پیش‌بینی خرابی هارد دیسک با کمک هوش‌مصنوعی

براساس اعلام گوگل، ناتوانی در تشخیص زود هنگام خرابی هارد دیسک معمولا مشکلات جدی برای بسیاری از محصولات و خدمات این شرکت ایجاد کرده است و اقدام موفقیت‌آمیز در پیش بینی خرابی هارد دیسک می‌تواند گام بزرگی در کاهش ائتلاف وقت و هزینه‌ها باشد.

تشخیص وقت‌گیر انسانی

تشخیص انسانی خرابی درایو که بسیار وقت‌گیر و نیازمند دسترسی فیزیکی به دستگاه است مشکلات زیادی در این زمینه ایجاد کرده بود. براساس آمار، در مدت 30 روز، سه بار یا بیشتر هارد دیسک دچار مشکل می‌شود که تاثیرات منفی در کار افراد و شرکت‌ها ایجاد می‌کند. گوگل و سیگیت تصمیم داشتند از هوش مصنوعی برای کاهش زمانی استفاده کنند که تعمیرکاران برای آزمایش درایوها و تشخیص علت خرابی‌ها آن‌ها صرف می‌کنند.

گوگل کلاد تعداد زیادی هارد دیسک با صدها پارامتر و فاکتور در اختیار دارد که باید ردیابی و کنترل شوند. این حجم از داده برای گوگل کلاد با ارزش و مفید تلقی می‌شود زیرا مجموع داده‌های آن را به همراه داده‌های سیگیت و اکسنچر می‌توان در یک مدل یادگیری ماشین مورد بهره‌برداری قرار داد تا بتواند خرابی درایو را پیش‌بینی کند.

گزینه مناسب‌تر AutoML

در اجرای این همکاری، شرکت‌های یاد شده برای این آزمایش از دو مدل شامل یادگیری جداول، یادگیری ماشین خودکار موسوم بهMutoML  و دیگری مدلی که به‌صورت سفارشی برای این طرح ساخته شده بود استفاده می‌کنند.

پیش‌بینی مورد نخست با دقت 98 درصد و فراخوانی 35 درصد نتایجی بهتر از مدل دوم با دقت 70-80 درصد و فراخوان 25-29 به‌دست آمده است. براساس نتایج این پیش‌بینی، استفاده از AutoML گزینه‌ای مناسب‌تر و بهتر از راه حل‌های دیگر برای پیش‌بینی خرابی هارد دیسک است. گوگل در نظر دارد پشتیبانی از این سیستم را به همه درایوهای سیگیت توسعه دهد.

علی حبیبی