, gyorsabbá válhat a számítás, és csökkenhet a felesleges adatátvitel. A nehézség viszont az, hogy valakinek minden alkalommal el kell döntenie, hol fusson egy adott feladat. Ez összetett kihívás, mert a körülmények folyamatosan változnak: a terhelés nő és csökken, a kapcsolat minősége ingadozik, az eszközök pedig eltérő teljesítményűek.
Ezzel a problémával foglalkozott az EU által finanszírozott AC3 projekt. Csapata olyan platformot fejlesztett ki, amely mesterséges intelligenciával és gépi tanulással kezeli a számítási erőforrásokat a felhőalapú adatközpontokban és a közeli peremszervereken, alkalmazkodva a változó terheléshez és körülményekhez. Christos Verikoukis, a projekt koordinátora a görögországi Athena Research Centre-től így magyarázza: „Mivel az adatokat a keletkezésük helyéhez közel dolgozza fel, az AC3 platform csökkenti a kommunikációs késleltetést és a hálózati torlódást, így a rendszer gyorsabban tud reagálni a változó körülményekre.”
Ahhoz, hogy megértsük, mit csinál az AC3, érdemes megkülönböztetni két helyet, ahol programok futhatnak. A gyakorlatban a felhő hatalmas, több ezer szerverből álló adatközpontokat jelent, amelyekhez az interneten keresztül csatlakozunk. Óriási a teljesítményük, de gyakran több száz kilométerre vannak az adatokat küldő eszköztől.
A peremszámítás (edge computing) azt jelenti, hogy a számítások egy része a hálózat peremén, vagyis az adatforráshoz közel elhelyezett szervereken történik, például ugyanabban az épületben vagy egy közeli állomáson. Az ilyen szerverek kisebb teljesítményűek, mint egy adatközpont, de gyorsabban válaszolnak. Az adatok elküldése és a válasz megérkezése közötti időt az informatikusok késleltetésnek (latenciának) nevezik. Sok alkalmazásban, a drónok irányításától az épületek riasztórendszereiig, ez a késés dönti el, hogy a rendszer jól működik-e.
A modern alkalmazások ritkán állnak egyetlen nagy programból. Gyakrabban több kisebb szoftverkomponensből épülnek fel, ezeket mikroszolgáltatásoknak nevezik. Mindegyik egyetlen dolgot végez, például adatokat fogad egy érzékelőtől, képet elemez vagy értesítést küld, és mindegyik más-más helyen futhat.
Az AC3 platform automatizálja annak eldöntését, hol fussanak ezek a komponensek. Közben figyelembe veszi a számítási kapacitást, a hálózati viszonyokat és az energiafelhasználást. Verikoukis így magyarázza: „Az AC3 fő újítása a mesterséges intelligencia és a gépi tanulás alkalmazása annak automatikus eldöntésére, hogy hol és hogyan telepítsék és kezeljék ezeket a komponenseket.” A gépi tanulás a mesterséges intelligencia azon területe, amelyben a program nem kész szabályokat kap, hanem az adatokból tanulja meg őket, például a szerverek terhelésének előzményeiből.
A csapat három forgatókönyvben tesztelte a platformot, amelyek megmutatják, mennyire sokféle lehet a felhasználása:
Egy okosépületben ez így működik: az érzékelők a levegőminőség hirtelen romlását észlelik, az AC3 platform pedig egy közeli szerverre helyezi át az adatfeldolgozást. Ennek köszönhetően a rendszer gyorsabban tud riasztást adni vagy módosítani a szellőzést. Ugyanakkor kevesebb adat megy a távoli adatközpontba, így a hálózat terhelése is kisebb.
A leglátványosabb bemutató egy drónhoz kapcsolódott. A tárgyak felismerése a képen egy mesterségesintelligencia-modell feladata, egy ilyen modellnek pedig jókora számítási teljesítményre van szüksége. A drón fedélzeti kis számítógépe ezt nem mindig bírja, például ha közben más feladatokat is végez.
