Vi vidste, at AI var varmt, men den sidste uge har bragt flere meddelelser, der viser, at industrien forsøger at bringe AI og machine learning (ML) ind i virksomhedens mainstream. Med to AI -opkøb med store navne i analyseområdet og en finansieringsrunde på $ 100 mio. Til en MLOps -specialist har dette været en uge med AI -acceleration.
Mursten og bambus
Dagens nyheder er, at Databricks erhverver det tyske firma 8080 Labs, producenter af bamboolib, et UI-baseret datavidenskabeligt værktøj, der genererer kode, men ikke kræver, at brugerne skriver noget. Og dette følger meddelelsen tidligere på året fra Databricks om, at den havde tilføjet AutoML -funktioner til sin data “lakehouse” -platform.
Læs også: Databricks øger AI -ante med ny AutoML -motor og funktionslager
Clemens Mewald, Databricks 'direktør for produktstyring, datavidenskab og maskinlæring, talte med ZDNet og forklarede, at bamoboolib i øjeblikket er tilbydes som en Jupyter notebook plug-in og vil logisk set blive integreret med Databricks 'egne notebooks. Bagefter vil det også blive integreret i brugergrænsefladen til Databricks -arbejdsområdet for at gøre det tilgængeligt for mindre tekniske brugere, ofte omtalt som “borgerdataforskere.”
Mewald forklarede, at erhvervelsen stemmer overens med Databricks tilgang til at afsløre flere lag af abstraktion: på kodningsniveau for datavidenskabsfolk, maskinindlæringsingeniører og naturligvis dataingeniører; på SQL-niveau for mere databaseorienterede fagfolk såvel som business power-brugere; og på UI -niveau for de brugere, der er mindre tekniske, men stadig brænder for deres data og analyserer dem.
AI + BI bare … Qliks
Mens vi er ved at integrere AI i dataanalyseplatforme, var det Qlik i tankerne, da det annoncerede sit opkøb af Big Squid den 30. september. Big Squid tilbyder en AutoML -platform, der fortsat vil blive tilbudt selvstændig som Qlik AutoML, men i sidste ende vil blive integreret i Qlik Sense. Dette vil gøre det muligt for BI (business intelligence) -brugere at bruge deres datasæt til at træne modeller og derefter score yderligere data mod modellerne, med forudsigelser bragt tilbage som nye kolonner i datasættet, hvor de let kan visualiseres ligesom alle andre data.
Big Squid's teknologi giver endda ML -modelens forklarbarhed ved hjælp af Shapley -værdier, noget Databricks 'AutoML også gør. Den kendsgerning, at begge leverandører leverer Shapely-værdibaseret AI-forklarbarhed, er et andet tegn på AI's ambitioner om virksomhed, da visse databeskyttelsesregler kræver dette af AI-modeller, i virkeligheden et spørgsmål om tillid og revision.
Qliks mål, ligesom Databricks ', er at gøre AI tilgængeligt for analyseteams og ikke kun data science -teams. Mere specifikt fokuserer Qlik på centrale driveranalyser, prædiktiv analyse og “hvad nu hvis” beslutningsplanlægning, alt integreret i BI -miljøet og paradigmet. Og, ja, Qlik vil også have de eftertragtede “borgerdataforskere”. Plus, bevæbnet med den teknologi, der stammer fra dens mange andre opkøb, som Podium Data (nu Qlik Catalog) og Attunity (nu Qlik Data Integration), giver Qlik tilstedeværelse i hele datalivscyklussen og dets styring virksomheden en god MLOps (maskine læringsoperationer) spiller også.
Læs også:
Qlik erhverver Podium Data som BI og Big Data samles
Qlik for at erhverve Attunity for $ 560 mio.
Flere penge … og GPU -integration
Apropos MLOps, det er netop det område, som Domino Data Lab fokuserer på, og specifikt i virksomhedskonteksten. Og netop i går annoncerede Domino sin finansieringsrunde på $ 100 mio. I serie F, ledet af Great Hill Partners, med eksisterende investorer Coatue Management, Highland Capital Partners og Sequoia Capital og den nye investor Nvidia. Nvidia er naturligvis den førende leverandør af GPU -chips og servere, som alle kan fremskynde AI -træning og scoring, især inden for dyb læring.
Læs også:
NVIDIA ændrer sig fra grafik og spil til AI og dyb læring
NVIDIA svinger efter AI -hegn
Faktisk brugte Domino og Nvidia gårsdagens finansieringsmeddelelse til at afsløre deres eget forbedrede partnerskab. Ifølge pressemeddelelsen vil partnerskabet involvere Dominos udvikling af produktfunktionalitet for at udvide de accelererede computermuligheder i sin platform, herunder “validering af Domino-platformen for NVIDIA AI Enterprise, så Domino kan køre problemfrit på mainstream, NVIDIA-certificerede systemer fra OEM hardwareudbydere. ” Domino siger også, at de to virksomheder vil bringe disse produkter på markedet sammen.
Hvad har AI gjort for mig på det seneste?
At alle tre af disse tilbud blev annonceret i løbet af en uge viser, hvor vigtig AI/ML bliver i virksomhedens computing -kontekst. Det er muligt – endda sandsynligt – at denne første bølge af AutoML -integration i BI- og analyseplatforme kun er en tidlig iteration af AI + BI -ligningen. Automatisering af valg af ML -algoritme, optimering af hyperparameter, valg af funktioner og endda forklarbarhed er fantastisk. Men i sidste ende bliver der også brug for automatisering af feature engineering, modelimplementering, overvågning og efteruddannelse.
Læs også: DotData kan prale af automatiseret feature engineering til Databricks
Tingene sker hurtigt nok til, at disse førstegenerationsinnovationer hurtigt kan blive ordsprogede “bordpæle”. Efterhånden som analysevirksomheder derefter bevæger sig over i konkurrencedygtig differentiering, kan AI -verdenen blive mere interessant, relevant, tilgængelig og forhåbentlig også lettere gennemgået og pålidelig.
Relaterede emner:
Big Data Analytics Digital Transformation CXO Internet of Things Innovation Enterprise Software 