WEBVTT

00:00:00.000 --> 00:00:01.820
ונתראה בשידור חי בינואר.

00:00:01.960 --> 00:00:04.300
הנה החידה שה-CIO שלכם תרם פתר.

00:00:04.420 --> 00:00:07.360
האם AI הוא רק עוד אומס עבודה שדוחפים לחוות השרתים,

00:00:07.540 --> 00:00:10.300
או יצור יורק אש שדורש בית גידול משלו, GPU-S,

00:00:10.480 --> 00:00:12.420
אגמי נתונים ומקדשי משילות קפדניים?

00:00:12.560 --> 00:00:14.220
רוב הצוותים מאמרים בעיניים עצומות,

00:00:14.400 --> 00:00:17.920
והתוצאה היא תקציבים שנשרפים מהר יותר מאשר מנוע עיוות שסורף אנטי חומר.

00:00:18.080 --> 00:00:19.540
הנה מה שתיקחו איתכם היום.

00:00:19.540 --> 00:00:23.500
חמש הבדיקות שיחשפו עם פרויקט AI באמת זקוק לקני מידה ארגוני,

00:00:23.760 --> 00:00:26.320
ומסגרות הבטיחות שיובילו אתכם לשם ללא קאוס.

00:00:26.480 --> 00:00:29.180
אז לפני שנדבר על מפעלים וצוותי חלליות,

00:00:29.480 --> 00:00:32.060
בואו נשאל למה AI הוא לא רק עוד אומס עבודה?

00:00:32.320 --> 00:00:34.180
למה AI הוא לא רק עוד אומס עבודה?

00:00:34.340 --> 00:00:37.800
AI עובד אחרת מעומסי העבודה המסודרים שאתם רגילים עליהם.

00:00:37.940 --> 00:00:40.260
אפליקציות מסורתיות מתנהלות עם קוד יציב,

00:00:40.480 --> 00:00:43.400
צירכי יחסון צפויים ויומני רישום שמתקתקים כמו שעון.

00:00:43.400 --> 00:00:45.500
AI, לעומת זאת, מרגיש חי.

00:00:45.640 --> 00:00:49.420
הוא גדל ומשתנה עם כל סט נתונים והארכיטקטורה שאתם מאכילים אותו בהם.

00:00:49.520 --> 00:00:51.620
במקום שבו תוכנה רגילה מעלי גרסאות,

00:00:51.780 --> 00:00:56.000
ה-AI עובר מוטציות, לומד, משתנה ואפילו מתפתל בהתאם למשאבים הזמינים.

00:00:56.140 --> 00:00:57.880
לכן, השינוי בתפיסה ברור.

00:00:58.040 --> 00:00:59.920
אל תתייחסו ל-AI כאפליקציה בודדת,

00:01:00.060 --> 00:01:02.520
אלא כמערכת הפעלה אקולוגית שנמצאת בתנודה מתמדת.

00:01:02.620 --> 00:01:03.840
כיום, ברוב מחלקות העית,

00:01:03.840 --> 00:01:06.600
אומסי עבודה נמדדים לפי שטח ארון שרתים וצריכת חשמל.

00:01:06.720 --> 00:01:10.640
מונחים בטוחים ומכניים, אבל מנקודת מבט של AI, התמונה משתנה.

00:01:10.760 --> 00:01:12.000
אתם לא רק מריצים שרתים,

00:01:12.160 --> 00:01:14.660
אתם אלא הטטים עם מייצים כמו GPUs או TPUs,

00:01:14.720 --> 00:01:16.700
שלעיתים קרובות יש להם מודלי תכנות משלהם.

00:01:16.820 --> 00:01:18.480
אתם לא מטפלים באומסי עבודה מסודרים,

00:01:18.700 --> 00:01:21.280
אלא בצינורות עיבוד שלמים המניעים שיטפונות של נתונים גולמיים.

00:01:21.500 --> 00:01:23.240
ואתם לא מוציאים לפועל קוד סטטי,

00:01:23.240 --> 00:01:27.020
אלא מריצים דרפים חישוביים דינמיים שיכולים לשנות צורה תוך כדי פעולה.

00:01:27.120 --> 00:01:28.220
מחקרים מגבים זאת.

00:01:28.380 --> 00:01:31.300
אומסי עבודה של AI דורשים לעיתים קרובות מייצים מיוחדים,

00:01:31.380 --> 00:01:36.100
ודפוסי גישה לנתונים שונים שלא דומים למה שמסדי הנתונים או ה-CPUs שלכם תוכננו עבורו.

00:01:36.200 --> 00:01:40.080
הלקח הוא לתכנן לפי פיזיקה שונה מזו שבספר העית הרגיל שלכם.

00:01:40.220 --> 00:01:43.600
תחשבו על שכר כעל בסיס, יציב, ניתן לחזרה ומדויק.

00:01:43.600 --> 00:01:45.820
שורות נכנסות, תלושי שכר יוצאים.

00:01:45.820 --> 00:01:49.220
כעת, השבו זאת לרשת עצבית עמוקה עם מאה מיליון פרמטרים.

00:01:49.400 --> 00:01:51.320
במקום לצעוד בסינקרון, היא מדדה.

00:01:51.440 --> 00:01:53.540
ההתקדמות קופצת ברגע אחד, נתקעת בשני,

00:01:53.740 --> 00:01:57.860
ודוחפת אתכם לחלק מחדש משאבי חישוב כמו מהנדס שמסית כוח כדי להשאיר מערכות בחיים.

00:01:58.060 --> 00:02:00.320
לעיתים האימון מתכנס, ולעיתים קרובות לא.

00:02:00.500 --> 00:02:04.600
ועד שהוא מתייצב, אתם רק שופכים מחזורי עיבוד ומקווים לתוצר קוהרנטי.

00:02:04.600 --> 00:02:10.240
השורה התחתונה, בניגוד לסחר, אימון AI מביא איתו תנודתיות, ועליכם להקצות לא משאבים בהתאם.

00:02:10.320 --> 00:02:12.160
התנודתיות הזו מונעת מרעב.

00:02:12.320 --> 00:02:15.280
אלגוריתמי AI מגיבים לנתונים כמו חורים שחורים לחומר.

00:02:15.500 --> 00:02:20.520
יום אחד ערכת הנתונים שלך נכנסת למחשב נייד, וביום למוחרת אתה מזרים פתה ביתים ממקורות מרובים,

00:02:20.720 --> 00:02:24.060
ופתאום כוח המחשוב, היחסון והרשת כולם נדרשים לתמוך בדרישה הזו.

00:02:24.060 --> 00:02:27.620
אפליקציות רגילות כמעט, ואינן צורכות משאבים בפרצים כאלה.

00:02:27.820 --> 00:02:32.520
מה שאומר שהתשתית שלך צריכה להיות מתוכננת פחות כמו ארון טיוק ויותר כמו בית זיקוק,

00:02:32.740 --> 00:02:37.100
עם צינורות זרימה רציפים, רוחב פס גבוה ויכולת לספוג גלים של דלק נכנס.

