Skip to content

GCRI · Künstliche Intelligenz und autonome Systeme

Rechnen für KI

Hochleistungs- und Cloud-Computing stellen die Kapazität bereit, die KI benötigt. In diesem Fachgebiet wird Rechenleistung hinsichtlich Kapazität, Konzentration, Energie und Zugang untersucht: wer Modelle trainieren und evaluieren kann, zu welchen Kosten und mit welchem ökologischen Fußabdruck.

02Antrag

Was Hochleistungs-, Cloud- und Edge-Computing hier leisten.

High-performance, cloud and edge computing provide the processing and storage capacity for simulation, analytics and digital services. They are both an enabler of risk analysis and a critical dependency for society. In artificial intelligence and data and compute, computing capacity determines how fast and at what resolution risks can be modelled. Its concentration is itself a systemic dependency for finance, health and government services. The canonical description is on the STEM Commons.

Zugang zu Rechenleistung für öffentliche Forschung

Die verfügbare Rechenleistung für Universitäten und öffentliche Einrichtungen wird dem Bedarf für Training und Bewertung von Modellen gegenübergestellt; so zeigt sich, wo der Zugang die Forschung begrenzt.

Energiemessung von Arbeitslasten

Der Energieverbrauch von Trainings- und Inferenzaufträgen wird mit Hardwarezählern und Gebäudezählern gemessen und zusammen mit der verwendeten Hardware und den Einstellungen berichtet.

Analyse der Cloud-Konzentration

Die Abhängigkeit von KI-Diensten von wenigen Cloud-Anbietern und Regionen wird kartiert, um gemeinsame Ausfallpunkte sichtbar zu machen.

03Monitoring

Rechenlast.

Die Ansicht, die ein Team nutzen würde, um diese Methode zu verfolgen: ihre Messgrößen, Zustände und Entscheidungen. Namen sind Beispiele, Werte sind illustrativ.

Rechenlast

AI and autonomous systems · Computing for AI · Run R-9546

  • Berichterstattung über Kanäle
    95of 100Normal
  • Mediane Latenz
    124ms
  • Datensätze, die Prüfungen nicht bestehen
    2.7pro 1.000Beobachtung
  • Rückstand
    34Min.
Lücken auf 4 KanälenGCRI · Künstliche Intelligenz und autonome Systeme

Latenz, p95

Veranstaltungen

  1. 06:13WarnenKanal C-75 veraltet
  2. 07:51InfoSchema v5 accepted
  3. 08:36FehlerPrüfsummenabweichung, Charge unter Quarantäne gestellt
  4. 08:44ErledigtWiedergabe abgeschlossen
Compute workload: the screen’s structure, terms and states for AI and autonomous systems.Example names and illustrative values; a design, not a record or a live system.
04Daten

Was die Methode verwendet.

Datensätze und Aufzeichnungen, die von Hochleistungs-, Cloud- und Edge-Computing auf dieser Plattform verwendet werden, mit der Rolle, die jeder einnimmt, und der Kennzeichnung seiner Werte. Die Quellen sind im dem Quellenregister.

DatenRolleKennzeichnung
Energieprotokolle von Anlagen und AufträgenEnergiebilanzierungBEOBACHTET
Aufzeichnungen zur öffentlichen Zuteilung von RechenleistungZugangVeröffentlichte Statistiken
Daten zu Cloud-Regionen und AnbieternKonzentrationDEKLARIERT
05Methoden und Evidenz

Wie Computing for AI modelliert, gemessen und getestet wird.

Das Modell, seine Annahmen, seine Daten und seine Unsicherheit in der Form, in der eine Wissenschaftlerin oder ein Ingenieur sie prüfen würde. Die Strukturen folgen veröffentlichten Methoden. Die dargestellten Werte sind illustrativ, keine Befunde.

Modell, Gleichungen und Annahmen

The model structure used for Computing for AI, the assumptions it makes and how each is tested.

