Michael JohnsonBir modelin eğitimi yavaşladığında, neden GPU’nun dışında olabilir: ağda, depolama biriminde, görev zamanlayıcısında veya hesaplama iş yükünün bağlı olduğu başka bir bileşende. 22 Ekim 2026’da NVIDIA, altyapı telemetrisini yürütülen yapay zekâ iş yüklerine ilişkin verilerle ilişkilendiren bir AIOps platformu olan Minerva’yı tanıttı. Şirket, platformu yapay zekâ fabrikalarının kullanılabilirliğini ve verimliliğini artırmaya yönelik bir araç olarak konumlandırıyor.
Minerva; GPU’lardan, ağ donanımından, depolama birimlerinden, zamanlayıcılardan ve iş yüklerinden sinyaller topluyor. Ardından bileşenler ile görevler arasındaki bağlantıları gösteren dinamik bir grafik oluşturuyor. NVIDIA’nın açıklamasına göre bu bağlam, donanım anormalliğinin belirli bir eğitim görevini nasıl etkilediğini izlemeye ve bağlantılı olayları olası temel nedeni belirtilen tek bir olayda birleştirmeye yardımcı oluyor. Platform saatte milyarlarca telemetri noktasını analiz ediyor; bu, NVIDIA’nın sistem için belirttiği bir özellik.
Olay incelemesinde neler değişiyor?
Büyük kümelerin izlenmesindeki yaygın sorunlardan biri; hesaplama, ağ ve operasyonlar için ayrı görünümlerin kullanılmasıdır. Minerva bu katmanları ilişkilendirmeyi amaçlıyor: Bir ağ arayüzündeki anormallik, bu rotayı kullanan görevin GPU durumu ve performansıyla birlikte incelenebiliyor. Pratik hedef, sinyal yığınından darboğazın yerini belirlemeye giden yolu kısaltmak.
Platformda doğal dilde soru sormaya yönelik yerleşik bir yapay zekâ asistanı ve harici ajan araçlarına bağlantı bulunuyor. Operatör, canlı telemetri üzerinden kümenin durumunu inceleyebiliyor ve sorunları gidermeye yönelik öneriler alabiliyor. NVIDIA, çalışanın düzeltmeyi elle uyguladığı bir seçeneğin yanı sıra altyapı API’si ve harici sistemler üzerinden otomasyon bağlama olanağını da açıklıyor.
Operasyon açısından bu yaklaşım, teşhis ile müdahaleyi birbirinden ayırıyor. Sinyallerin ilişkilendirilmesi, nedenin nerede aranacağını daha hızlı belirlemeye yardımcı olabilir; altyapıda otomatik değişiklik yapmak ise ekip için ayrı bir karar olarak kalır. Uygulamaya geçerken hangi önerilerin otomatik olarak uygulanabileceğini, hangilerinin onay gerektirdiğini ve sonuçların nerede kaydedileceğini önceden belirlemek yararlı olur. Bu, NVIDIA’nın öneriler, elle düzeltme ve entegre otomasyon arasında tarif ettiği ayrımdan çıkarılabilecek pratik bir sonuçtur.
Platform kimlerin kullanımına açık?
NVIDIA, IREN’in Minerva’yı hâlihazırda kullandığını; IBM, Lambda ve Tesla’nın da aralarında bulunduğu sekiz kuruluşun ise platformu devreye almayı planladığını bildirdi. Şirkete göre Dell Technologies, Lenovo ve Supermicro da Minerva’yı yapay zekâ fabrikalarına yönelik çözüm portföylerinde sunacak. Duyuruda mevcut ve planlanan kullanımlar sıralanıyor, ancak operatörlere sağlanan etkiye ilişkin bağımsız karşılaştırmalı ölçümler yer almıyor.
NVIDIA’nın ürün sayfasında, telemetrinin toplanıp Grafana gibi harici araçlara aktarılmasından tam kapsamlı bir AIOps platformuna kadar farklı dağıtım seçenekleri listeleniyor. Belgelerde ayrıca çeşitli bileşenlerden sinyal toplama ve operasyon araçlarıyla entegrasyon açıklanıyor. Ürünü değerlendirmeden önce ekiplerin desteklenen kaynakları kendi altyapılarıyla karşılaştırması, telemetri kapsamını kontrol etmesi ve küme kullanılabilirliği, kaybedilen GPU saatleri, teşhis ve kurtarma süreleri gibi başlangıç göstergelerini kaydetmesi yararlı olur.
Minerva, hesaplama, ağ ve yapay zekâ görevlerinin kesiştiği noktalardaki olayları incelemek zorunda olan kuruluşlara yönelik. Pratik amacı bu sinyalleri ortak bir bağlamda toplamak; belirli bir küme için değerini ise sistemin gerçek arızaların nedenlerini ne kadar iyi bulduğu ve kurtarma süresini ne ölçüde kısalttığı üzerinden değerlendirmek mümkün.