人工智能如何改變NVMe固態(tài)硬盤

人工智能（AI）正在席卷所有行業(yè)，并將世界轉(zhuǎn)變?yōu)橐粋€(gè)新的技術(shù)時(shí)代。不斷增長(zhǎng)的人工智能應(yīng)用涵蓋多個(gè)領(lǐng)域，如汽車、數(shù)據(jù)中心、云存儲(chǔ)、醫(yī)療保健、網(wǎng)絡(luò)安全、語音/語言識(shí)別等。人工智能之所以能夠有效地分析數(shù)據(jù)，并通過使用各種算法提供準(zhǔn)確的結(jié)果，是因?yàn)樗軌驅(qū)崿F(xiàn)這種增長(zhǎng)。

當(dāng)打開瀏覽器或社交媒體平臺(tái)并看到基于先前瀏覽活動(dòng)的個(gè)性化產(chǎn)品、晚餐甚至旅行推薦時(shí)，每個(gè)人都會(huì)體驗(yàn)到這些強(qiáng)大的 AI 算法。

存儲(chǔ)也不例外。需要以更少的人為干預(yù)來監(jiān)控?cái)?shù)據(jù)中心的方法，以跟上所使用的系統(tǒng)和技術(shù)的規(guī)模。NVMe? 固態(tài)硬盤 （SSD） 正在滿足對(duì)更高性能和數(shù)據(jù)保護(hù)的需求;但是，他們?nèi)狈︻A(yù)防措施的技術(shù)，以防止數(shù)據(jù)丟失和早期檢測(cè)任何功能退化。

在 NVMe SSD 中采用 AI 和 ML 正成為故障和恢復(fù)機(jī)制預(yù)測(cè)分析、流量確定、性能優(yōu)化以及自適應(yīng) NAND 管理以提高可靠性的要求。整個(gè)數(shù)據(jù)中心基礎(chǔ)架構(gòu)中無處不在的 AI 和 ML 現(xiàn)在開始包括端點(diǎn) SSD。

人工智能（AI），機(jī)器學(xué)習(xí)（ML）和深度學(xué)習(xí)（DL）經(jīng)?；Q使用，但它們并不相同。人工智能可以定義為構(gòu)建智能程序和機(jī)器，可以創(chuàng)造性地解決復(fù)雜問題或模仿人類思維。機(jī)器學(xué)習(xí)是人工智能的一個(gè)子集，它使系統(tǒng)能夠自動(dòng)從輸入訓(xùn)練數(shù)據(jù)中學(xué)習(xí)并提供準(zhǔn)確的輸出。深度學(xué)習(xí)是 ML 的一個(gè)子集，它使用神經(jīng)網(wǎng)絡(luò)來分析具有類似于人類神經(jīng)系統(tǒng)的結(jié)構(gòu)的各種因素。

為了更深入地了解機(jī)器學(xué)習(xí)模型（ML 引擎）從過去的數(shù)據(jù)（也稱為訓(xùn)練數(shù)據(jù)）中學(xué)習(xí)，以便在沒有顯式編程的情況下進(jìn)行預(yù)測(cè)。當(dāng)引入一組新的訓(xùn)練數(shù)據(jù)時(shí)，ML 模型會(huì)再次使用其他數(shù)據(jù)進(jìn)行訓(xùn)練，以提供更準(zhǔn)確的輸出數(shù)據(jù)——隨著訓(xùn)練數(shù)據(jù)集中訓(xùn)練數(shù)據(jù)量的增加，ML 輸出的準(zhǔn)確性也會(huì)提高。ML 最常見和最容易識(shí)別的應(yīng)用是在社交網(wǎng)站上自動(dòng)標(biāo)記建議。但還有幾種其他類型的 ML，例如：

監(jiān)督學(xué)習(xí) – 學(xué)習(xí)算法接受訓(xùn)練（輸入）和目標(biāo)標(biāo)記數(shù)據(jù)集，進(jìn)行訓(xùn)練（學(xué)習(xí)），并生成準(zhǔn)確的輸出