Ha egy drón nem tudja hatékonyan futtatni a valós idejű tárgyfelismerésre szolgáló MI-modellt, az AC3 áthelyezheti a terhelést egy közeli peremszerverre. Amikor a drónnak ismét elegendő kapacitása van, a feladat visszakerülhet a fedélzetre. Adlen Ksentini, az AC3 műszaki vezetője a franciaországi EURECOM-tól így foglalja össze: „Ez az intelligens és zökkenőmentes migráció biztosítja, hogy a tárgyfelismerő algoritmus továbbra is optimálisan működjön, függetlenül attól, hogyan változnak a drón rendelkezésére álló számítási erőforrások.” A migráció itt azt jelenti, hogy egy futó feladatot megszakítás nélkül átviszünk az egyik számítógépről a másikra.
Hasonló rugalmasságot alkalmazott a csapat a csillagászati adatoknál is. A feldolgozási feladatokat több számítási erőforrás között osztották el, vagyis párhuzamosan, több gépen futottak egyetlen gép helyett.
Érdekesség: azzal, hogy a munkát több számítási erőforrás között osztotta el, az AC3 platform legalább 50%-kal csökkentette 5 GB csillagászati adat feldolgozásához szükséges időt az önálló rendszerekhez képest. A projekt tesztjeiben az alkalmazás ráadásul 100%-os megbízhatóságot is megőrzött.
Az adatközpontok sok energiát fogyasztanak, ezért nemcsak a sebesség számít, hanem a megtakarítás is. Az AC3 platform a számítási igény és az energiafogyasztás előrejelzései alapján kevesebb szerverre tudja összevonni a terhelést. A kihasználatlan csomópontok, vagyis a hálózat egyes gépei ezután kikapcsolhatók, miközben az alkalmazások továbbra is teljesítik a teljesítménykövetelményeiket.
A projekt több szoftverkomponensét nyílt forráskódúként tették közzé, vagyis a kódjukat bárki megnézheti és továbbfejlesztheti. Néhány eszközt a bevált Kubernetes és OpenShift ökoszisztémákba is beépítettek. Ezek olyan platformok, amelyeket sok vállalat használ konténerekből álló alkalmazások kezelésére; a konténerek becsomagolt, bármely szerveren futtatható szoftverrészek.
Egy vállalat vagy intézmény szemszögéből az AC3 megközelítése több konkrét előnnyel jár:
Verikoukis és Ksentini elismeri, hogy a következő kihívás már nem tisztán technikai. A felhőszolgáltatások és a peremhálózati rendszerek gyakran különállók maradnak, összekapcsolásukhoz szorosabb integrációra és életképes üzleti modellekre van szükség. Más szóval valakinek pénzt kell keresnie egy ilyen megoldáson, valaki másnak pedig hajlandónak kell lennie fizetni érte.
A projekt megmutatta, hogy az intelligens koordináció gyorsabbá és hatékonyabbá teheti a számítást. A következő lépés az, hogy segítsenek a szervezeteknek ezeket a képességeket valódi szolgáltatásokban hasznosítani, az épületek üzemeltetésétől a tudományos adatok elemzéséig.
A peremszámítás egyszerre több területet kapcsol össze: a számítógép-hálózatokat, az elosztott rendszereket, a mesterséges intelligenciát és az energiahatékonyságot. Jó téma az informatika, a távközlés, az automatizálás és robotika, az elektronika vagy az adattudomány szakos hallgatóinak. A felhő, a konténerek és a gépi tanulás szakértőit keresik a technológiai cégek, a távközlési szolgáltatók és a kutatóintézetek. Az olyan projektek nyílt forráskódja, mint az AC3, ráadásul jó alkalom arra, hogy valódi eszközökkel gyakorolj.
Ha az adatokat gyorsan kell feldolgozni, nemcsak az számít, mennyire erős a számítógép, hanem az is, milyen messze van. Az AC3 projekt platformja mesterséges intelligenciával automatikusan dönti el, hogy egy feladat a felhőben vagy egy közeli peremszerveren fusson. Az épületekkel, egy drónnal és csillagászati adatokkal végzett teszteken felgyorsította a számítást, megőrizte a megbízhatóságot és segített energiát megtakarítani, szoftverének egy része pedig mindenki számára elérhető.
5 kérdés · egy perc