Risiko des Elements iRi = f(Hi, Ei, Vi, Ci)Gefahr, Exposition, Verwundbarkeit und Bewältigungskapazität
Erwarteter jährlicher SchadenEAL = ∑k pk · Lkover events k with annual probability pk
Gekoppelte Systemext+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error
AnnahmeWarum es entstehtWie es geprüft wird
Gefahr und Exposition sind innerhalb eines Ereignisses unabhängigHält das Schadensintegral berechenbarMit einer Copula-Anpassung an gemeinsamen Aufzeichnungen vergleichen
Kopplungen sind nahe dem Arbeitspunkt linearLässt Schocks sich über A ausbreitenÜber den linearen Bereich hinaus stören und vergleichen
Vulnerabilitätskurven lassen sich zwischen Orten übertragenLokale Kurven sind selten verfügbarAnhand beobachteter Schäden validieren, wo es sie gibt
Eingaben
versionierte Datensätze mit Herkunftsnachweis
Ergebnisse
Verteilungen, nie einzelne Zahlen
Code
mit Modellkarte und Tests veröffentlicht
Reproduktion
gleiche Daten, Code, Umgebung und Seed
Standardformulierungen für Risiko und Zustandsraum; die aufgeführten Annahmen sind für die Methode typisch und zur Prüfung benannt, keine Ergebnisse.
FAIR guiding principles · GO FAIR and FORCE11W3C PROV · World Wide Web ConsortiumGuidance on consistent treatment of uncertainties · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
06Validierung

Wie Ergebnisse geprüft werden.

System werden durch Benchmarks, Lasttests und Failover-Übungen geprüft. Die numerische Reproduzierbarkeit wird über verschiedene Hardware- und Softwarekonfigurationen hinweg kontrolliert.

PrüfenWie es gemacht wird
MessgrenzenEnergy figures state what is included, such as cooling and idle time
Reproduzierbare KonfigurationHardware- und Software-Einstellungen werden dokumentiert
Provider data verificationBehauptungen zur Cloud-Abhängigkeit werden anhand der Servicedokumentation geprüft

Die Konzentration auf wenige Anbieter oder Regionen schafft gemeinsame Ausfallpunkte. Energie-, Wasser- und Lieferkettenengpässe begrenzen das Kapazitätswachstum.

07Verfahren

Wie der Prozess abläuft.

Process explorer · Process

Rechenleistung für KI: Aufbauen, signieren und abnehmen

10 steps4 stages2 gates

Verfahren

Rechenleistung für KI: Aufbauen, signieren und abnehmen

Eine zugelassene Mission wird zu einem Zyklusprojekt; der Build wird festgeschrieben, verifiziert und signiert, und das Global Risks Forum (GRF) dokumentiert die Abnahme für Übungen, nicht die Erlaubnis zum Einsatz.

  1. 01 Anfrage und Quellen

    1. 01Zugelassene Mission wird zu einem ZyklusprojektEintrag · Universum an FoundryEine zugelassene Mission wird zu einem Zyklusprojekt mit einem Entscheidungsfall.
    2. 02Datenquellen und Ressourcen qualifizierenSchritt · das Global Centre for Risk and Innovation (GCRI)Das GCRI qualifiziert Datenquellen und Ressourcenangebote und baut die Szenariomodelle. Ein Angebot ist keine Zuteilung.
  2. 02 Bauen und verifizieren

