マルチクラウドのスケーラビリティと柔軟性が AI ファクトリーをサポート

簡単そうですよね？ あなたがこの記事を読んでいるスマートフォンには、おそらく GPU、5G 接続、パスコードが搭載されているでしょう。 民間警備会社に依頼しても大丈夫ですよね？ まあ、そうでもないですね。 今回は3つのポイントを見ていきます。 ただし、これらはほんの始まりに過ぎず、AI ファクトリーの脅威環境を設計およびモデル化すると、さらに多くのことが明らかになることに注意してください。

まず、速度についてお話しましょう。 2022 年後半に ChatGPT で生成 AI が初めて注目を集めたとき、私たちはテキスト データに重点を置いていました。 ただし、2024 年には、画像、ビデオ、テキスト、データなどの他のモダリティが、専門分野に基づいてフローおよびapplication層モデルに混合されるユースケースが増えます。 分散型 AI ファクトリー アーキテクチャでは、すべてのモデルをあらゆる場所に展開することは望ましくなかったり、実現可能ではなかったりする場合があります。 それは、データ重力、電力重力、コンピューティング要件などの要因に帰着する可能性があります。 ここで、高速ネットワーク相互接続を選択してギャップを埋め、依存するサービスを相互に移動するときに発生するパフォーマンスの問題を軽減できます。

大規模言語モデル (LLM) と生成 AI アプリの OWASP トップ 10 リスクの 1 つであるモデル盗難についても見てみましょう。 競争上の優位性を獲得するために生成 AI を活用したいと考えている企業は、自社の知的財産をシステムに組み込むことになります。 これは、企業データを使用して独自のモデルをトレーニングしたり、モデルを微調整したりすることによって実現される可能性があります。 これらのシナリオでは、他のビジネス システムと同様に、AI ファクトリーは保護する必要があるモデルを通じて価値を生み出しています。 分散アーキテクチャでのモデルの盗難を防ぐには、このモデル、モデルの更新、およびapplicationがアクセスする必要があるデータ ソースが暗号化され、アクセス制御が適用されていることを確認する必要があります。

最後に、LLM および生成 AI アプリの OWASP Top 10 にも掲載されているモデル サービス拒否について考えてみましょう。 AIapplicationsへの信頼が高まるにつれて、重要なシステムでの AI アプリケーションの使用が増加します。これは、ビジネスにとって大きな収益をもたらすシステムを意味する場合もあれば、医療シナリオなどの生命維持に不可欠なシステムを意味する場合もあります。 フロントエンドと推論にアクセスする機能は、あらゆる侵入経路が回復力があり、制御され、安全であるように設計する必要があります。 これらのアクセス シナリオは、エンド ユーザー アクセスだけでなく、推論サービスからコア AI ファクトリーへのアクセスにも適用される可能性があります。