#

النقاط الرئيسية

• NVIDIA Minerva هي منصة AIOps.

• تجمع القياسات التليمترية من البنية التحتية وأعباء عمل الذكاء الاصطناعي.

• تستخدم نماذج ذكاء اصطناعي مصممة خصيصًا لإنتاج رؤى قابلة للتنفيذ.

• تركز على مردود مصنع الذكاء الاصطناعي وإنتاجيته.

• تربط الإشارات عبر وحدات GPU والشبكات والتخزين والجدولة وأعباء العمل.

ما هي NVIDIA Minerva

NVIDIA Minerva هي منصة AIOps أُطلقت اليوم. وهي مصممة لمساعدة الفرق على العثور على المشكلات مبكرًا والحفاظ على إنتاجية مصانع الذكاء الاصطناعي. تجمع المنصة القياسات التليمترية من البنية التحتية وأعباء عمل الذكاء الاصطناعي، ثم تطبق نماذج ذكاء اصطناعي مصممة خصيصًا لتحويل تلك البيانات إلى رؤى آنية وقابلة للتنفيذ.

تصف المصدر مصانع الذكاء الاصطناعي بأنها عمليات شديدة التعقيد. فهي تستخدم أعدادًا هائلة من وحدات GPU عبر شبكات عالية السرعة. تقوم هذه الأنظمة بتدريب النماذج وتشغيل تطبيقات الذكاء الاصطناعي. وعلى هذا النطاق، يمكن لمكوّن واحد متدهور أن يبطئ مهمة كاملة. وقد صُممت المنصة لمساعدة الفرق على ملاحظة تلك المشكلات في وقت أبكر.

لماذا تهم هذه المنصة

يبرز المصدر أن مؤشرات التحذير قد تكون خفية. فقد تعمل وحدة GPU بدرجة حرارة أعلى من نظيراتها. وقد يفقد محرك NVMe جزءًا من الأداء تحت الحمل. ويمكن أن يكون من السهل تفويت هذه الإشارات عندما تنظر الفرق إلى أدوات وواجهات منفصلة.

تهدف Minerva إلى تقليل هذا التشتت. غالبًا ما تقسم أدوات المراقبة التقليدية مركز البيانات إلى عروض منفصلة. وقد ترى فرق الشبكات وفرق الحوسبة وفرق موثوقية المواقع وفرق تعلّم الآلة كلٌ منها جزءًا فقط من العملية. تربط Minerva هذه الإشارات عبر وحدات NVIDIA GPU والشبكات والتخزين والجدولة وأعباء العمل.

هذه الرؤية الموحّدة مهمة لأن أداء مصنع الذكاء الاصطناعي يعتمد على أجزاء مترابطة كثيرة. إذا تباطأ أحد المكونات، فقد يمتد الأثر إلى مهمة كاملة. وتهدف المنصة إلى مساعدة المشغلين على رؤية العلاقة بين العَرَض والمصدر.

كيف تعمل Minerva

تبني Minerva رسمًا بيانيًا معرفيًا ديناميكيًا. ويذكر المصدر أن هذا الرسم يطابق منطقيًا البنية التحتية والمهام التي تعمل عليها. وتشمل البنية التحتية المرسومة وحدات GPU وSuperNICs والمبدلات والكابلات. كما تشمل أعباء العمل التي تعمل عبر تلك البيئة.

يساعد هذا السياق المشغلين على تتبع مهمة تدريب بطيئة وصولًا إلى المكوّن الذي يؤثر فيها. فالمنصة لا تكتفي بجمع الإشارات، بل تنظمها بحيث تتمكن الفرق من فهم كيفية ترابط النظام. وهذه هي القيمة الأساسية الموصوفة في المصدر.

تركز المنصة أيضًا على مردود مصنع الذكاء الاصطناعي. ويعرّفه المصدر بأنه مقياس للعمل المفيد الذي تنتجه البنية التحتية. ويشمل ذلك ساعات GPU وgoodput وتوافر العنقود وإنتاج الرموز. وتُظهر هذه المقاييس أن المنصة موجهة إلى الإنتاجية التشغيلية، وليس إلى التنبيهات فقط.

اعتبارات تشغيلية

يشير المصدر إلى تحدٍ تشغيلي واضح. فمصانع الذكاء الاصطناعي معقدة، ويمكن للمشكلات الصغيرة أن تكون لها آثار كبيرة. وهذا يعني أن الفرق تحتاج إلى رؤية عبر العتاد والشبكات والتخزين وأعباء العمل. كما تحتاج إلى طريقة لربط هذه الإشارات بسرعة.

تعالج Minerva هذه الحاجة من خلال الجمع بين القياسات التليمترية ونماذج الذكاء الاصطناعي. وهي مصممة لإبراز رؤى آنية من مجموعة كبيرة ومختلطة من الإشارات. ولا يصف المصدر تفاصيل التنفيذ beyond ذلك. لكنه يُظهر تركيزًا على الاكتشاف المبكر والسياق الأفضل.

الصلة بالمغرب

لا يورد المصدر أي حقيقة خاصة بالمغرب. وبالنسبة للقراء في أي سوق، فالعبرة العالمية بسيطة: عندما تكون إشارات البنية التحتية وأعباء العمل مترابطة، قد تتمكن الفرق من اكتشاف الاختناقات مبكرًا وحماية الإنتاجية بفاعلية أكبر.

الخلاصة

تُعرض NVIDIA Minerva على أنها منصة AIOps لمصانع الذكاء الاصطناعي. فهي توحّد القياسات التليمترية، وتطبق نماذج ذكاء اصطناعي مصممة خصيصًا، وتبني رسمًا بيانيًا معرفيًا ديناميكيًا. والهدف هو مساعدة الفرق على العثور على المشكلات مبكرًا والحفاظ على إنتاجية مصانع الذكاء الاصطناعي.

ويصوغ المصدر ذلك بوصفه استجابة لتعقيد عمليات الذكاء الاصطناعي الحديثة. كما يُظهر تحولًا من المراقبة المعزولة إلى الرؤية التشغيلية المترابطة. وبالنسبة للفرق التي تدير بيئات ذكاء اصطناعي كبيرة، فهذه هي الفكرة الأساسية وراء المنصة.