بازگشت ذخیره‌سازی نواری به کانون توجه؛ هوش مصنوعی چگونه اولویت‌های داده را تغییر می‌دهد؟
نویسنده: ویکتور دابرینزه (Victor Dabrinze)
با رشد شتابان هوش مصنوعی، یکی از فناوری‌های کمتر مورد توجه در عصر دیجیتال بار دیگر اهمیت خود را نشان می‌دهد: ذخیره‌سازی نواری (Tape Storage). این فناوری که زمانی قدیمی و منسوخ‌شده تلقی می‌شد، اکنون به‌عنوان یک دارایی راهبردی برای مدیریت رشد تصاعدی داده‌ها در عصر هوش مصنوعی مطرح است.
اما چه عواملی باعث شده‌اند ذخیره‌سازی نواری دوباره مورد توجه قرار گیرد؟ این فناوری چگونه می‌تواند به تقویت نقش هوش مصنوعی به‌عنوان یکی از عوامل کلیدی رشد کسب‌وکار کمک کند؟
وینی چوینسکی (Vinny Choinski)، بنیان‌گذار و تحلیلگر ارشد شرکت Triptych Info، در این‌باره می‌گوید:
«به نظر می‌رسد در حال بازگشت به نقطه‌ای هستیم که از آن آغاز کرده بودیم و به همین دلیل باید دوباره به فناوری نوار توجه کنیم. سازمان‌ها در تلاش‌اند بخشی از مزایای بهره‌وری ذخیره‌سازی نواری را وارد جریان‌های کاری فناوری اطلاعات خود کنند. به اعتقاد من، هوش مصنوعی برای بیشتر شرکت‌ها یکی از اولویت‌های اصلی است و آن‌ها نباید در برنامه‌های هوش مصنوعی خود، فناوری نوار را نادیده بگیرند.»
چوینسکی به همراه میچ سیگل (Mitch Seigle)، مدیر ارشد بازاریابی شرکت Spectra Logic، و دیوید فلر (David Feller)، مدیر ارشد فناوری این شرکت، در گفت‌وگویی با کریستف برتران (Christophe Bertrand) از رسانه theCUBE شرکت کردند. این مصاحبه در جریان رویداد Data Protection & AI Summit و در قالب پخش اختصاصی استودیوی رسانه‌ای SiliconANGLE برگزار شد.
محور اصلی این گفت‌وگو، نقش ذخیره‌سازی نواری در افزایش تاب‌آوری، پایداری زیست‌محیطی و مقیاس‌پذیری زیرساخت‌های داده در عصر هوش مصنوعی بود.
اهمیت دوباره ذخیره‌سازی نواری در جریان‌های کاری هوش مصنوعی
ذخیره‌سازی نواری در ابتدا برای راه‌اندازی رایانه‌های بزرگ (Mainframe) و سیستم‌عامل‌ها استفاده می‌شد و بعدها عمدتاً با تهیه نسخه پشتیبان از داده‌ها شناخته شد. با این حال، محیط‌های فناوری اطلاعات مبتنی بر هوش مصنوعی بار دیگر مزایای اقتصادی و عملیاتی این فناوری را آشکار کرده‌اند.
مدل‌های هوش مصنوعی به مجموعه‌داده‌های بسیار بزرگی نیاز دارند. سازمان‌ها نیز به‌جای محدودکردن تحلیل‌ها به داده‌های پالایش‌شده یا خلاصه‌شده، بیش از گذشته به بررسی مجموعه‌داده‌های کامل تمایل دارند. به گفته دیوید فلر، ذخیره‌سازی نواری می‌تواند راهکاری مقیاس‌پذیر و مقرون‌به‌صرفه برای نگهداری این داده‌های خام در لایه ذخیره‌سازی نزدیک‌خط (Nearline) باشد؛ به‌گونه‌ای که هر زمان برای بازآموزی مدل‌های هوش مصنوعی یا اجرای فرایندهای تکرارشونده یادگیری ماشین به آن‌ها نیاز بود، امکان دسترسی فراهم شود.
فلر در توضیح این موضوع می‌گوید:
«همه درباره این صحبت می‌کنند که چگونه پردازنده‌های گرافیکی (GPU) را تا حد ممکن به‌طور مداوم در حال پردازش نگه دارند؛ زیرا هزینه GPUها و مراکز داده اهمیت زیادی دارد. اما مسئله بعدی این است که با داده‌ها در ۳۰ روز آینده، شش ماه آینده یا حتی ۱۰ سال آینده چه باید کرد؟»
او با اشاره به نیاز صنایع مختلف ادامه می‌دهد:
«اگر تولیدکننده خودروهای خودران باشید یا در حوزه تولید پویای ویدئو فعالیت کنید، کاربردهای فراوانی وجود دارد. باید مدل‌های خود را دوباره آموزش دهید و اطمینان حاصل کنید که این مدل‌ها برای بلندمدت نگهداری می‌شوند. ذخیره‌سازی نواری، به‌ویژه از نظر هزینه، گزینه‌ای کم‌هزینه است و از نظر مصرف انرژی نیز مزیت مهمی دارد؛ مزیتی که در کنار افزایش توان مصرفی زیرساخت‌های مبتنی بر GPU اهمیت بیشتری پیدا می‌کند».
در واقع، افزایش ظرفیت پردازش هوش مصنوعی تنها یکی از چالش‌های زیرساختی سازمان‌هاست. نگهداری داده‌های موردنیاز برای آموزش مجدد مدل‌ها، استفاده دوباره از داده‌های تاریخی و کنترل هزینه بلندمدت ذخیره‌سازی نیز به همان اندازه اهمیت دارد. در چنین شرایطی، نوار می‌تواند مکمل مناسبی برای لایه‌های پرسرعت‌تر ذخیره‌سازی باشد.
