مقدمة: حل متكامل لمواجهة تحديات التحوُّل الرقمي
شنجن، الصين, 28 أبريل 2025 /PRNewswire/ — في حِقبة يتصدر فيها الذكاء الاصطناعي المدفوع بنماذج اللغة الكبيرة (LLM)، تواجه منصَّات بيانات الشركات تحديات ناشئة من تطبيقات نماذج اللغة الكبيرة (LLM) وتطورات الذكاء الاصطناعي. على سبيل المثال لا الحصر، تشمل التحديات فقدان الكفاءة بسبب عملية تطوير الذكاء الاصطناعي/البيانات المجزأة، وحوكمة البيانات للبيانات المتنوعة، والهياكل التقليدية التي تواجه صعوبات لتلبية احتياجات البيانات في الوقت الفعلي والتكامل السريع للذكاء الاصطناعي. تتناول منصَّة WeData من Tencent Cloud هذه التعقيدات من خلال تقديم بنية مَرنة وابتكار في المنتجات، مقدمةً منصَّة متكاملة لذكاء البيانات تساعد الشركات على التغلب على هذه التحديات والازدهار في عصر الذكاء الاصطناعي.
4 جوانب فريدة للحل المتكامل للبيانات والذكاء الاصطناعي
1. مستودع موحَّد، ومحرك متكامل لبث الدفعات لتحسين كفاءة التخزين والحوسبة
- طبقة تخزين موحَّدة: نظام تخزين المستودع الموحَّد مع خدمة كتالوج مركزية تدعم البيانات المنظمة/غير المنظمة وأصول النماذج، مما يُتيح الاستعلامات عبر المحركات.
- طبقة حوسبة موحَّدة: مجموعة موارد بدون خوادم لدمج الأطر مثل Spark وFlink وPyTorch، مما يعزِّز استخدام موارد وحدة المعالجة المركزية/وحدة معالجة الرسومات بنسبة 30%.
- محرك مستودع لبث الدفعات موحَّد: يقوم محرك Setats بالتبديل ديناميكيًا بين أوضاع حوسبة البث، الدُفعات، والحوسبة التزايدية، مما يدمج الحالات في الوقت الفعلي مع تخزين المستودع لتقليل تكاليف التخزين بنسبة 50%.
2. دليل بيانات شامل لتسهيل التعاون ودوران البيانات
- كتالوج موحَّد: كتالوج مركزي لإدارة البيانات المنظمة وغير المنظمة، مما يتيح الوصول السلس عبر محركات الحوسبة (Spark، وFlink) وأطر الذكاء الاصطناعي (TensorFlow، وPyTorch).
- عرض الأصول العالمي: تكامل البيانات الوصفية للجداول، والمجلدات، والنماذج، والتطبيقات، مما يدعم البحث الدلالي عبر جميع الأصول.
- التفويضات الفيدرالية: تفويض واحد للوصول إلى البيانات عبر محركات مثل Spark وTi-One، مما يقلل من وقت نشر السياسات من ساعات إلى دقائق.
- التعزيز الدلالي الذكي: يستفيد من نماذج اللغة الكبيرة (LLMs) لإنشاء أوصاف البيانات تلقائيًا، وتصنيف الأصول الذكي والصيانة، وتحسين اكتمال المستندات بنسبة 80%.
3. التطوير المتكامل والحوكمة: من الصيانة اليدوية إلى الحوكمة المستقلة
يجمع حلنا الذي يعتمد على فلسفة OneOps، بين DataOps وAIOps لتقديم ثلاث قدرات رئيسية:
- توحيد المعايير لدورة الحياة الكاملة: أتمتة خطوط أنابيب CI/CD للمؤسسات لإدارة البيانات والنماذج من البداية إلى النهاية.
- إمكانية الرصد الشامل: يلتقط تلقائيًا النِسب من المدخلات الخام إلى مخرجات نموذج الذكاء الاصطناعي، مما يُتيح تحليل السبب الجذري السريع وتقييم تأثير التغيير والمراقبة في الوقت الفعلي وتسجيل التدقيق.
- الحوكمة حسب التصميم: يتضمَّن ممارسات تطوير موحَّدة، ونمذجة بيانات موجهة نحو الذكاء الاصطناعي، وطبقات دلالية مؤسسية لتجميع الأصول الرقمية بشكلٍ منهجي.
4. أمن موحَّد للبيانات والذكاء الاصطناعي: أمن الامتثال إلى أمان الذكاء الاصطناعي
يضمن الأمن عبر دورة الحياة بالكامل — تحضير البيانات، تدريب النماذج، وتطبيقات نماذج اللغة الكبيرة (LLM):
- أمن البيانات: التحكم في الوصول العالمي، وتصنيف البيانات/فئاتها الذكية، وإخفاء البيانات الحسَّاسة/تشفيرها، ومسارات التدقيق.
- أمن النموذج: اكتشاف الهجمات العينية المعادية خلال التدريب والدفاع ضدها؛ تضمين العلامات المائية لمنع سرقة النماذج؛ حظر المحتوى الضار أو التمييزي الناتج عن الذكاء الاصطناعي خلال الاستدلال عبر محركات القواعد.
- أمن التطبيق: حماية واجهة برمجة التطبيقات (على سبيل المثال، منع الوصول غير المصرَّح به) وتعديل المحتوى (على سبيل المثال، اكتشاف التزوير، وتصفية المحتوى الحساس).
Tencent Cloud Big Data #WeData#
View original content: