Implementasi AI berkembang dengan pesat, dan mereka bergantung pada infrastruktur terdistribusi yang dapat menangani jumlah serat yang terlibat. CommScope memperkenalkan solusi baru yang kuat untuk membantu jaringan ini mendorong model AI yang lebih sukses.
Mungkin Anda akan terkejut mengetahui bahwa pencapaian praktis kecerdasan buatan (AI) bukanlah perkembangan yang baru-baru ini muncul. Faktanya, pada tahun 1958, Profesor Frank Rosenblatt pertama kali mengemukakan konsep perceptron—sebuah perangkat yang dibangun untuk meniru struktur jaringan biologis yang ditemukan pada makhluk hidup, dan juga mampu “belajar” seperti makhluk hidup. Profesor Rosenblatt menggambarkan algoritmanya sebagai “mesin pertama yang mampu memiliki ide orisinal” dan mengembangkan aplikasi praktisnya pada IBM 704—sebuah komputer tabung vakum 36-bit yang beratnya 10 hingga 15 ton dan harganya dua juta dolar pada saat itu (setara dengan hampir $22 juta saat ini).
Maju 66 tahun ke depan, dan kita melihat bagaimana evolusi pembelajaran mesin telah mengembangkan ide Profesor Rosenblatt. Perangkat keras dan perangkat lunak yang lebih cepat, lebih kompleks, dan lebih terjangkau membuka potensi AI yang luar biasa yang tidak pernah dibayangkan oleh Profesor Rosenblatt. Meskipun demikian, model pelatihan AI saat ini masih melatih perceptron pada kumpulan data yang sangat besar, dibantu oleh komputasi paralel yang memungkinkan beberapa mesin dan prosesor bekerja bersama dalam satu tugas. Dengan membagi tugas menjadi sub-tugas yang lebih kecil, komputasi paralel terdistribusi ini dapat sangat mengurangi waktu yang diperlukan untuk menjalankan pelatihan AI.
Dengan meningkatnya permintaan untuk model AI baik yang bersifat umum maupun yang dibangun khusus, kebutuhan akan aset komputasi terdistribusi ini untuk berkomunikasi dengan cepat dan dapat diandalkan juga meningkat—dan itu berarti infrastruktur jaringan serat optik.
Memanfaatkan aset terdistribusi yang kurang dimanfaatkan
Selama jam-jam lambat atau di luar puncak, pusat data dapat menyediakan akses ke model pelatihan AI ini dengan mendedikasikan kapasitas berlebih untuk jaringan terdistribusi mereka. Aset-aset ini bisa terpisah ratusan atau ribuan mil, sehingga memanfaatkan siklus cadangannya memerlukan kabel serat optik dengan jumlah serat tinggi.
Kabel saat ini dapat mengandung hingga 6.912 serat, yang setara dengan lebih dari satu mil serat dalam setiap kaki kabel. Masing-masing serat ini dapat mengirimkan miliaran bit data per detik. Dengan infrastruktur yang tepat, batas praktis untuk jarak dalam komputasi terdistribusi menjadi semakin tidak penting.
Penutupan yang membuka potensi
CommScope telah memperkenalkan solusi FOSC® baru untuk membantu memungkinkan jaringan terdistribusi yang lebih andal dan fleksibel seperti ini. FOSC-650 dirancang untuk mendukung kemampuan penyambungan hingga 6.912 serat dalam wadah pelindungnya yang kokoh. Pemasangan infrastruktur serat dengan jumlah serat tinggi semacam ini adalah hal yang mahal dan rumit karena penyambungan yang presisi diperlukan, dan penutupan yang padat dapat membuat ini menjadi lebih sulit. Itulah mengapa FOSC-650 dirancang untuk menampung hingga 12 kabel dengan diameter hingga 1,6 inci masing-masing, memastikan akses yang lebih mudah untuk pemasangan dan pemeliharaan. Tray-nya yang lebar memberikan ruang yang cukup untuk serat yang disambung dan manajemen slack yang efisien—dan bahkan kompatibel dengan tray FOSC-C dan FOSC-D.
Melindungi koneksi ini juga sangat penting. Memanfaatkan keandalan yang sudah terbukti dari seri FOSC-450 dan FOSC-600, FOSC-650 menggunakan teknologi penyegelan gel yang teruji dan terpercaya yang mengamankan dengan empat kait dan menghilangkan kebutuhan untuk penggunaan gemuk atau pelumas saat membuka dan menutup kembali penutupan.
Dengan memungkinkan penerapan infrastruktur serat dengan jumlah serat tertinggi yang lebih sederhana, lebih cepat, dan lebih andal, FOSC-650 mendukung infrastruktur serat yang mendorong pembelajaran AI canggih—dan membantu mewujudkan ide-ide terobosan Profesor Rosenblatt tentang perceptron, sifatnya, dan potensi kecerdasan mesin dalam aplikasi praktis.
