A Inteligência Artificial (IA) tem o potencial de influenciar e transformar indústrias inteiras e, potencialmente, todos os aspectos de nossas vidas.

A tecnologia tem uma ampla gama de aplicações possíveis em vários setores e domínios. Novas aplicações e projetos são divulgados diariamente, e o uso da nova tecnologia parece ter apenas um limite: as limitações da criatividade humana.

Uma coisa é certa, as cargas de trabalho de IA estarão entre as cargas de trabalho mais críticas que usamos em saúde, finanças, estilo de vida e muitas outras áreas. Isso, no entanto, levanta a questão para as organizações sobre como essas importantes aplicações de IA podem ser mantidas em funcionamento sem tempo de inatividade – e como os dados subjacentes podem ser mantidos seguros sem inibir sua mobilidade.

Mantendo os dados e as cargas de trabalho de IA sempre ativos

Para garantir a proteção contra falhas e a segurança contra perda de dados e paralisações, muitas organizações confiam no backup testado. Isso faz sentido para a proteção de dados em larga escala. No entanto, os backups não são adequados para continuidade de negócios e recuperação de desastres, especialmente para os dados e cargas de trabalho mais críticos, como cargas de trabalho críticas de IA.

Os backups têm a fraqueza de proteger apenas servidores individuais, mas não aplicativos completos. Depois de restaurar os dados de um backup, os aplicativos devem primeiro ser remontados manualmente a partir de seus componentes individuais. Isso custa tempo e causa tempos de restauração que podem durar dias ou até semanas.

Para garantir a disponibilidade constante de aplicações críticas de IA, as empresas precisam de soluções mais modernas que possam garantir uma rápida capacidade de recuperação. Cada vez mais empresas estão se voltando para soluções de DR para recuperação mais rápida de seus dados e cargas de trabalho mais críticos.

Atualmente, a CDP (Continuous Data Protection) é a solução de recuperação mais eficaz. Com a CDP, todas as alterações de dados são registradas em um diário à medida que são escritas. Assim, a CDP torna possível retornar ao status que existia apenas alguns segundos antes de um ataque ou outra interrupção em questão de segundos e sem perda significativa de dados.

Aplicativos críticos de IA precisam dos menores RPOs e RTOs possíveis

Para obter os menores RPOs e RTOs possíveis para esses aplicativos críticos de IA, a replicação quase síncrona oferece o melhor dos dois mundos: o alto desempenho da replicação síncrona sem os altos requisitos de rede e infraestrutura.

A replicação quase síncrona é tecnicamente assíncrona, mas é semelhante à replicação síncrona, pois os dados são gravados em vários locais ao mesmo tempo, mas permite um pequeno atraso entre os locais primário e secundário.

A replicação quase síncrona está sempre ativa e replicando constantemente apenas os dados alterados para o local de recuperação em segundos. Como ela está sempre ativa, não precisa ser agendada, não usa snapshots, grava no armazenamento de origem e não precisa aguardar a confirmação do armazenamento de destino.

Uma das principais vantagens da replicação quase síncrona é que ela fornece um alto nível de disponibilidade e proteção de dados, ao mesmo tempo em que permite velocidades de gravação mais rápidas do que a replicação síncrona. Isso a torna uma boa opção para cargas de trabalho como aplicações críticas de IA com altas cargas de gravação e/ou grandes quantidades de dados.

A mobilidade de dados para dados de IA cria enormes desafios para a infraestrutura de TI

A IA é executada em dados. A escala dos dados de IA é nada menos do que uma era completamente nova de criação de dados e a escala e o volume são exponencialmente maiores do que qualquer coisa que a TI já viu antes. Mesmo aplicativos simples usarão exabytes de dados brutos que precisam ser preparados para treinamento de modelo e inferência subsequente.

Os conjuntos de dados geralmente são criados em edge e precisam ser transferidos para processamento em um repositório de dados central. E no final do ciclo de vida dos dados de IA, os dados precisam ser arquivados para possível reciclagem.

Tudo isso cria desafios completamente novos para a infraestrutura e o gerenciamento de TI, pois essas enormes quantidades de dados precisam ser movidas continuamente.

Levantar e deslocar esses enormes conjuntos de dados não será possível com a tecnologia de rede atual e as soluções de gerenciamento de dados baseadas na replicação síncrona.

Para ainda ser capaz de mover dados de IA com poder de processamento e largura de banda limitados, a replicação assíncrona terá que ser usada. Isso garante replicação contínua com baixa largura de banda em um nível de bloco que não produz picos altos de transferências de dados.

Conclusão: O futuro da IA precisa de CDP e replicação quase síncrona

A IA pode criar uma faixa de house music em segundos e pintar uma imagem sua no estilo van Gogh. Mas muitas aplicações atuais e futuras de IA também têm o potencial de melhorar a humanidade em geral.

A IA muito em breve será capaz de nos ajudar a diagnosticar doenças, detectar células cancerígenas, dirigir veículos de forma autônoma, resolver congestionamentos de tráfego, traduzir vários idiomas, otimizar o consumo de energia, detectar doenças nas lavouras e monitorar o clima, bem como a qualidade do ar e da água – entre muitos outros casos de uso incríveis.

Esses aplicativos serão críticos para os seres humanos e precisam ser protegidos com as melhores soluções disponíveis possíveis – como a Proteção Contínua de Dados. Ao mesmo tempo, a escala da IA cria enormes desafios para a infraestrutura de TI atual para salvar, gerenciar e mover as enormes quantidades de dados.

As tecnologias atuais não serão capazes de fornecer a mobilidade de dados necessária para a escala massiva de conjuntos de dados de IA. Para ser capaz de gerenciar dados de IA com sucesso, novas soluções de mobilidade de dados precisarão ser adotadas.