ICTna.ir – قبل از استقرار ملی Zero Gap AI، یک سرویس جدید هوش مصنوعی و 5G به عنوان یک سرویس از Vapor IO، در ابتدا در دو بازار آزمایشی Comcast یعنی آتلانتا و شیکاگو در دسترس قرار خواهد گرفت.

به گزارش گروه اخبار خارجی آژانس خبری فناوری اطلاعات و ارتباطات (ایستنا)، Comcast یکی از شرکای اولیه شبکه برای ارائه خدمات جدید هوش مصنوعی و 5G به عنوان سرویس است که توسط Vapor IO اداره می شود و در نهایت در سراسر آمریکا در دسترس خواهد بود.

پیشنهاد جدید ابری Vapor IO، به نام Zero Gap AI، توسط پلتفرم Nvidia MGX با سوپرچیپ Nvidia GH200 Grace Hopper و سرورهای بهینه شده با هوش مصنوعی Supermicro پشتیبانی می‌شود. به گفته این شرکت، در موارد استفاده متمرکز بر برنامه‌های سازمانی و شهرهای هوشمند، هوش مصنوعی Zero Gap قصد دارد “میکرو ابرهای” مبتنی بر 5G خصوصی و GPU را به مکان‌هایی مانند ویترین فروشگاه‌های خرده‌فروشی، طبقات کارخانه و تقاطع‌های شهر ارائه دهد.

Zero Gap AI ابتدا به عنوان یک پیشنهاد آزمایشی در دو بازار آتلانتا و شیکاگو در دسترس خواهد بود و به زیرساخت شبکه Comcast در آنجا متصل خواهد شد. این فعالیت مبتنی بر کار یکپارچه‌سازی است که Vapor IO و Comcast در سال گذشته اعلام کردند بر روی آزمایش‌های سرویس‌ها و برنامه‌های کاربردی لبه با تأخیر پایین متمرکز شده‌اند.

الاد نفشی، مدیر ارشد شبکه کامکست در بیانیه‌ای در این خصوص گفت: خدمات اتصال و شبکه با تأخیر کم، پهنای باند بالا، دنیایی از برنامه‌ها را برای مشاغل بزرگ و کوچک، منازل مسکونی و مشتریان تلفن همراه باز می‌کند. “ما به طور مداوم در حال نوآوری و همکاری با شرکای مانند Vapor IO برای شناسایی راه های جدید برای استفاده از شبکه خود هستیم و Zero Gap AI یک فرصت منحصر به فرد برای گسترش محدودیت های کاری است که می توانیم با خدمات محاسبات لبه انجام دهیم.”

برای گسترش برنامه ریزی می شود

هوش مصنوعی Zero Gap همچنین به ده‌ها بازار دیگر ایالات متحده که به زیرساخت‌های Kinetic Grid Vapor IO دسترسی دارند، از جمله دالاس، لاس‌وگاس و سیاتل گسترش خواهد یافت.

کول کرافورد، مدیر عامل و بنیانگذار Vapor IO گفت: ما فکر می کنیم که این یک مزیت بزرگ برای اپراتورهای کابلی خواهد بود. وی با اشاره به اینکه این شرکت همچنین “برای چندین سال از رابطه خوبی با CableLabs سود برده است” گفته راه‌اندازی Zero Gap AI توسط Vapor IO به دنبال ایجاد ستون فقرات شبکه و نقاط حضور فردی در 36 بازار ایالات متحده (از طریق امکانات خود Vapor IO یا شرکای هم‌محلی آن) است تا این قابلیت را در کنار شبکه دسترسی رادیویی (RAN) قرار دهد.

آوردن هوش مصنوعی به لبه

ایده گسترده تر این است که نوع قابلیتی را که شرکت ها از یک شرکت ابری انتظار دارند به ارمغان بیاوریم، بدون اینکه پیچیدگی هایی در مورد چگونگی ساخت یک شبکه بی سیم و ایجاد عناصر برای هوش مصنوعی و یادگیری ماشین داشته باشند. و سپس قابلیت‌های استنباط هوش مصنوعی می‌تواند در لبه‌ها – به جای در محل – برای پشتیبانی از شرکت‌هایی که در بازارهای متعدد یا استقرار شهرهای هوشمند در مقیاس وسیع فعالیت می‌کنند، مستقر شود. هنگامی که مدل هوش مصنوعی آموزش داده شد و راه اندازی شد، جزء استنتاج AI برای پیش بینی و حل وظایف استفاده می شود.

کرافورد گفت: “هوش مصنوعی مولد برای شما هزینه دارد. استنباط برای شما پول می آورد.” و عمل استنباط، به نظر من، جایی است که صنعت پول زیادی به دست خواهد آورد.

Vapor IO هیچ استقرار اولیه و خاصی از Zero Gap AI را اعلام نکرد، اما این شرکت چندین مورد استفاده بالقوه را توضیح داد. برای مثال، یک خرده‌فروش می‌تواند از آن برای تسویه‌حساب‌های خودکار به کمک هوش مصنوعی بدون نیاز به استقرار تجهیزات گران‌قیمت هوش مصنوعی در هر فروشگاه استفاده کند.

“بینایی کامپیوتر” یک نیروی محرکه قوی است

در مثالی دیگر، یک شهر می‌تواند از هوش مصنوعی Zero Gap برای خدمات «بینایی رایانه‌ای» برای پشتیبانی از سیستم ایمنی عابر پیاده در صدها تقاطع بدون نیاز به استقرار تجهیزات هوش مصنوعی در هر گوشه استفاده کند. علاوه بر این، سایت‌های ساختمانی می‌توانند از بینایی کامپیوتری با استنباط هوش مصنوعی برای تعیین اینکه آیا همه افرادی که در آنجا کار می‌کنند کلاه سختی به سر دارند یا خیر، استفاده کنند.

در یک مثال خاص تر، شهر لاس وگاس در حال کار بر روی قابلیت های استنتاج بینایی کامپیوتری است که از هزاران دوربین مستقر در سراسر شهر برای استفاده در مناطقی مانند امنیت عمومی، اجرای قانون و مدیریت ترافیک استفاده می کند.

مت تریفیرو، مدیر ارشد بازاریابی Vapor IO، گفت: “تمام برنامه هایی که امروزه شاهد تقاضا برای آنها هستیم، از دید کامپیوتری به شکلی استفاده می کنند. بینایی کامپیوتری قطعا بزرگترین محرک است.”

کرافورد افزود: ما فکر می‌کنیم که مدل‌های چشم‌انداز بزرگ به‌عنوان مبنایی برای چگونگی استنتاج، درآمد بیشتری برای صنعت نسبت به مدل‌های زبانی بزرگ در طول پنج سال آینده ایجاد خواهند کرد.