공중에서 AI 프로젝트 받기

모든 인간은 두려움을 경험하며 각자의 방식으로 두려움을 경험합니다. AI 세계에서 두려움은 프로세스에 대한 생소함, 실패의 전문적인 영향, 시작하는 데 필요한 모든 사람과 관점을 하나로 모으는 벅찬 작업에 의해 유발됩니다. 항공 우주에서 이러한 문제는 자원 부족, 공급망 문제 및 시장 변동성으로 인해 더욱 복잡해집니다. 분리되고 연결이 끊긴 엄청난 양의 데이터를 추가하면 교착 상태, 실패한 프로젝트 및 낭비되는 돈에 대한 레시피가 생깁니다.

발사 실패는 현실입니다. 다음은 Rolls-Royce 및 Gulfstream과의 협력에서 얻은 세 가지 핵심 교훈으로 AI 프로젝트의 도약을 위한 것입니다.

제1과:코끼리는 어떻게 먹나요?

한 번에 한 입. 항공 우주 회사는 영업 이익을 늘리기를 원합니다. 다운타임 감소부터 품질 예측, 중요한 부품의 움직임 예측에 이르기까지 많은 기회가 있습니다. 모든 가능성에 사로잡히지 마십시오. 신속하게 달성할 수 있는 것을 찾고 팀과 공급업체의 신뢰를 구축하십시오. AI는 반복적인 프로세스이기 때문에 이것은 중요합니다. 데이터의 가용성과 주제별 전문 지식이 일치하지 않으면 프로젝트가 중단됩니다. Rolls-Royce에서 우리는 테스트 스탠드에서 예측 품질을 결정하기 전에 예측 유지 관리 및 스크랩 감소 사용 사례에 대해 논의했습니다. 왜요? 우리가 필요로 하는 데이터와 고객 리소스를 쉽게 사용할 수 있었고 기능 통합을 위한 경로가 명확했기 때문입니다. 여기에서 Occam의 Razor를 생각해 보세요. 가장 직접적인 경로가 최선입니다.

강의 2:통제력을 잃지 마십시오

비즈니스와 IT 간의 주요 논쟁점은 이 새로운 기능을 누가 계속 제어할 것인지, 그리고 어떻게 지원 및 유지 관리할 것인지입니다. 클라우드 공급업체는 쉽게 사용할 수 있고 저렴한 인프라를 통해 빠른 시작을 강조합니다. 비즈니스의 경우 이는 IT 프로세스의 관료주의 없이 시작할 수 있는 명확한 경로를 나타냅니다. 그러나 이는 기술적인 종속으로 이어질 수 있습니다. 모든 논리, 모델 및 데이터 프로세스가 한 공급자의 시스템에 갇혀 있는 상황입니다. 비용이 증가하고 유연성이 제한되며 갇힌 느낌이 들 것입니다. 가치는 반드시 인프라가 아니라 논리, 모델 및 데이터 구성에 있음을 기억하십시오. Gulfstream에서는 요구 사항과 비용을 기반으로 인프라의 모든 조합에서 논리와 기능을 완전히 이식하고 배포하고 확장할 수 있는 접근 방식인 컨테이너화를 활용하여 이러한 함정을 피했습니다. Gulfstream은 지적 재산에 대한 통제력을 유지할 수 있었고 이를 자신이 선택한 제공업체로 확장할 수 있었습니다.

강의 3:실제 비용 이해

빠르고 간단하며 저렴한 사용 사례에 매료되기 쉽습니다. 그러나 여러 라인, 공장 및 프로세스로 확장하려는 경우 어떻게 됩니까? 여전히 빠르고 간단하며 저렴합니까? 클라우드 솔루션은 이와 관련하여 기만적일 수 있습니다. 스토리지는 저렴하지만 모델을 훈련하고 조정하는 데 필요한 컴퓨팅 용량은 데이터 세트가 증가함에 따라 비용이 많이 들 수 있습니다. 한 고객은 4개의 공장 운영에 걸쳐 예측 유지 관리 모델을 확장하는 것과 관련된 클라우드 비용이 35배 증가할 것으로 예상했습니다. 다시 말하지만, 컨테이너화를 사용하여 확장성 비용을 최적화할 수 있습니다. Rolls-Royce에서 우리는 컨테이너화를 활용하여 저렴한 로컬 인프라에서 모델을 재교육한 다음 최적의 액세스 및 가용성을 위해 클라우드 환경에 재교육된 모델을 배포했습니다. 이를 통해 규모 비용을 연간 5% 미만으로 유지할 수 있었습니다.

복잡성, 제어 및 비용을 관리하는 것은 모든 기계 학습 또는 AI 노력의 성공의 핵심입니다. 우리는 수년간의 프로젝트에 걸쳐 개발된 템플릿을 활용하여 주요 프로젝트 팀에서 이러한 지침을 단순화, 이해 및 전달합니다.