Warum Vodafone einen AI Booster brauchte, um Data Science zu skalieren

Haben Sie eine MetaBeat 2022-Sitzung verpasst? Besuchen Sie die On-Demand-Bibliothek für alle unsere vorgestellten Sitzungen hier.

Der Telekommunikationsriese Vodafone ist in der Welt der künstlichen Intelligenz (KI) und des maschinellen Lernens (ML) kein Unbekannter, da er die Technologie seit Jahren verwendet und Hunderte von Datenwissenschaftlern Tausende von Modellen erstellt haben.

Während Vodafone in der Lage war, KI einzusetzen und davon zu profitieren, sah es sich in den letzten Jahren zunehmend mit einer Reihe von Herausforderungen konfrontiert. Zu den Herausforderungen gehörte die Skalierung der KI-Workloads in einem standardisierten und wiederholbaren Ansatz. Auch bei Vodafone sind Geschwindigkeits- und Sicherheitsprobleme aufgetreten.

Sebastian Mathalikunnel, Leiter der KI-Strategie bei Vodafone, erläuterte diese Woche in einer Sitzung auf der Google Cloud Next 2022 die Probleme, mit denen seine Organisation konfrontiert war, und was sie tun musste, um sie zu überwinden.

[Verfolgen Sie die fortlaufende Berichterstattung von VentureBeat über Google Cloud Next 2022]

Low-Code/No-Code-Vertex

Schließen Sie sich am 9. November virtuell den Top-Führungskräften von heute beim Low-Code/No-Code-Gipfel an. Melden Sie sich noch heute für Ihren kostenlosen Pass an.

"Vodafone ist auf seinem Weg zur Datenwissenschaft ziemlich ausgereift", sagte Mathalikunnel. „Aber wenn wir vor zwei Jahren zurückblicken, war es tatsächlich genau diese Frage der Größe und des Umfangs der Data-Science-Operationen von Vodafone, die uns zu der Annahme veranlasste, dass wir ein Problem haben könnten.“

Mathalikunnel sagte, dass vor zwei Jahren jeder Datenwissenschaftler von Vodafone mehrere Schritte brauchte, um eine Produktionsumgebung in Google Cloud einzurichten.

Es gab nicht nur mehrere Schritte, sondern viele davon waren manueller Natur und erforderten Zeit für die Einrichtung. Dies führte auch zu vielen maßgeschneiderten Bereitstellungen, bei denen sich die Google Cloud-KI-Bereitstellung eines Datenwissenschaftlers von der eines anderen unterschied.

Er erklärte, dass Vodafone vor Herausforderungen bei der vertikalen und horizontalen Skalierung stehe. Die horizontalen Herausforderungen bestanden darin, eine Arbeitslast in allen Märkten zu replizieren, was schwierig war, da jede Umgebung anders war. Bei den Fragen zur vertikalen Skalierung ging es um die Zeit und den Aufwand, die erforderlich sind, um von einem Data-Science-Notebook zum Proof of Concept und dann so schnell wie möglich zur Produktion zu gelangen.

Zu diesem Zweck hat Vodafone eine Plattform namens AI Booster entwickelt, die dazu beitragen soll, Skalierungsprobleme mit einem standardisierten Satz von Tools und Prozessen zu lösen. AI Booster stützt sich auf mehrere Google Cloud-Komponenten, darunter Vertex AI, Cloud Build, Artifact Registry und BigQuery.

"Wir bewegen uns von einem auf benutzerdefinierter Codierung basierenden Ansatz für maschinelles Lernen zu einem Ansatz, bei dem alles auf der Grundlage von Standardkomponenten und Pipelines funktioniert, die diese Komponenten verbinden", sagte Mathalikunnel. Verbessern Sie die KI-Standardisierung mit einem Datenvertrag

Mathalikunnel stellte fest, dass Vodafone im Zuge des AI-Booster-Entwicklungsprozesses auch Bereiche identifizierte, in denen Prozesse erheblich optimiert werden könnten.

Zum Beispiel sagte er vor AI Booster, dass wenn Vodafone eine ML-Arbeitslast analysiert, es w...