AWS زیرساخت ابری خود را برای عامل‌های هوش مصنوعی بازطراحی کرد

به گزارش سیلاد و به نقل از techcrunch، بر همین اساس، آمازون در حال بازطراحی بخش مهمی از زیرساخت ابری خود است. سرویس AWS روز پنجشنبه نسل جدید OpenSearch Serverless را معرفی کرد؛ پایگاه داده جست‌وجو و برداری کاملاً مدیریت‌شده‌ای که برای ذخیره و بازیابی اطلاعات در مقیاس بزرگ طراحی شده و به‌طور ویژه برای بارهای کاری مبتنی بر عامل‌های هوش مصنوعی توسعه یافته است. به گفته AWS، این سیستم جدید می‌تواند بلافاصله پس از آغاز فعالیت عامل‌ها، مقیاس خود را افزایش دهد و در زمان عدم فعالیت نیز ظرفیت پردازشی را تا صفر کاهش دهد.

این اقدام نشان‌دهنده درک روزافزون صنعت فناوری از یک واقعیت مهم است؛ زیرساخت‌هایی که در ابتدا برای اینترنت مبتنی بر تعاملات انسانی طراحی شده بودند، در دنیایی که به‌سرعت در حال حرکت به سمت استفاده گسترده از عامل‌های هوش مصنوعی است، دیگر کارایی سابق را ندارند.

اگرچه عامل‌های هوش مصنوعی هنوز سهم نسبتاً کوچکی از فعالیت اینترنت را تشکیل می‌دهند، اما میزان ترافیک تولیدشده توسط ماشین‌ها اکنون قابل‌توجه شده و روند رشد آن نیز ادامه دارد. شرکت Cloudflare اعلام کرده است که ربات‌ها در شش ماه گذشته حدود ۳۱ درصد از کل ترافیک HTTP را به خود اختصاص داده‌اند. همچنین خزنده‌های هوش مصنوعی، موتورهای جست‌وجو و دستیارهای هوشمند نزدیک به یک‌چهارم کل درخواست‌های ربات‌ها را در این بازه زمانی تشکیل داده‌اند.

لای یی اولسن، مدیر ارشد محصول کلودفلر، در گفت‌وگو با TechCrunch اعلام کرد: «ترافیک غیرانسانی در نیمه نخست سال ۲۰۲۷ از ترافیک انسانی پیشی خواهد گرفت.»

در جریان کنفرانس توسعه‌دهندگان Google I/O هفته گذشته، گوگل اعلام کرد کاربران می‌توانند وظایفی مانند تحقیق درباره خرید، رزرو سفر، مرور وب و تعامل با اپلیکیشن‌ها را به سیستم‌های هوش مصنوعی واگذار کنند. با این حال، کاربرد عامل‌های هوش مصنوعی تنها به حوزه مصرف‌کننده محدود نمی‌شود. شرکت‌ها نیز به‌طور فزاینده‌ای در حال استقرار این عامل‌ها در فرآیندهای داخلی و سرویس‌های مشتریان خود هستند؛ موضوعی که باعث ایجاد انواع جدیدی از ترافیک ماشین‌به‌ماشین در پشت صحنه شده است.

در نتیجه، ارائه‌دهندگان خدمات ابری و شرکت‌های فعال در حوزه زیرساخت در حال بررسی راهکارهایی هستند تا سیستم‌هایی را که برای کاربران انسانی ساخته شده‌اند، با دنیایی سازگار کنند که در آن عامل‌های هوش مصنوعی به‌صورت مداوم و مستقل اطلاعات را بازیابی می‌کنند، ابزارها را فراخوانی می‌کنند و حجم گسترده‌ای از ترافیک ماشین‌به‌ماشین ایجاد می‌کنند.

در همین نقطه، OpenSearch Serverless جدید AWS وارد میدان می‌شود.

