هوش مصنوعی خرابی هارد دیسک را تشخیص میدهد

گوگل و Seagate از هوش مصنوعی برای پیش بینی خرابی هارد دیسک استفاده می کنند

Google Cloud و Seagate با همکاری یکدیگر به وسیله یادگیری ماشین ،از نوعی هوش مصنوعی استفاده کرده اند،تا زمانی که ممکن است درایوهای (HDD) ، که مسئول ذخیره بسیاری از ترابایت داده ها هستند، از کار بیفتند بتوانند با برنامه ریزی مناسب این اختلالات در سیستم ها را برطرف کنند
در حال حاضر هیچ راه حل در مورد خرابی HDD وجود ندارد. این نوع حافظه‌ی ذخیره‌سازی از SSD آسیب‌پذیرتر است؛ اما ظرفیت‌های بالاتری در قبال هزینه‌ای پایین‌تر ارائه می‌دهد. این عامل مهمی برای شرکت هایی مانند Google Cloud است که باید بتوانند حجم زیادی از داده ها را مدیریت کنند ، چه در حمایت از پروژه های خود و چه از طرف مشتریان خود.

این شرکت در پست اخیر وبلاگ خود با جزئیات این تلاش ها گفت: " ناتوانی در تشخیص زودهنگام خرابی هارد دیسک ممکن است بسیاری از محصولات و خدمات این شرکت را با مشکلات جدی روبه‌رو کند.." "ما مسئول اجرای بزرگترین مراکز داده در جهان هستیم - هرگونه خطا در شناسایی این خرابی ها در زمان مناسب می تواند باعث قطع جدی بسیاری از محصولات و خدمات ما شود."
مشکل این بود که شناسایی دستی یک درایو خراب ، که Google Cloud به عنوان HDD تعریف کرد که به صورت نمونه در عرض ۳۰ روز، سه بار یا بیشتر دچار مشکل شده ، یک فرایند زمانبر است که نیاز به دسترسی فیزیکی به دستگاه دارد. Google Cloud و Seagate می خواستند از هوش مصنوعی و به‌طور خاص، یادگیری ماشین برای کاهش زمانی‌ استفاده کنند که مهندسان برای تست درایوها و تشخیص خطر خرابی آن‌ها صرف می‌کنند.
Google Cloud گفت که "میلیون ها دیسک در حال کار مستقر در حال تولید ترابایت (TB) از داده های دورسنجی خام، از جمله میلیاردها ردیف ساعتانه SMART (فناوری نظارت بر خود ، تجزیه و تحلیل و گزارش گیری) ساعتی و فراداده میزبان ، مانند سیاهههای مربوط به تعمیر ، سیاهههای مربوط به تشخیص فروشنده آنلاین (OVD) یا معیارهای قابلیت اطمینان فیلد (FARM) و تولید اطلاعات در مورد هر درایو دیسک. "
Google Cloud تعداد حیرت انگیزی هارد دیسک HDD ها را دارد که همگی صدها پارامتر و فاکتور ایجاد می کنند که باید ردیابی و کنترل شوند. با این وجود این حجم از داده برای سرویسی مثل گوگل کلاد بسیار باارزش و مفید است. چراکه بین Google Cloud ، Seagate و Accenture ، می توان از این داده ها در یک مدل یادگیری ماشین استفاده کرد که می تواند احتمال خرابی درایو را پیش بینی کند.
این شرکت ها دو مدل را آزمایش کردند: یکی مبتنی بر جداول یادگیر ماشینی خودکار به نام AutoML و دیگری که به صورت سفارشی برای این پروژه ساخته شده است. مورد اول با "دقت 98٪ با فراخوان 35٪ نتایج بهتر در مقایسه با دقت 70-80٪ و فراخوان 20-25٪ از مدل ML سفارشی بدست آورد.
این نتیجه همچنین نشان داد استفاده از AutoML گزینه‌ای بهتر از راه‌ حل‌های ابتکاری برای پیش‌بینی خرابی هارددیسک است
Google Cloud گفت که قصد دارد "سیستم را برای پشتیبانی از درایوهای سیگیت Seagate گسترش دهد، و باید منتظر ماند و دید که آیا این به نفع تولید کنندگان و مشتریان است؟
های فن تک از شما دعوت می کند جهت بحث در مورد این مقاله ، دیدگاه خود را به اشتراک بگذارید.