تسببت الشعبية الكبيرة للذكاء الاصطناعي التوليدي في مشكلة لا مفر منها — كيف يتم التخزين، كم يتم تخزينه، وكيفية إدارته؟

باختصار، هناك ثلاثة متطلبات: رخص الثمن، الأمان، وسهولة الاستخدام. تتراكم مجموعات بيانات التدريب بشكل هائل، ويجب أرشفة المحتوى المولد، ويجب إدارة صلاحيات البيانات بدقة. كانت هذه الأمور في البداية بسيطة، لكنها الآن أصبحت العقبة الرئيسية أمام توسيع تطبيقات الذكاء الاصطناعي وتحقيق الانتشار الواسع.

ولا بد من الإشارة إلى أن بروتوكول Walrus قد وضع بالفعل خطة واضحة في هذا المجال. من خلال توفير البنية التحتية لمستوى التخزين لمشاريع الذكاء الاصطناعي، فإن هذه الفكرة مثيرة للاهتمام.

بالنسبة لمنصة الذكاء الاصطناعي التوليدي Everlyn، فإن هذا النموذج يمثل مثالاً جيدًا. تستخدم Everlyn Walrus كمستوى للبيانات، حيث يتم نقل أكثر من 50 جيجابايت من مجموعات بيانات التدريب، ونقاط فحص النماذج، وذاكرة التخزين المؤقت KV، بالإضافة إلى جميع المحتويات عالية الجودة التي يتم إنشاؤها من مقاطع الفيديو، وتخزينها على Walrus. لماذا تم اختيار هذا النهج؟

السبب الرئيسي هو أن تكاليف التخزين لخدمات السحابة مثل AWS و Azure تتزايد مع زيادة الطلب على إنشاء الفيديوهات. ومع تقنية ترميز Red-Stuff من Walrus، وخطة التخزين الجماعي Quilt، يمكن تقليل تكاليف التخزين إلى عشرات المئين من التكاليف التقليدية، والأهم من ذلك أن توافر البيانات وسرعة الوصول لم تتأثر. وبهذا الشكل، يمكن لمطوري الذكاء الاصطناعي التركيز على تحسين النماذج بدلاً من أن يستهلكوا كل مواردهم في فواتير التخزين.

وفيما يتعلق بمرونة إدارة البيانات، فإن Walrus يظهر قوته أيضًا.