00:02:37.880 --> 00:02:39.440
וכאן ארגונים לרוב מועדים.

00:02:39.620 --> 00:02:44.360
ההנהלה מניחה שבינה מלאכותית יכולה לחיות לצד דואר אלקטרוני ומערכות ERP, כעוד סעיף תקציבי.

00:02:44.360 --> 00:02:47.840
לכן, הם פורסים אותה על שרתים סטנדרטיים ומצפים שהיא תשתלב בצורה חלקה.

00:02:47.920 --> 00:02:48.840
מה קורה במקום זה?

00:02:48.980 --> 00:02:52.020
אשקולות GPU עומדים בתלים ומחכים לצינורות נתונים מסורבלים.

00:02:52.200 --> 00:02:53.400
לוחות זמנים מתפספסים.

00:02:53.540 --> 00:02:55.580
עבודת האינטגרציה תופחת לממדים עצומים.

00:02:55.740 --> 00:02:59.720
צוותים מגלים שחצי מהסביבה שלהם צריכה שכתוב רק כדי להשיג תפוקה בסיסית.

00:02:59.720 --> 00:03:05.740
התרחיש דומה להתקנת ממסר תקשורת גלקטי, רק כדי לגלות שהאוטות שלך לא מכוונים לתדר הנכון.

00:03:05.900 --> 00:03:07.060
האמינות נפגעת.

00:03:07.180 --> 00:03:08.180
העלויות נוסקות.

00:03:08.440 --> 00:03:10.480
הארגון נותר לטהות מה השתבש.

00:03:10.660 --> 00:03:11.680
המסקנה פשוטה.

00:03:11.820 --> 00:03:15.580
דחוף בינה מלאכותית לתוך קופסאות ישנות ותיצור צברי בקבוק במקום ערך.

00:03:15.740 --> 00:03:17.780
הנה דרך נקייה יותר לטפוס את המטפורה.

00:03:17.980 --> 00:03:19.880
עסקים זה כמו ניהול טיסות שגרתיות.

00:03:19.880 --> 00:03:23.680
למטוסים יש לוחות זמנים ברורים, צריכת דלק קבועה ונתיבים הדוקים.

00:03:23.800 --> 00:03:27.180
עבודת בינה מלאכותית מתנהגת יותר כמו ניסוי במנוע על חלל.

00:03:27.360 --> 00:03:29.140
התפוקה לא עולה בצורה לנערית.

00:03:29.140 --> 00:03:33.640
הדרישות מזנקות ללא הזהרה, וחומרה אקזוטית נדרשת כדי לשרוד את הלחץ.

00:03:33.800 --> 00:03:36.640
התעלם מזה ותגרום לכל הפרויקט לרדת מהמסלול.

00:03:36.820 --> 00:03:39.860
קבל זאת ותתחיל לעצב מערכות עמידות מלכתחילה.

00:03:39.960 --> 00:03:42.900
אז, השאלה המעשית שכל מנהיג עומד בפניה היא זו.

00:03:42.900 --> 00:03:46.320
איך אתה יודע מתי פרויקט הבינה המלאכותית שלך החצה את הסף הזה,

00:03:46.560 --> 00:03:50.060
כשהוא כבר לא רק עוד תוכנה, אלא עומס עבודה מקטגוריה שונה לחלוטין.

00:03:50.060 --> 00:03:55.040
אתה רוצה לטפוס את הרגע הזה מוקדם, לפני הכפלת תקציבים או התחייבות יתר לתשתית.

00:03:55.140 --> 00:03:58.540
הרמזים שם, דפוסי דרישה שפורצים מעבר לשרתים כלליים,

00:03:58.820 --> 00:04:01.640
הסתמכות על מייצים שמדברים קודה במקום אקס-86,

00:04:02.120 --> 00:04:05.260
ערכות נתונים כל כך מסיביות שבסיסי נתונים ישנים נחנקים,

00:04:05.260 --> 00:04:10.540
אלגוריתמים שמשתנים באמצע הביצוע, וחסמי אינטגרציה שבהם העיט הישן מסרב לשתף פעולה.

00:04:10.620 --> 00:04:14.380
כל אחד מהם מעוטט שאתה מתמודד עם משהו אחר מאשר עסקים כרגיל.

00:04:14.380 --> 00:04:18.280
יחד, הסימנים האלה מציירים את הבינה המלאכותית כיותר מסתם קוד מהודר.

00:04:18.460 --> 00:04:20.840
זהו הקוס סיסטם דיגיטלי חי, כזה שצומח,

00:04:21.060 --> 00:04:24.760
משתנה ודורש משאבים שונים מכל מה שיש בירימת הטכנולוגיה הישנה שלך.

00:04:24.900 --> 00:04:26.860
ברגע שתלמד לזהות את התכונות האלה,

00:04:26.860 --> 00:04:30.860
תהיה ערוך טוב יותר להקצות דלק מגון וצוות לפני שהמסע מתחיל,

00:04:31.020 --> 00:04:32.480
וכאן מתחילות הבחירות הקשות.

00:04:32.660 --> 00:04:36.300
כי גם אחרי שאתה מזהה בינה מלאכותית כמחלקה שונה של אומס עבודה,

00:04:36.520 --> 00:04:37.920
הצעד הבא לא ברור מעיליו.

00:04:37.920 --> 00:04:40.720
האם תעביר אותה דרך אותו צינור כמו כל דבר אחר,

00:04:40.860 --> 00:04:44.400
או לעצור ולשאול את השאלות הקריטיות שקובעות אם כדאי להתרחב.

00:04:44.540 --> 00:04:47.380
נקודת ההחלטה הזו היא המקום שבו מנהלים רבים מועדים,

00:04:47.580 --> 00:04:50.000
ושם רשימת בדיקה חדה יכולה להציל משימות שלמות.

00:04:50.000 --> 00:04:52.700
חמש שאלות שמפרידות בין פיילוטים לייצור.

00:04:52.880 --> 00:04:57.500
כשאתם בוהים בפיילוט אי נוצץ ותוהים אם הוא באמת יכול לסט בנטל בייצור,

00:04:57.760 --> 00:04:58.480
יש כלי פשוט.

00:04:58.580 --> 00:05:00.700
חמש שאלות ליבה, ישירות ומעשיות,

00:05:00.700 --> 00:05:05.400
אלו שמומחים משתמשים בהן כדי להחליט אם אומס עבודה באמת ראוי לטיפול בקנה מידה ארגוני.

00:05:05.540 --> 00:05:08.040
תחשבו עליהן כעל רשימת הבדיקה שלכם להשקה.

