بذار راحت بگم: این روزا مدیریت منابع ابری واقعاً کار سادهای نیست! شرکتها هر روز دارن با کارای پیچیده و حجم زیادی از درخواستها سروکله میزنن و از همه مهمتر، میخوان هم عملکرد رو خوب نگه دارن هم هزینهها رو کم کنن. خب معلومه، دیگه اون روشهای سنتی و تجربهای که بهشون میگن heuristic (یعنی اون راههایی که با آزمون و خطا و تجربه پیش میریم) واقعاً جوابگو نیستن.
الان پای هوش مصنوعی و یادگیری ماشین حسابی وسط اومده. مثلاً همون یادگیری ماشین (Machine Learning) یعنی یه سیستم با دادههای قبلی، خودش یاد میگیره چطور منابع رو تقسیم کنه که همه راضی باشن! تازه این مقاله همه الگوریتمهای معروف رو ریخته روی میز و با هم مقایسه کرده تا ببینه کدوم یکی واقعاً جواب میده.
تو این بررسی، ده تا الگوریتم معروف زیر ذرهبین رفتن و اینطوری دستهبندی شدن:
- Deep Reinforcement Learning – که یعنی یادگیری عمیق تقویتی؛ یه مدل یادگیریه که مدل کامپیوتر خودش از تجربه و بازخوردهاش یاد میگیره چجوری بهتر عمل کنه.
- Neural Network architectures – یا همون معماری شبکه عصبی؛ یه نوع مدلسازی ریاضی که الهام گرفته از مغز انسانه و میتونه الگوها رو کلی خوب بشناسه.
- Traditional Machine Learning enhanced methods – یعنی همون الگوریتمهای کلاسیک یادگیری ماشین که کمی بهبود داده شدن.
- Multi-Agent systems – اینم یعنی سیستمهایی که چندتا عامل هوشمند دارن با هم کار میکنن و هر کدوم تلاش میکنه وظیفه خودش رو با بهترین حالت انجام بده.
نتیجه چی شد؟
تحقیقات نشون دادن که این مدل الگوریتمهای هوش مصنوعی باعث شدن کارایی به طرز چشمگیری بهتر شه. مثلاً زمان انجام کارها یا همون “makespan” کم شده (یعنی کارها زودتر تموم میشن)، هزینهها بهینه شده و حتی مصرف انرژی هم کلی پایین اومده. همه اینا واقعاً برای شرکتها رویاست! چون قبلاً با روشهای سنتی نه میشد هزینه رو کنترل کرد، نه زمان رو، نه مصرف برق رو پایین آورد.
یه نکته خیلی جالب اینه که وقتی این الگوریتمها رو با هم ترکیب کردن و یه مدل هیبریدی ساختن (Hybrid Architectures یعنی ترکیب چند مدل مختلف)، نتیجه خیلی بهتر شد تا اینکه فقط با یه روش جلو برن. مخصوصاً تو محیطهایی که بهشون میگن Edge Computing – منظور همون رایانش لبه است؛ یعنی پردازش دادهها نزدیک کاربر انجام میشه که سرعتش خیلی بیشتره – اونجا این مدلهای ترکیبی حسابی جواب دادن و بیشترین آمادگی برای اجرا رو نشون دادن.
در آخر، این مقاله بیشتر برای دو گروه خیلی به درد میخوره: یکی محققها و دانشجوهایی که دارن دنبال موضوعات باحال تو زمینه رایانش ابری و هوش مصنوعی میگردن و دوم هم آدمهای فنی و مدیرایی که میخوان کار شرکتشون رو مدرن کنن و بهینهسازی کنن ولی نمیدونن دقیقاً باید کدوم مدلها و کدوم الگوریتمها رو انتخاب کنن.
در کل، یه جور راهنما و نقشه راه کامل برای هر کسیه که میخواد تو این دنیای درحال تحول رایانش ابری، از الگوریتمهای باحال یادگیری ماشین و هوش مصنوعی حسابی بهره بگیره و نرمافزارها و سرورهاش رو حرفهایتر مدیریت کنه.
منبع: +