無監(jiān)督學(xué)習(xí) – 在沒有標(biāo)記數(shù)據(jù)的情況下完成學(xué)習(xí)，算法發(fā)現(xiàn)輸入數(shù)據(jù)集中的模式、數(shù)據(jù)相似性或分組

半監(jiān)督學(xué)習(xí) - 結(jié)合監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)，允許算法從少量標(biāo)記內(nèi)容中學(xué)習(xí)，同時(shí)對(duì)大量數(shù)據(jù)進(jìn)行分類

強(qiáng)化學(xué)習(xí) - 用于在一段時(shí)間內(nèi)訓(xùn)練的學(xué)習(xí)

如何創(chuàng)建 ML 模型？

ML 模型涉及兩種操作模式 - 訓(xùn)練模式和應(yīng)用程序模式。

在訓(xùn)練模式下，ML 引擎具有神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)，需要使用功能模型進(jìn)行編程，然后進(jìn)行訓(xùn)練以學(xué)習(xí)和適應(yīng)。訓(xùn)練模式在 NVMe 控制器外部完成。

應(yīng)用模式是實(shí)際部署階段的運(yùn)行時(shí)模式，ML 引擎不斷學(xué)習(xí)和適應(yīng)真實(shí)環(huán)境，并提供所需的輸出。從訓(xùn)練模式生成的 ML 引擎配置被編程到 NVMe 控制器中并在任務(wù)模式下使用。

擁有專用的 ML 引擎硬件如何使 NVMe 控制器受益？

可以在 NVMe 控制器中為多種應(yīng)用設(shè)計(jì)通用 ML 引擎，例如：

計(jì)算存儲(chǔ)：將 SSD 轉(zhuǎn)變?yōu)橛?jì)算存儲(chǔ)設(shè)備 （CSD） 可釋放計(jì)算資源并整合各種 AI 和 ML 應(yīng)用程序

智能NAND管理： 了解 NAND 的不同行為，并實(shí)時(shí)選擇要用于每個(gè) NAND 設(shè)備的最佳參數(shù)集。

改進(jìn)的性能： 通過使用 ML 引擎，可以通過識(shí)別 IO 請(qǐng)求模式、分配和調(diào)整數(shù)據(jù)路徑資源、預(yù)取數(shù)據(jù)并將其保留在本地內(nèi)存中、使用高級(jí)緩存管理策略以及應(yīng)用動(dòng)態(tài)電源管理策略來提高性能、耐用性和功耗。

服務(wù)質(zhì)量： 通過在 SSD 中分配適當(dāng)?shù)馁Y源并確定其優(yōu)先級(jí)，可以實(shí)現(xiàn)一致的性能。

其他用途： 檢測(cè)故障導(dǎo)致的故障轉(zhuǎn)移并從中恢復(fù)，安全攻擊的固件升級(jí)，執(zhí)行其他自檢和糾正，以及擴(kuò)展到各種需求而無需檢測(cè)。

重要的是要記住，在設(shè)計(jì) ML 引擎等硬件實(shí)現(xiàn)時(shí)，它必須足夠通用，以開發(fā)與應(yīng)用程序無關(guān)的 AI 和 ML 應(yīng)用程序，但與此同時(shí)，在不影響數(shù)據(jù)完整性的情況下平衡性能、功耗、成本和易用性也很重要。

在端點(diǎn)存儲(chǔ)設(shè)備（如 NVMe SSD）中采用 AI 和 ML 硬件引擎為數(shù)據(jù)中心打開了幾個(gè)創(chuàng)造性的應(yīng)用程序。這是兩項(xiàng)偉大技術(shù)的萬眾期待的合并：AI和ML以及NVMe SSD。 Microchip很高興地宣布在其最新的Flashtec PCIe Gen 5 NVMe 4016 SSD控制器中提供ML引擎。

審核編輯：郭婷