    1. 03Quellen-SnapshotEintrag · NXS-FAC (Blaupausen, Builds und Signierung)Der Snapshot legt Commit, Abhängigkeiten und Generatorversionen fest.
    2. 04Build-VertragNachweis · NXS-FAC (Blaupausen, Builds und Signierung)Der Build-Vertrag legt Artefaktart, Umgebung und Reproduzierbarkeitsrahmen fest.
    3. 05Integrieren und bauenModell · GCRIDas GCRI integriert Software und Daten, signiert Builds und testet Sicherheit und Interoperabilität.
    4. 06VerifikationssuiteGate · NXS-FAC (Blaupausen, Builds und Signierung)Verpflichtende und beratende Prüfungen bleiben getrennt. Reproduzierbarkeit erfordert festgelegte Eingaben, deklarierten Nichtdeterminismus und unabhängige Neuerstellungen.
  3. 03 Signieren und zulassen

    1. 07Das exakte Artefakt signierenSchritt · NXS-FAC (Blaupausen, Builds und Signierung)NXS-FAC baut, bestätigt und fordert eine Signatur über eine begrenzte Signiereridentität an. Es hält kein Schlüsselmaterial.
    2. 08PaketzulassungSchritt · NXS-NXQ (Lebenszyklus von Software, Modellen und Fähigkeiten)NXS-NXQ erhält das signierte Paket und bewahrt Zulassungsevidenz auf, die Aufgabe, Datenklasse, Evaluierungssuite und Ablaufdatum bindet.
  4. 04 Annehmen

    1. 09Bericht zum KernaufbauEintrag · GCRIDer Core Build Report ist der Go-/No-Go-Nachweis. Universe stellt den Core zusammen und hält die Entscheidung für die Übung.
    2. 10G3 · Aufbau für die Übung abgenommenMeilenstein · The Global Risks ForumDas GRF erfasst, ob der Build für die Übung angenommen wird. Ein signierter Build oder Release Candidate ist keine Erlaubnis zum Einsatz in der Produktion.

The programme year · NXS-FAC · UniverseDesigned programme process, not a record of operation. No cycle has run and every programme is at service level R0. A gate is a programme decision, never a public-authority approval, certification or deployment authorisation. The record order follows the Builds and Releases room lists of NXS-FAC.

08Verbindungen

Themen, die sich auf diese Methode stützen.

09Treuhänderschaft

Wer die Methode pflegt.

Daten und Rechenleistung betreut als Sachwalter Hochleistungs-, Cloud- und Edge-Computing für das Konsortium und prüft, wie es plattformübergreifend angewendet wird.

11Fragen

Fragen und Antworten.

Wo liegen in diesem Fachgebiet die Grenzen von Hochleistungs-, Cloud- und Edge-Computing?
Die Konzentration auf wenige Anbieter oder Regionen schafft gemeinsame Ausfallpunkte. Energie-, Wasser- und Lieferkettenengpässe begrenzen das Kapazitätswachstum.
Wie werden Ergebnisse geprüft?
Systeme werden durch Benchmarks, Lasttests und Failover-Übungen geprüft. Die numerische Reproduzierbarkeit wird über Hardware- und Softwarekonfigurationen hinweg kontrolliert.
Sind die Werte auf dieser Seite echt?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
Wo wird diese Methode sonst angewandt?
Das kanonische Methodenseite listet jede Plattform auf, die sie anwendet.
BerichteBeitragen

Evidenz von dieser Seite aus beitragen.

Reports ist die vierteljährliche Publikation des Konsortiums. Was Sie über dieses Thema wissen, kann in der nächsten Ausgabe zu Evidenz, einem Fall oder einer Korrektur werden, Ihnen zugeschrieben und unter CC BY 4.0 veröffentlicht, soweit es Ihr eigenes Werk ist.

GCRIKünstliche Intelligenz und autonome SystemeExponentielle TechnologieLabs-Evidenz
Künstliche Intelligenz und autonome Systeme

Bringen Sie eine Methode, einen Datensatz oder eine Frage mit.

Information und Anfragen sind heute offen. Eine Anfrage erhält ein Aktenzeichen und nennt den nächsten Schritt; Bewerbungen, Zahlungen, Rechenzuteilungen und Registrierungen öffnen erst, wenn Team, Bedingungen und Prüfkapazität bestehen.