00:05:08.160 --> 00:05:10.940
דלגו עליהן ותסתכנו בבניית מודל שנראה טוב במעבדה,

00:05:11.020 --> 00:05:12.840
אבל קורס ברגע שמשתמשים אמיתיים מופיעים.

00:05:12.840 --> 00:05:15.880
ריכזנו אותן עבורכם בהערות התוכנית, אבל בואו נעבור עליהן עכשיו.

00:05:16.040 --> 00:05:17.920
ראשית, יכולת הרחבה, סקיילביליות.

00:05:17.920 --> 00:05:21.600
האם התשתית הנוכחית שלכם באמת יכולה להימתח כדי לעמוד בביקוש בלתי צפוי?

00:05:21.700 --> 00:05:25.820
פעילותים נראים נהדר בקבוצות קטנות, אבל ייצור מביא אלפי בקשות במקביל.

00:05:26.000 --> 00:05:29.620
אם המערכת לא יכולה להתרחב אופקית ללא עבודה מחדש משמעותית,

00:05:29.620 --> 00:05:32.620
אתם מתכוננים לתיקוני חירום במקום לערך מתמשך.

00:05:32.740 --> 00:05:33.760
שנית, חומרה.

00:05:33.880 --> 00:05:37.400
האם אתם צריכים מייצים מיוחדים כמו GPUs או TPUs?

00:05:37.520 --> 00:05:39.540
רוב אבות הטיפוס מדדים על מאבדים רגילים,

00:05:39.540 --> 00:05:42.840
אבל הרחבת רשתות נוירונים בנפחים ארגוניים תבלה כוח מחשוב.

00:05:43.020 --> 00:05:45.080
השאלה היא לא רק אם אתם יכולים לקנות את הציוד,

00:05:45.280 --> 00:05:47.300
אלא אם הצוות והתקציב שלכם יכולים לתפעל אותו

00:05:47.300 --> 00:05:49.320
ולשמור על המנועים פועלים במקום לעמוד במקום.

00:05:49.480 --> 00:05:51.120
שלישית, אינטנסיביות נתונים.

00:05:51.120 --> 00:05:52.940
האם אתם באמת מוכנים לשיטפון?

00:05:53.060 --> 00:05:56.280
פעילותים מוקדמים רצים לעיתים קרובות על מערכי נתונים מסודרים ומטופלים.

00:05:56.480 --> 00:05:59.020
בסביבות חיות, נתונים מגיעים בפורמטים מרובים,

00:05:59.020 --> 00:06:02.880
זורמים מצינורות שונים ודוחקים את היחסון והרשת לקצה גבול היכולת.

00:06:02.960 --> 00:06:05.340
אומסי עבודה של AI לא יחכו לטפטופים.

00:06:05.520 --> 00:06:08.380
הם צריכים זרימה רציפה או שהמערכת כולה תעצר.

00:06:08.580 --> 00:06:10.260
רביעית, מורכבות אלגוריתמית.

00:06:10.260 --> 00:06:13.700
האם הצוות שלכם יכול לנהל מודלים שלא מתנהגים כמו אפליקציות סטטיות?

00:06:13.840 --> 00:06:18.240
אלגוריתמים מתפתחים, מסתגלים ולעיתים נשברים ברגע שהם רואים קלט מהעולם האמיתי.

00:06:18.400 --> 00:06:20.680
אב טיפוס נראה בסדר עם מודל אחד כפוא,

00:06:20.680 --> 00:06:23.520
אבל ייצור מביא עדכונים מתמידים והתנהגות משתנה.

00:06:23.640 --> 00:06:26.160
ללא הכישורים הנכונים, תראו את המצוק המדיעים,

00:06:26.360 --> 00:06:29.520
מודלים שרצים מצוין על מחשב נייד אבל קורסים על אשכול שרתים.

00:06:29.680 --> 00:06:31.040
חמישית, אינטגרציה.

00:06:31.040 --> 00:06:34.360
האם ה-AI שלכם באמת יתחבר בצורה חלקה למערכות ישנות?

00:06:34.500 --> 00:06:37.740
זה עשוי לעבוד היטב לבד, אבל בארגון זה חייב להעביר נתונים,

00:06:37.920 --> 00:06:40.440
לכבד כללי ציוט ולהתממשק עם פרוטוקולים בתיקים.

00:06:40.580 --> 00:06:43.280
אם הוא מסרב להשתלב, לא הוספתם חבר צוות,

00:06:43.280 --> 00:06:45.440
יצרתם נטל שיושב לכם בשרתים.

00:06:45.640 --> 00:06:49.380
זו הרשימה המלאה, יכולת הרחבה, חומרה, אינטנסיביות נתונים,

00:06:49.640 --> 00:06:51.320
מורכבות אלגוריתמית ואינטגרציה.

00:06:51.320 --> 00:06:54.820
הן אולי נשמעות פשוטות, אבל יחד הן מהוות את מבחן המציאות.

00:06:54.880 --> 00:06:59.180
מסגרות עבודה רשמיות של מנהלים בכירים משקפות בדיוק את חמשת התחומים האלה ומהסיבות הנכונות.

00:06:59.220 --> 00:07:02.040
הם מפרידים בין פיילוטים מבטיחים לבין כאלו שנועדו לכישלון.

00:07:02.180 --> 00:07:04.440
תוכלו למצוא פירוט נוסף בכישורים שבהערות היום,

00:07:04.440 --> 00:07:05.620
אך החלק החשוב ברור.

00:07:05.760 --> 00:07:09.360
אם עניתם בחיוב על כל החמישה, אתם לא מתמודדים עם עוד סתם עומס עבודה.

00:07:09.360 --> 00:07:14.380
אתם מסתכלים על משהו שדורש יחס מיוחד, ארכיטקטורה משלו ומשמעת משלו.

00:07:14.460 --> 00:07:17.280
כאן פרויקטים רבים חושפים את צורתם האמיתית.

00:07:17.720 --> 00:07:20.700
מה שנראה כדמו מרשים מתגלה, תחת תחקור,

00:07:20.980 --> 00:07:25.680
כי משימה עצומה הצורכת תקציב, כישרונות ותשתית בקנה מידה אחר לגמרי.

00:07:25.860 --> 00:07:29.380
וזיהוי מוקדם של זה הוא הדרך להימנע מלבזבז חודשים ומיליונים.

00:07:29.580 --> 00:07:32.660
ובכל זאת, גם עם רשימת הבדיקות ביד, האתגרים נותרים.

00:07:32.660 --> 00:07:36.320
פיילוטים שאמורים לעבור בצורה חלקה על הייצור נכשלים לעיתים קרובות.

00:07:36.420 --> 00:07:38.760
הם נעצרים לא בגלל שהרעיון היה פגום,

00:07:38.980 --> 00:07:43.320
אלא כי הסביבה אליה הם נכנסים קשה, דלילה ופחות סלחנית ממה שהדמו רמז.

00:07:43.500 --> 00:07:45.360
זה המרחב שעלינו לדון בו כעת.