تیا وایت، مدیرکل سرویس Amazon OpenSearch اظهار داشت: «زمان‌بندی این تغییر کاملاً مشخص است. عامل‌ها از مرحله آزمایشی عبور کرده‌اند و اکنون وارد مرحله عملیاتی شده‌اند؛ مرحله‌ای که الگوهای ترافیکی جدیدی ایجاد می‌کند و زیرساخت‌های قدیمی برای آن طراحی نشده‌اند. این عامل‌ها بدون هشدار با افزایش ناگهانی فعالیت مواجه می‌شوند و بدون اطلاع قبلی نیز غیرفعال می‌شوند. شرکت‌ها به سیستمی نیاز دارند که بتواند بدون تحمیل هزینه برای ظرفیت پردازشی بلااستفاده، همچنان عملکرد مطلوبی ارائه دهد.»

مهم‌ترین تغییر فنی در این نسل جدید، جداسازی پردازش از فضای ذخیره‌سازی است. این معماری به سیستم اجازه می‌دهد تنها ظرف چند ثانیه ظرفیت پردازشی خود را متناسب با افزایش ناگهانی ترافیک عامل‌ها افزایش دهد و در زمان عدم استفاده، آن را تا صفر کاهش دهد. در نتیجه، مشتریان دیگر برای منابع پردازشی بلااستفاده هزینه‌ای پرداخت نخواهند کرد.

وایت در ادامه توضیح داد: «در نسخه‌های قبلی Serverless، حتی با وجود معماری بدون سرور، کاربران همچنان باید حداقل یک نمونه پردازشی فعال در اختیار می‌داشتند، زیرا پردازش و ذخیره‌سازی به یکدیگر وابسته بودند. این موضوع باعث می‌شد همیشه بخشی از ظرفیت پردازشی، حتی در زمان بلااستفاده بودن، رزرو باقی بماند.»

او برای توضیح ساده‌تر این موضوع، مثالی از پارکینگ مطرح کرد: «در گذشته شرایط به این شکل بود که حتی زمانی که از جای پارک استفاده نمی‌کردید، همچنان باید هزینه آن را پرداخت می‌کردید. اما نسخه ارتقایافته Serverless در AWS بیشتر شبیه پرداخت هزینه بر اساس مدت‌زمان واقعی استفاده از جای پارک است.»

AWS اعلام کرده است که OpenSearch Serverless در زمان عرضه، به‌صورت بومی با پلتفرم‌های توسعه هوش مصنوعی مانند Vercel و Kiro ادغام خواهد شد. این موضوع به توسعه‌دهندگان اجازه می‌دهد بدون نیاز به مدیریت مستقیم زیرساخت، بک‌اندهای جست‌وجوی برداری و آماده برای عامل‌های هوش مصنوعی را مستقر کنند.

این تحول تنها به AWS محدود نیست و در سراسر صنعت رایانش ابری مشاهده می‌شود. شرکت‌های Databricks و Snowflake نیز در حال تغییر جایگاه خود به‌عنوان سیستم‌های حافظه و بازیابی اطلاعات برای هوش مصنوعی سازمانی هستند. مایکروسافت نیز به‌روزرسانی‌هایی را برای Azure ارائه کرده که به‌طور خاص برای مدیریت افزایش ناگهانی فعالیت عامل‌های هوش مصنوعی و اشتراک‌گذاری حافظه میان آن‌ها طراحی شده است. از سوی دیگر، Cloudflare نیز ماه گذشته زیرساخت جدیدی معرفی کرد که هدف آن فراهم کردن محیط‌های پایدار و مقیاس‌پذیر برای عامل‌های هوش مصنوعی است.

با گسترش استفاده شرکت‌ها از عامل‌های هوش مصنوعی، فشار برای بازطراحی زیرساخت‌های ابری بر پایه بارهای کاری تولیدشده توسط ماشین‌ها نیز افزایش خواهد یافت؛ تغییری که در نهایت می‌تواند استقرار عامل‌های هوش مصنوعی در مقیاس‌های بزرگ را ساده‌تر و کم‌هزینه‌تر کند.