تاب‌آوری سایبری و حاکمیت داده؛ مزیت‌های فراتر از ظرفیت ذخیره‌سازی
مزایای ذخیره‌سازی نواری به ظرفیت بالا و هزینه پایین محدود نمی‌شود. این فناوری می‌تواند از معماری ذخیره‌سازی جدا از شبکه یا Air-Gapped پشتیبانی کند؛ معماری‌ای که در آن نسخه‌های داده به‌صورت فیزیکی یا منطقی از شبکه‌های عملیاتی جدا می‌شوند. این جداسازی، در صورت طراحی و اجرای صحیح، می‌تواند مقاومت زیرساخت را در برابر حملات باج‌افزاری و سایر تهدیدات سایبری افزایش دهد.
میچ سیگل همچنین بر نقش نوار در حفظ حاکمیت داده (Data Sovereignty) تأکید می‌کند؛ مفهومی که به سازمان‌ها امکان می‌دهد کنترل بیشتری بر محل نگهداری، دسترسی و حفاظت از اطلاعات حساس خود داشته باشند.
سیگل در این‌باره می‌گوید:
«ذخیره‌سازی نواری احتمالاً از نظر ذاتی یکی از تاب‌آورترین فناوری‌ها در برابر تهدیدات سایبری است؛ زیرا قابلیت‌های واقعی جداسازی از شبکه و تغییرناپذیری داده‌ها را در اختیار می‌گذارد. این موضوع اهمیت زیادی دارد.»
او درباره حاکمیت داده نیز توضیح می‌دهد:
«با افزایش ارزش داده‌ها، ضرورت حفاظت از آن‌ها و حفظ کنترل بر اطلاعات نیز بیشتر می‌شود. با این حال، نکته مهم‌تر آن است که رشد داده‌ها با محرک هوش مصنوعی ممکن است با سرعتی نمایی یا حتی فراتر از آن ادامه پیدا کند.»
البته دستیابی به تاب‌آوری سایبری صرفاً با استفاده از نوار تضمین نمی‌شود. نحوه نگهداری رسانه‌ها، مدیریت دسترسی، کنترل چرخه عمر داده‌ها، آزمایش فرایند بازیابی و حفظ نسخه‌های مستقل نیز در اثربخشی راهکار نقش دارند.
ذخیره‌سازی نواری در معماری داده‌محور آینده
با گسترش کاربردهای هوش مصنوعی، سازمان‌ها باید میان عملکرد، هزینه، مصرف انرژی و الزامات حفاظت از داده تعادل برقرار کنند. داده‌هایی که برای آموزش یا استنتاج لحظه‌ای موردنیازند، ممکن است به ذخیره‌سازی پرسرعت نیاز داشته باشند؛ اما بخش بزرگی از داده‌های تاریخی، مجموعه‌داده‌های خام و نسخه‌های نگهداری‌شده برای استفاده‌های آتی را می‌توان در لایه‌های اقتصادی‌تر ذخیره‌سازی حفظ کرد.
در چنین معماری‌ای، ذخیره‌سازی نواری می‌تواند در کنار دیسک و حافظه‌های فلش، بخشی از زیرساخت چندلایه مدیریت داده باشد. این رویکرد به سازمان‌ها کمک می‌کند منابع پرهزینه و پرمصرف را برای داده‌ها و بارهای کاری حساس به عملکرد به کار گیرند و نگهداری بلندمدت حجم زیادی از اطلاعات را به لایه‌ای اقتصادی‌تر بسپارند.
برای سازمان‌هایی که مدل‌های هوش مصنوعی خود را به‌صورت مستمر بازآموزی می‌کنند، نگهداری داده‌های تاریخی و امکان بازیابی آن‌ها اهمیت ویژه‌ای دارد. ذخیره‌سازی نواری در صورت طراحی متناسب با نیازهای دسترسی و بازیابی، می‌تواند بخشی از این نیاز را برآورده کند و در عین حال، به کنترل هزینه و مصرف انرژی کمک کند.
جمع‌بندی
رشد هوش مصنوعی، نیاز سازمان‌ها به ذخیره‌سازی داده را هم از نظر ظرفیت و هم از نظر مدت نگهداری افزایش داده است. در این شرایط، ذخیره‌سازی نواری بار دیگر به‌عنوان گزینه‌ای راهبردی مطرح می‌شود؛ فناوری‌ای که می‌تواند نگهداری اقتصادی داده‌های حجیم، پشتیبانی از بازآموزی مدل‌های هوش مصنوعی، کاهش مصرف انرژی و تقویت تاب‌آوری سایبری را پشتیبانی کند.
نوار جایگزین تمام لایه‌های ذخیره‌سازی نیست؛ بلکه مکملی برای ساخت معماری داده‌محور، مقیاس‌پذیر و اقتصادی در عصر هوش مصنوعی است. سازمان‌ها با انتخاب درست لایه‌های ذخیره‌سازی و طراحی مناسب فرایندهای حفاظت و بازیابی، می‌توانند از رشد داده‌ها پشتیبانی کنند و کنترل بیشتری بر هزینه و امنیت اطلاعات خود داشته باشند.
منبع اصلی : SiliconANGLE
نویسنده : Victor Dabrinze
رویداد مورد اشاره : Data Protection & AI Summit
یادداشت منبع: بخش مورد اشاره در مقاله با حمایت مالی شرکت Spectra Logic تولید شده است. طبق توضیح منتشرشده در منبع، این حامی مالی و سایر حامیان رویداد کنترل تحریریه‌ای بر محتوای SiliconANGLE و theCUBE نداشته‌اند.