00:07:45.560 --> 00:07:47.640
אזור המוות שבין פיילוט לייצור.

00:07:47.820 --> 00:07:50.580
פיילוטים רבים של בינה מלאכותית מבריקים במעבדה,

00:07:50.580 --> 00:07:53.580
אך נחנקים ברגע שהם נדחפים לתנאי אמת ארגוניים.

00:07:53.740 --> 00:07:56.940
דמו מסודר עובד היטב כשהוא מוזן בסט נתונים נקי אחד,

00:07:57.200 --> 00:08:00.240
רץ על שרת שנבחר ידנית ומטופל על ידי כמה מהנדסים.

00:08:00.400 --> 00:08:02.300
אבל ברגע שחושפים אותו לתעבורה אמיתית,

00:08:02.480 --> 00:08:05.740
לזרמי נתונים מבולגנים ולבדיקות של ממשל תאגידי, הכל קורס.

00:08:05.880 --> 00:08:08.800
לפער הזה יש שם, אזור המוות שבין פיילוט לייצור.

00:08:08.960 --> 00:08:10.120
הנה הבעיה העיקרית.

00:08:10.280 --> 00:08:11.920
פיילוטים מצליחים כי הם מוגנים,

00:08:11.920 --> 00:08:16.280
קלטים מבוקרים, תהליכי עבודה וצרו וסביבות שנועדו להחמיל המודל.

00:08:16.540 --> 00:08:18.420
ייצור דורש משהו קשוח יותר.

00:08:18.600 --> 00:08:21.640
התרחבות בין צוותים, אינטגרציה עם מערכות ישנות,

00:08:21.840 --> 00:08:25.560
עמידה בחובות רגולטוריות וטיפול בנתונים המגיעים בגלים בלתי צפויים.

00:08:25.780 --> 00:08:28.280
זו הסיבה שכל כך הרבה פרויקטים נתקעים בין שלבים.

00:08:28.420 --> 00:08:31.760
ההרגלים שהפכו את הפיילוט למבריק לא מכינים אותו לרוחות של העולם האמיתי.

00:08:31.920 --> 00:08:33.280
התוצאות נערמות במהירות.

00:08:33.280 --> 00:08:35.320
מנגורות מידע קוטעות את הספקת הנתונים,

00:08:35.400 --> 00:08:37.960
כי שמחלקות שלמות שומרות על מידע בפורמטים שאינם תואמים.

00:08:38.080 --> 00:08:41.120
פערי ממשל מותירים בקרות גישה והרשאות מאולטרות.

00:08:41.200 --> 00:08:43.660
זה עובד בבדיקה, אך קטלני בזמן ביקורת.

00:08:43.820 --> 00:08:49.640
חוסרים בחומרה מעט עם את האימון והעסקה כאשר מאבדים לא עומדים בקצב ומייצים אינם בנויים בתוך הצינור.

00:08:49.780 --> 00:08:53.100
ומעל הכל, מסגרות טעימות מופיעות כמלכודות בלתי נראות,

00:08:53.100 --> 00:08:56.920
במיוחד בתעשיות המתמודדות עם רגולציות פרטיות והגינות מחמירות.

00:08:57.000 --> 00:08:58.760
המכשולים האלו אינם ייחודיים.

00:08:58.960 --> 00:09:03.760
הם מודגשים שוב ושוב במחקרי תעשייה כמכשולים שחוסמים את ה-AI מלהתרחב.

00:09:03.920 --> 00:09:08.160
התעלמו מהם וההצלחה שלכם תסתיים כאף טיפוס נטוש שמעלה אבק.

00:09:08.960 --> 00:09:10.520
דימוי אחד חי אומר הכל.

00:09:10.700 --> 00:09:15.540
הפעלת בינה מלאכותית מעבר לשלב הפיילוט היא כמו טיפוס מעבר לקיבי הגובה של אוויר דליל באברסט.

00:09:15.660 --> 00:09:17.520
מתחת לקו, ההתקדמות זורמת.

00:09:17.520 --> 00:09:21.180
מעליו, כל צד דורש משמעת מכוונת, חמצן ועבודת צוות.

00:09:21.320 --> 00:09:25.500
במונחים של בינה מלאכותית, החמצן הזה מגיע מתשתית, ממשל ואוטומציה.

00:09:25.620 --> 00:09:30.740
המתאפורה עובדת פעם אחת, אבל הנקודה חדה יותר כשעוזבים את הדימויים ומתמודדים עם האמת הכואבת.

00:09:30.820 --> 00:09:34.220
הצוות שלכם לא יכול לצלוח את אזור המוות בעזרת התלהבות בלבד.

00:09:34.380 --> 00:09:36.940
מבחינה טכנית, לפתרון יש שם MLOPS.

00:09:36.940 --> 00:09:41.660
משמעות הדבר היא אוטומציה של נולאות הבדיקה, הפריסה והניתור, כך שהמודלים התנהגו בצורה צפויה בעת הרחבה.

00:09:41.780 --> 00:09:47.380
במקום מחברות שנכתבו ידנית ונדחפו ישירות לייצור, אתם מפתחים צינורות עבודה סטנדרטיים שבודקים מודלים,

00:09:47.600 --> 00:09:51.740
מעמתים אותם, פורסים אותם בשלבים הניתנים לשחזור ומנטרים את הסטייה שלהם בשטח.

00:09:52.100 --> 00:09:59.640
MLOPS הופך את ה-AI מניסוי חד פעמי למערכת ייצור עם אותה אמינות שאתם מצפים לה מתוכנת שכר או מאיבוד עסקאות.

00:09:59.640 --> 00:10:03.140
בלעדיו, כל העברת אחריות היא ראועה וכל עדכון הוא הימור.

00:10:03.260 --> 00:10:05.400
נקודות כאב מוחשיות מוכיחות את העניין.

00:10:05.540 --> 00:10:08.620
המודל המכוון בצורה מושלמת שהצטיין בבדיקות מבודדות.

00:10:08.820 --> 00:10:14.320
ברגע שהוא נתקל בזרמי נתונים חיים, יעדי השעיה של מילי שניות ומאות בקשות לקוח בבת אחת ומגמגם.

00:10:14.500 --> 00:10:19.380
לוח מכוונים שנראה זורם עבור צוות אחד זוכל כמו מולסה כשאלף עובדים מתחברים אליו.

00:10:19.560 --> 00:10:23.420
מהנדסים ממהרים לתקן פערי ביצועים, אך המציאות בלתי נמנעת.

00:10:23.420 --> 00:10:26.960
תיקונים בדיעבד עולים יותר מאשר תזמור נכון מההתחלה.

00:10:27.080 --> 00:10:29.180
ממשל מוסיף מקור נוסף לקריסה.

