We wisten dat AI hot was, maar de afgelopen week zijn er verschillende aankondigingen gedaan waaruit blijkt dat de industrie probeert AI en machine learning (ML) in de mainstream van de onderneming te brengen. Met twee AI-acquisities door grote namen in de analyseruimte en een financieringsronde van $ 100 miljoen voor een MLOps-specialist, was dit een week van AI-versnelling.
Brick and bamboo
Het nieuws van vandaag is dat Databricks het Duitse bedrijf 8080 Labs overneemt, de makers van bamboolib, een op de gebruikersinterface gebaseerde datawetenschapstool die code genereert, maar waarvoor gebruikers geen code hoeven te schrijven. En dit volgt op de aankondiging eerder dit jaar van Databricks dat het AutoML-mogelijkheden had toegevoegd aan zijn data-“lakehouse”-platform.
Lees ook: Databricks verhoogt AI-ante met nieuwe AutoML-engine en feature store
Clemens Mewald, Databricks' Director of Product Management, Data Science and Machine Learning, sprak met ZDNet en legde uit dat bamoboolib momenteel aangeboden als Jupyter notebook plug-in en zal, logischerwijs, geïntegreerd worden met Databricks' eigen notebooks. Daarna zal het ook worden geïntegreerd in de gebruikersinterface van de Databricks-werkruimte, om het beschikbaar te maken voor minder technische gebruikers, vaak aangeduid als 'citizen datawetenschappers'.
Mewald legde uit dat de overname aansluit bij de aanpak van Databricks om meerdere abstractielagen bloot te leggen: op coderingsniveau voor datawetenschappers, machine learning-engineers en natuurlijk data-engineers; op SQL-niveau voor meer databasegerichte professionals en zakelijke gebruikers; en op UI-niveau voor die gebruikers die minder technisch zijn maar toch gepassioneerd zijn over hun gegevens en deze analyseren.
AI + BI gewoon…Qliks
Terwijl we het hebben over het integreren van AI in data-analyseplatforms, dat was wat Qlik in gedachten had toen het op 30 september de overname van Big Squid aankondigde. Big Squid biedt een AutoML-platform dat stand-alone zal blijven worden aangeboden, als Qlik AutoML, maar uiteindelijk zal worden geïntegreerd in Qlik Sense. Hierdoor kunnen BI-gebruikers (business intelligence) hun datasets gebruiken voor trainingsmodellen en vervolgens aanvullende gegevens tegen de modellen scoren, waarbij voorspellingen worden teruggebracht als nieuwe kolommen in de dataset, waar ze eenvoudig kunnen worden gevisualiseerd, net als alle andere gegevens.
Big Squid's technologie biedt zelfs verklaarbaarheid van ML-modellen, door gebruik te maken van Shapley-waarden, iets wat Databricks' AutoML ook doet. Het feit dat beide leveranciers Shapely op waarde gebaseerde AI-verklaarbaarheid bieden, is een ander teken van AI's ondernemingsambities, aangezien bepaalde voorschriften voor gegevensbescherming dit van AI-modellen vereisen, in feite als een kwestie van vertrouwen en controleerbaarheid.
Het doel van Qlik is, net als dat van Databricks, om AI toegankelijk te maken voor analyseteams en niet alleen voor datawetenschapsteams. Meer specifiek richt Qlik zich op analyse van belangrijke drijfveren, voorspellende analyses en 'wat als'-beslissingsplanning, allemaal geïntegreerd in de BI-omgeving en het paradigma. En ja, Qlik wil ook die felbegeerde 'burgerdatawetenschappers'. Bovendien, gewapend met de technologie die is afgeleid van de vele andere acquisities, zoals Podium Data (nu Qlik Catalogus) en Attunity (nu Qlik Data Integration), geeft Qlik's aanwezigheid gedurende de volledige datalevenscyclus en het beheer ervan het bedrijf een goede MLOps (machine leerbewerkingen) spelen ook.
Lees ook:
Qlik verwerft Podium Data terwijl BI en Big Data samenvloeien
Qlik neemt Attunity over voor $ 560 miljoen
Meer geld… en GPU-integratie
Over MLOps gesproken, dat is precies het gebied waarop Domino Data Lab zich richt, en specifiek in de bedrijfscontext. En gisteren kondigde Domino zijn $ 100M Series F-financieringsronde aan, geleid door Great Hill Partners, met bestaande investeerders Coatue Management, Highland Capital Partners en Sequoia Capital en nieuwe investeerder Nvidia. Nvidia is natuurlijk de belangrijkste leverancier van GPU-chips en -servers, die allemaal AI-training en -scores kunnen versnellen, vooral op het gebied van deep learning.
Lees ook:
NVIDIA verandert van graphics en gaming naar AI en deep learning
NVIDIA zwaait voor de AI-hekken
In feite hebben Domino en Nvidia de financieringsaankondiging van gisteren gebruikt om hun eigen verbeterde samenwerking te onthullen. Volgens het persbericht omvat de samenwerking Domino's ontwikkeling van productfunctionaliteit om de versnelde computermogelijkheden in zijn platform uit te breiden, inclusief “het valideren van het Domino-platform voor NVIDIA AI Enterprise, zodat Domino naadloos kan draaien op mainstream, NVIDIA-gecertificeerde systemen van OEM hardwareleveranciers.” Domino zegt ook dat de twee bedrijven deze producten samen op de markt zullen brengen.
Wat heeft AI de laatste tijd voor mij gedaan?
Dat alle drie deze deals in een week tijd werden aangekondigd, laat zien hoe belangrijk AI/ML wordt in de context van enterprise computing. Het is mogelijk – zelfs waarschijnlijk – dat deze eerste golf van AutoML-integratie in BI- en analyseplatforms slechts een vroege herhaling is van de AI + BI-vergelijking. Automatisering van ML-algoritmeselectie, hyperparameteroptimalisatie, functieselectie en zelfs verklaarbaarheid is geweldig. Maar uiteindelijk zal er ook sprake moeten zijn van automatisering van feature-engineering, modelimplementatie, monitoring en omscholing.
Lees ook: DotData biedt geautomatiseerde feature-engineering voor Databricks
De dingen gebeuren snel genoeg zodat deze eerste generatie innovaties al snel spreekwoordelijke “table stakes” kunnen worden. Naarmate analysebedrijven zich vervolgens gaan differentiëren naar concurrentie, kan de AI-wereld interessanter, relevanter, toegankelijker en hopelijk ook gemakkelijker te onderzoeken en betrouwbaarder worden.
Verwante onderwerpen:
Big Data Analytics Digital Transformatie CXO Internet of Things Innovatie Enterprise Software 