00:10:29.300 --> 00:10:32.440
מה שעבר בשקט בהוכחת התכנות עקיפת מנהל מהירה,

00:10:32.720 --> 00:10:37.000
קיצור דרך להרשאות הופך לחאב ראש רגולטורי ברגע שהמבקרים נכנסים לתמונה.

00:10:37.160 --> 00:10:40.060
תקנות ודרישות ביקורת אינם תוספות אופציונליות.

00:10:40.280 --> 00:10:42.660
אלו מסגרות חובה שמעצבות את הייצור עצמו.

00:10:42.660 --> 00:10:48.700
ארגונים שמחכים עד אחרי שלב הפיילוט מוצאים את עצמם תקועים בבנייה מחדש של יסודות שהיו צריכים להיות שם מהיום הראשון.

00:10:48.840 --> 00:10:51.680
בינתיים, המחסור בידיים מיומנות מעצים את העומס.

00:10:51.840 --> 00:10:55.960
פיילוטים יכולים לשרוד בזכות כמה מהנדסים חריפים שמאלתרים פתרונות יצירתיים.

00:10:56.120 --> 00:11:00.400
קנה מידה ארגוני דורש מומחים בהנדסת נתונים, ב-AI-Ops ובתשתיות.

00:11:00.620 --> 00:11:05.400
ללא זרימות עבודה מקודדות, כל שלב מומצא מחדש ושבועות מתבזבזים ללא התקדמו.

00:11:05.400 --> 00:11:09.900
ההנהלה מסתכלת על השעון, הכספים עוקבים אחרי העלויות והסבלנות עוזלת.

00:11:10.020 --> 00:11:14.640
ההבטחה של AI מתחילה להידמות לפרויקט תקוע ולא לחולת טרנספורמטיבית.

00:11:14.780 --> 00:11:18.440
מפתה לחשוב שהפתרון תמון ביותר כישרון או יותר מכונות,

00:11:18.680 --> 00:11:23.280
אבל האמסה ללא תזמור היא כמו להוסיף מטפסים לצוות הרים ללא חבלים או חמצן.

00:11:23.580 --> 00:11:26.520
גופים זזים, אבל ללא סיכוי להישרדות מתואמת.

00:11:26.820 --> 00:11:29.620
מה שבאמת מציל פרויקטים כאן הוא לא כוח גולמי,

00:11:29.620 --> 00:11:34.640
אלא תזמור משמעת מאחדת שמחברת זרימות נתונים, מבטיחה ציוט וממקנת פריסה.

00:11:34.760 --> 00:11:39.920
זה לא נוצץ, אבל זה תומך חיים עבור צוותי AI שמנסים לפרוץ מעבר להדגמות.

00:11:40.100 --> 00:11:41.500
זהו הלקח הבלתי נמנע.

00:11:41.640 --> 00:11:44.080
בינה מלאכותית ארגונית אינה ניתנת לאילתור.

00:11:44.260 --> 00:11:46.840
הצלחה מגיעה מיכולת שחזור ברמה תעשייתית,

00:11:47.040 --> 00:11:49.280
תבניות לצינורות עבודה, בדיקות אוטומטיות,

00:11:49.560 --> 00:11:52.040
ממשל מוטמע בזרימות עבודה וניהול משאבים דינמי.

00:11:52.040 --> 00:11:54.880
עם בסיס כזה, אזור המוות אינו בית כברות,

00:11:55.020 --> 00:11:57.240
אלא מעבר שניתן לחצות באופן שיטתי.

00:11:57.440 --> 00:12:01.640
בלעדיו, כל צעד הוא אילתור שברירי שנועד לקרוס תחת לחץ,

00:12:01.960 --> 00:12:05.320
וכשרואים את היקף התאום הנדרש, עולה השאלה הבאה.

00:12:05.400 --> 00:12:07.560
איך באמת בונים את שכבת התזמור הזו?

00:12:07.700 --> 00:12:09.700
לא כתלאים מפוזרים או צוותים מבודדים,

00:12:09.940 --> 00:12:12.380
אלא כסיפון פיקוד מרכזי שבו הקאוס ממושמע,

00:12:12.640 --> 00:12:14.940
התפקידים מוגדרים והמערכות נאות בסינקרון.

00:12:14.940 --> 00:12:18.900
ייכנסו למפעל ה-AI, מפקדת צי הכוכבים של ה-AI הארגוני.

00:12:19.040 --> 00:12:21.660
דמיינו זאת, במקום שכל צוות יאלתר לבדו,

00:12:21.920 --> 00:12:27.800
יש לכם גשר מאוחד שבו DataOps, MLOps וGNIOps פועלים כמו קצינים בעמדות שלהם.

00:12:27.960 --> 00:12:30.720
מנועים, מגינים, ניווט, לכל אחד חובה משלו,

00:12:30.980 --> 00:12:32.840
אך כולם מתואמים דרך כיסא פיקוד אחד.

00:12:33.060 --> 00:12:35.500
זו נקודת המוצא כאן, לא עוד כלי שנוסף מבחוץ,

00:12:35.720 --> 00:12:38.440
אלא שכבת התזמור ששומרת על הספינה מלוקדת תחת לחץ.

00:12:38.440 --> 00:12:42.120
ללא שכבה מרכזית, AI ארגוני נראה יותר כמו קטתה בין סיפונים.

00:12:42.320 --> 00:12:44.400
מהנדסי נתונים מריצים צינורות בפינה אחת,

00:12:44.580 --> 00:12:46.100
אנשי תפעול כותבים כללים באחרת,

00:12:46.300 --> 00:12:47.960
וחוקרים זורקים מודלים מעבר למעקה.

00:12:48.060 --> 00:12:49.780
אין מפה משותפת, אין קצב.

00:12:49.920 --> 00:12:51.600
מה שמקבלים הוא סקריפטים חופפים,

00:12:51.780 --> 00:12:55.380
מערכות מיותרות וחורי הבטחה גדולים מספיק כדי להטיס דרכם חללי.

00:12:55.580 --> 00:12:57.100
הקאוס הזה אינו תאונה נדירה,

00:12:57.300 --> 00:13:00.260
זה מה שקורה כשסקלביליות של AI נשארת כמאמץ מפוזר.

00:13:00.260 --> 00:13:02.080
המפעל הופך את הקערה על פיה.

00:13:02.220 --> 00:13:05.600
חישבו על זה פחות כעל גאוג'ט חדש ויותר כעל דוכן של מנצח תזמורת.

00:13:05.740 --> 00:13:09.300
החלקים הם אגמי הנתונים, צינורות האימון ומעיצי הענן שלכם,

00:13:09.520 --> 00:13:11.880
ובמקום להתנגש זה בזה, הם מנגנים בסינקרון.

00:13:12.040 --> 00:13:16.320
בפועל, ההדגמה של המפגש הזה כוללת תכונות כמו גישת אגם אוטומטי

00:13:16.320 --> 00:13:19.280
שמרכזת מאגרי נתונים מפוצלים לסביבה אחת עקבית.

00:13:19.380 --> 00:13:22.020
צינורות הנתונים רצים סוף סוף מול מקור אמת יציב,

00:13:22.020 --> 00:13:23.940
ולממשל יש משהו ממשי לאכוף.

00:13:24.060 --> 00:13:27.560
מודלים רעבים ל-AI לא יגבעו ברעב בגלל שזרם הנתונים התייבש.

00:13:27.700 --> 00:13:29.560
תבניות הן הקלף הבעל השולחן.

00:13:29.700 --> 00:13:31.960
פרויקטי פיילוט נכשלים בשלב הסכלביליות

00:13:31.960 --> 00:13:34.000
כי כל פרויקט מקים תשתית קצת אחרת,

00:13:34.280 --> 00:13:37.440
כותב משימות בהתאמה אישית ומשאיר חצי מהמערכת ללא תיעוד.

00:13:37.560 --> 00:13:40.940
תבניות מתקנות את הסטייה, בני פעם אחת שקפל שוב ושוב.

00:13:40.940 --> 00:13:43.800
הרווח הוא אמינות ברמה של מפעל שבה לחיצה על התחל,

00:13:43.800 --> 00:13:45.780
מגדירה צינור נתונים באותה דרך בכל פעם.

00:13:45.960 --> 00:13:47.320
במקום חודשים של עבודה ידנית,

00:13:47.500 --> 00:13:49.520
אתם מסתכלים על פריסה שניתנת לשכפול תוך ימים.

00:13:49.700 --> 00:13:51.120
ואז מגיעה השליטה בגישה.

00:13:51.240 --> 00:13:54.480
בקרת גישה מבוססת תפקידים נשמעת משעממת עד שחיים בלעדיה.

00:13:54.620 --> 00:13:57.620
ללא הגנות, צוות זוטר עלול למעוד לתוך השקולות GPU.

00:13:57.840 --> 00:13:59.860
מבקרים צריכים להתגנב דרך דלתות אחוריות,

00:13:59.860 --> 00:14:01.420
ואף אחד לא יכול לומר משינה מה.

00:14:01.540 --> 00:14:03.420
RBSC מחזירה את הסדר על כנו.

00:14:03.560 --> 00:14:05.000
מהנדסי נתונים רואים צינורות,

00:14:05.000 --> 00:14:06.860
מדענים מקבלים את ארגז החול שלהם,

00:14:07.000 --> 00:14:08.380
ומבקרים צופים מבלי להתערב.

00:14:08.560 --> 00:14:11.260
קווים ברורים, פחות סיכונים, שיתוף פעולה חלק.

00:14:11.460 --> 00:14:13.080
הרשת היא האורק הבלתי נראה.

00:14:13.200 --> 00:14:15.180
קנה מידה ללא ערוצים וחיבורים מתאימים

00:14:15.180 --> 00:14:17.520
מסתבך ככל שעומסי עבודה מתפרסים בין צוותים.

00:14:17.700 --> 00:14:20.020
התשובה של המפעל היא נתיבי רשת פרטיים.

00:14:20.020 --> 00:14:21.380
נקודות הקצה כלולות,

00:14:21.540 --> 00:14:23.560
התפוקה מותאמת לדרישות נתונים כבדות.

00:14:23.740 --> 00:14:24.880
בסיכון הזליגה יורד.

00:14:24.880 --> 00:14:27.140
חישבו על זה כעל הבטחה שמערך התקשורת

00:14:27.140 --> 00:14:28.580
נושא רק את האותות שלכם,

00:14:28.760 --> 00:14:30.300
ולא שידורים טועים שזולגים לקו.

00:14:30.460 --> 00:14:33.400
ניהול תזמור החומרה הוא לרוב נקודת הכאב היקרה ביותר.

00:14:33.600 --> 00:14:35.240
GPU, TPU הם עוצמתיים,

00:14:35.460 --> 00:14:37.640
אך ללא ניהול הם עומדים בטלים ומבזבזים כספים.

00:14:37.820 --> 00:14:38.640
במודל המפעל,

00:14:38.640 --> 00:14:40.740
מייצים מתחברים ללוח זמנים רחב יותר.

00:14:40.940 --> 00:14:42.620
מנהלי התקנים מוקצים אוטומטית,

00:14:42.760 --> 00:14:43.920
משימות מסודרות בתור,

00:14:44.140 --> 00:14:44.920
קיבולת מאוזנת.

00:14:44.920 --> 00:14:47.060
במקום להיאבק בליבת העיוות בכל בוקר,

00:14:47.300 --> 00:14:49.700
אתם מפקדים עליה באמצעות רצף שניתן לחזור עליו.

00:14:49.820 --> 00:14:51.800
החומרה מתנהגת כחלק מהמערכת,

00:14:51.980 --> 00:14:52.880
לא כדיבה עצמאית.

00:14:53.020 --> 00:14:54.540
ארגונים המנסים את המודל הזה

00:14:54.540 --> 00:14:56.960
מדווחים שהגדרות שפעם נגררו במשך שבועות

00:14:56.960 --> 00:14:59.020
של כרטיסי תמיכה מצטמצמות דרסטית.

00:14:59.020 --> 00:14:59.980
זה לא קסם,

00:15:00.180 --> 00:15:02.280
זו המשמעת של זרימות עבודה מתואמות,

00:15:02.460 --> 00:15:04.320
גישה מנוהלת ותזמור מאוחד.

00:15:04.420 --> 00:15:07.040
כאשר סירות ההצלה קשורות לכלי שייט אחד,

00:15:07.040 --> 00:15:08.680
המסע הופך לניתן לניהול.

00:15:08.860 --> 00:15:10.920
מה שמאגן את האמינות הוא לא רק הכלים,

00:15:11.180 --> 00:15:12.580
אלא המסגרות שמאחוריהם.

00:15:12.760 --> 00:15:15.820
גישת מפעל ה-AI נשענת על שיטות עבודה מומלצות בענן

00:15:15.820 --> 00:15:19.060
בדומה לאימוץ ענן והנחיות ארכיטקטורה תקינה של מייקרוסופט.

00:15:19.220 --> 00:15:22.680
האינטגרציה הזו מבטיחה שאומסי עבודה מפותחים עם הבטחה,

00:15:22.920 --> 00:15:25.040
יכולת גדילה ותעימות מובנים מההתחלה,

00:15:25.320 --> 00:15:27.200
לא מוספים מאוחר יותר תחת לחץ.

00:15:27.380 --> 00:15:30.200
זה מגן על פרויקטים ממלכודת של הדגמות שבירות

00:15:30.200 --> 00:15:32.640
שקורסות כשהן נחשפות למציאות הארגוני.

00:15:32.760 --> 00:15:35.400
המתאפורה של צי הכוכבים מתאימה כאן היטב.

00:15:35.520 --> 00:15:37.240
קצינים לא מאלתרים חובות ליבה.

00:15:37.380 --> 00:15:38.620
מגינים עולים כשניתנת פקודה,

00:15:38.860 --> 00:15:40.020
מנועים ופעלים לפי סימן,

00:15:40.180 --> 00:15:41.620
תקשורת מסתנכרנת לערוץ אחד.

00:15:41.940 --> 00:15:44.160
הקוריאוגרפיה הזו היא מה שהמודל הזה מספק.

00:15:44.320 --> 00:15:45.680
הוא לוקח מאמצים מפוזרים,

00:15:45.920 --> 00:15:47.140
מקצה להם נתיבים מתאימים,

00:15:47.320 --> 00:15:50.000
וקושר אותם לספינה שפועלת לפי סדר ולא קאוס.

00:15:50.200 --> 00:15:52.380
בבסיסו, המפעל מאחד DataOps,

00:15:52.380 --> 00:15:55.440
ML Ops וג'נאי Ops למערכת מתואמת אחת.

00:15:55.520 --> 00:15:57.480
התוצאה היא קנה מידה שניתן לשחזור,

00:15:57.720 --> 00:15:59.420
לא בינה מלאכותית מבוססת מזל

00:15:59.420 --> 00:16:02.600
שמסיימת בהצלחה את דרכה מהדגמת מעבדה לדרישה ארגונית.

00:16:02.720 --> 00:16:05.520
צוותים צוברים ביטחון כי הם יודעים שהגשר קיים,

00:16:05.840 --> 00:16:07.960
ומשמעת שזורה בכל שלב של העבודה.

00:16:08.140 --> 00:16:09.760
אבל גשר רק קובע כיוון.

00:16:09.940 --> 00:16:12.320
מה שמניע דחף ממשי הם המנועים למטה.

00:16:12.440 --> 00:16:13.460
המעיצים מתאמצים,

00:16:13.460 --> 00:16:15.060
הצינורות מוצפים בנתונים,

00:16:15.320 --> 00:16:17.080
והמודלים משתנים באמצע הקורס.

00:16:17.080 --> 00:16:19.160
ושם, במכונות שמתחת לסיפון,

00:16:19.440 --> 00:16:22.920
נמצא המקום שבו סדרת האתגרים הבאה דורשת את תשומת ליבכם.

00:16:23.100 --> 00:16:26.380
חדר המנועים, חומרה, נתונים ומורכבות אלגוריתמית.

00:16:26.540 --> 00:16:28.320
לכל ספינת חלל יש חדר מנועים,

00:16:28.480 --> 00:16:29.940
ועבור בינה מלאכותית ארגונית,

00:16:30.120 --> 00:16:32.720
המנוע הזה מופעל על ידי שלוש שתת מערכות תנודתיות,

00:16:32.960 --> 00:16:35.160
מייצי חומרה, זרמי הנתונים שמזינים אותם,

00:16:35.320 --> 00:16:37.060
והאלגוריתמים שמסרבים להישאר במקום.

00:16:37.060 --> 00:16:39.180
פספוס האיזון והכלי כולו נתקע.

00:16:39.180 --> 00:16:40.740
גרום להם לעבוד בקצב אחיד,

00:16:40.900 --> 00:16:42.320
ותקבל את הדחף להתרחב.

00:16:42.480 --> 00:16:43.440
התחל עם החומרה.

00:16:43.540 --> 00:16:45.240
מאבדים רגילים מטפלים ביישומים שגרתיים.

00:16:45.400 --> 00:16:46.740
החומסי עבודה של בינה מלאכותית,

00:16:46.820 --> 00:16:49.900
דורשים חישובים מקביליים בקצב שרק GPUs או TPUs יכולים לספק.

00:16:50.040 --> 00:16:52.320
המעיצים האלו אינם פתרונות, חבר והפעל.

00:16:52.480 --> 00:16:53.440
הם מביאים איתם ספריות,

00:16:53.580 --> 00:16:54.920
מתזמינים ומוזרויות משלהם,

00:16:55.060 --> 00:16:57.220
יותר כמו קורי כוח אקזוטיים מאשר שרתי משרד.

00:16:57.220 --> 00:16:59.400
הסכנה היא מטלים שדולקים ללא תועלת.

00:16:59.400 --> 00:17:00.480
הבדיקה המעשית,

00:17:00.680 --> 00:17:03.600
מדוד תזמון GPU ועקוב אחר שיעורי חוסר פעילות.

00:17:03.720 --> 00:17:06.340
אם המעיצים עומדים דוממים בזמן שהביקוש נערם,

00:17:06.580 --> 00:17:09.420
המשאבים שלך לא מותמים הרבה לפני שתשקול להתרחב.

00:17:09.560 --> 00:17:11.500
ואז יש את הרעב האינסופי לנתונים.

00:17:11.740 --> 00:17:14.500
כל מודל רציני דורש זרם אדיר, לא תפטוף.

00:17:14.680 --> 00:17:17.660
יישומים עסקיים שורדים על שאילתות צנועות ועצבות ליליות.

00:17:17.660 --> 00:17:22.120
צינורות נתונים של בינה מלאכותית דורשים תפוקה מהירה ורציפה עם השעיה אפסית.

00:17:22.120 --> 00:17:26.660
איחסון כבר לא רק מאכסן, הוא חייב לדחוף, לטפל במקביליות ולספק רוחב פס,

00:17:26.860 --> 00:17:29.700
אחרת המעיצים היקרים שלך לא יעשו דבר מלבד לחכות.

00:17:29.840 --> 00:17:32.120
המחקר מדגיש זאת אם תובנת הצינצ'ילה.

00:17:32.240 --> 00:17:36.160
מודלים גדולים יותר לבדם לא מניבים שיפור ללא ערכות נתונים גדולות יותר באופן יחסי,

00:17:36.320 --> 00:17:37.800
וחוסר איזון מבזבז כוח חישוב.

00:17:37.960 --> 00:17:39.980
זה אומר שגם גודל וגם איכות חשובים.

00:17:40.140 --> 00:17:42.060
נכנס, תחזיות, יוצאות.

00:17:42.180 --> 00:17:43.700
הבדיקה שלך כאן היא פשוטה.

00:17:43.700 --> 00:17:47.020
בצע בדיקת אומסים לצינור הנתונים תחת אומס מציאותי בזמן אמת.

00:17:47.160 --> 00:17:50.780
אם התפוקה קורסת או שנוצרים תורים, המנועים שלך יגמגמו בייצור.

00:17:50.940 --> 00:17:54.580
לבסוף, החלק המוזר ביותר בחדר המנועים מורכבות אלגוריתמית.

00:17:54.740 --> 00:17:57.920
תוכנת שכר פועלת צעד אחר צעד עם צפיות משעממת.

00:17:58.140 --> 00:18:00.980
מודלי בינה מלאכותית מתנהגים יותר כמו עניני פלזמה.

00:18:01.120 --> 00:18:02.700
הם משנים צורה תוך כדי ריצה,

00:18:02.940 --> 00:18:06.340
מתנפחים עם מחזורי אימון חדשים או קורסים תחת קלטים מסוימים.

00:18:06.340 --> 00:18:10.360
גרפי חישוב לרשתות עצביות מודרניות משנים מבנה באופן דינמי,

00:18:10.580 --> 00:18:13.400
והחוסר יציבות הזה פוגע קשות בהקצאת משאבים.

00:18:13.580 --> 00:18:17.440
ללא כלי ניתוח ומתזמנים דינמיים, התשתית שלך תופתה.

00:18:17.560 --> 00:18:21.940
אמצעי הגנה מעשי התעקש על גרסאות מודל קפדניות וניתוח ביצועים מתמשך.

00:18:22.060 --> 00:18:26.320
כך תראה מתי גרף מתנפח, ותוכל להתאים את כוח החישוב לפני שהמערכת תקרוס.

00:18:26.460 --> 00:18:29.520
שכל את סיפור ההזהרה על חברה שהשקיעה רבות ב-GPUS,

00:18:29.520 --> 00:18:31.500
אך הזינה אותם בצינורות נתונים חלשים.

00:18:31.680 --> 00:18:33.700
המייצים עמדו בשורה וזמזמו כמו פסלים,

00:18:33.920 --> 00:18:36.360
בזמן שהנתונים תפתפו לאט מדי מכדי לשנות משהו.

00:18:36.500 --> 00:18:39.360
משימות נערמו בתור, אך שום דבר לא עבר את סבר הבקבוק.

00:18:39.480 --> 00:18:42.860
התוצאה, כסף שנשרף, זמן שעבד, והאמינות שנפגעה.

00:18:42.940 --> 00:18:44.780
הלקח שלהם הפך לאוניברסלי.

00:18:44.920 --> 00:18:47.620
הרחבת בינה מלאכותית דורשת איזון בין הספקת חומרה,

00:18:47.760 --> 00:18:50.800
זרימת נתונים והתנהגות אלגוריתמית לעולם לא אחד במבודד.

00:18:50.800 --> 00:18:53.940
התגמול על ביצוע נכון של זה הוא פשוט שיווי משקל.

00:18:54.040 --> 00:18:56.320
החומרה פועלת רק כשזרמי הנתונים מוכנים.

00:18:56.540 --> 00:18:59.180
צינורות הנתונים זורמים מבלי להרעיב את המייצים.

00:18:59.380 --> 00:19:01.380
אלגוריתמים משתנים בתוך מסגרת מנוטרת,

00:19:01.600 --> 00:19:04.000
כך שהקצאת המשאבים מתאימה את עצמה באופן מיידי.

00:19:04.160 --> 00:19:06.160
זאת תזמורת בתוך חדר המנועים עצמו,

00:19:06.160 --> 00:19:07.920
לא קאוס בתחפוסת של קדמה,

00:19:08.080 --> 00:19:10.060
והבדיקות הדיאגנוסטיות הן המצפן.

00:19:10.200 --> 00:19:12.080
עקוב אחר זמני חוסר הפעילות של המייצים,

00:19:12.080 --> 00:19:13.640
הרץ בדיקות אומס לצינור הנתונים,

00:19:13.840 --> 00:19:15.160
ותעד את גרסאות המודלים שלך.

00:19:15.320 --> 00:19:18.720
באמצעותם, אתה יודע מתי האיזון נשמר ומתי התיקון דחוף.

00:19:18.840 --> 00:19:20.380
אך איזון לבדו אינו מספיק.

00:19:20.500 --> 00:19:23.180
ללא כללים וממשל, המערכת נשרפת מבפנים.

00:19:23.380 --> 00:19:25.780
הרחבה לעולם אינה רק עניין של כוח גולמי.

00:19:25.780 --> 00:19:30.100
מדובר במערכות מתואמות שבהן כל חלק נע מכבד גבולות וזורם יחד.

00:19:30.260 --> 00:19:35.160
זהו הגבול בין מנוע חללית עובד לבין ניסוי מעבדה שקפה בעיצומה של הטיסה.

00:19:35.160 --> 00:19:37.320
וזה מחזיר אותנו לתמונה הגדולה יותר.

00:19:37.600 --> 00:19:41.380
בינה מלאכותית לא נתמכת על ידי מכונה משודרגת אחת או אשכול נוצץ.

00:19:41.580 --> 00:19:46.780
זוהי מערכת מחוברת שבה חומרה, נתונים ואלגוריתמים חייבים להסתנכרן תחת ממשל ותזמור.

00:19:46.780 --> 00:19:50.320
ללא זאת, גם המנוע החזק ביותר ייתקע על קן השיגור.

00:19:50.480 --> 00:19:53.900
מסקנה, הרחבת בינה מלאכותית אינה עוסקת בערימת חומרה.

00:19:54.020 --> 00:19:56.640
מדובר בהתייחסות לכל המערכת כהקוס סיסטם.

00:19:56.800 --> 00:19:59.580
תזמור, ממשל ותשתית אדפטיבית אינם תוספות.

00:19:59.580 --> 00:20:04.020
הם השילוש ששומר על הבינה המלאכותית מיושרת עם האסטרטגיה ועמידה תחת רגולציה.

00:20:04.220 --> 00:20:06.180
התעלם מהם ופרויקטים יובדו כיוון.

00:20:06.320 --> 00:20:09.660
אמץ אותם ותהפוך הדגמות מעבדה לכולת ארגונית מהימנה.

00:20:09.800 --> 00:20:11.320
מנהלים כבר רואים את השינוי.

00:20:11.320 --> 00:20:17.900
סקרי תעשייה, המקושרים בהערות התוכנית, מדווחים כי מעל 90% מתכננים להגדיל השקעה בבינה מלאכותית בית מינוס 3 השנים הקרובות.

00:20:17.960 --> 00:20:19.380
הכסף הזה זקוק למבנה.

00:20:19.380 --> 00:20:22.980
תזמור בסגנון מפעל לבינה מלאכותית בהיקף ארגוני הוא הגשר.

00:20:23.180 --> 00:20:23.980
הבחירה ברורה.

00:20:24.160 --> 00:20:25.960
כאוס בהגה או צוות בשליטה.

00:20:26.080 --> 00:20:31.820
אם המידע הזה שידרג את רמת הכוח שלך, לחץ על הרשם כדי ששידורים עתידיים יגיעו לפיד שלך בתייס אוטומטי.

00:20:31.820 --> 00:20:37.320
דרגו את התוכנית, כתבו את השורה התחתונה החדה ביותר שלכם בתגובות ובדקו את הערות התוכנית עבור מקורות וקישורים.

00:20:37.460 --> 00:20:38.620
נתראה בתדר הבא.