Vi visste att AI var hett, men den senaste veckan har flera meddelanden visat att industrin försöker få AI och maskininlärning (ML) in i företagets mainstream. Med två AI -förvärv av stora namn i analysområdet och en finansieringsrunda på 100 miljoner dollar för en MLOps -specialist har detta varit en vecka med AI -acceleration.
Tegel och bambu
Dagens nyheter är att Databricks förvärvar det tyska företaget 8080 Labs, tillverkare av bamboolib, ett UI-baserat datavetenskapligt verktyg som genererar kod, men som inte kräver att användare skriver något. Och detta följer tillkännagivandet tidigare i år från Databricks att det hade lagt till AutoML -funktioner till sin data “lakehouse” -plattform.
Läs också: Databricks ökar AI -ante med ny AutoML -motor och funktionsbutik
Clemens Mewald, Databricks chef för produktledning, datavetenskap och maskininlärning, talade med ZDNet och förklarade att bamoboolib för närvarande är erbjuds som en Jupyter notebook plug-in och kommer logiskt att integreras med Databricks egna bärbara datorer. Efteråt kommer det också att integreras i användargränssnittet för Databricks -arbetsytan för att göra det tillgängligt för mindre tekniska användare, ofta kallade “medborgardatavetare”.
Mewald förklarade att förvärvet överensstämmer med Databricks tillvägagångssätt för att avslöja flera lager av abstraktion: på kodningsnivå för datavetenskapare, maskininlärningsingenjörer och naturligtvis dataingenjörer; på SQL-nivå för mer databasorienterade yrkesverksamma såväl som för affärsdrivande användare; och på UI -nivå för de användare som är mindre tekniska men ändå brinner för sina data och analyserar dem.
AI + BI bara … Qliks
Medan vi håller på att integrera AI i dataanalysplattformar, var det vad Qlik hade i åtanke när det meddelade sitt förvärv av Big Squid den 30 september. Big Squid erbjuder en AutoML -plattform som kommer att erbjudas fristående, som Qlik AutoML, men så småningom kommer att integreras i Qlik Sense. Detta gör det möjligt för BI (business intelligence) -användare att använda sina datamängder för att träna modeller och sedan göra ytterligare data mot modellerna, med förutsägelser som kommer tillbaka som nya kolumner i datamängden, där de enkelt kan visualiseras precis som alla andra data.
Big Squids teknik ger till och med ML -modellen förklarbarhet, genom användning av Shapley -värden, något Databricks AutoML också gör. Det faktum att båda leverantörerna tillhandahåller Shapely-värdebaserad AI-förklaring är ytterligare ett tecken på AI: s företagsambitioner, eftersom vissa dataskyddsbestämmelser kräver detta av AI-modeller, i själva verket en fråga om förtroende och granskbarhet.
Qliks mål, ungefär som Databricks, är att göra AI tillgängligt för analysteam och inte bara datavetenskapsteam. Närmare bestämt fokuserar Qlik på viktiga drivrutinsanalyser, förutsägande analyser och “tänk om” beslutsplanering, allt integrerat i BI -miljön och paradigmet. Och, ja, Qlik vill också ha de eftertraktade “medborgardatavetare”. Plus, beväpnad med den teknik som härrör från dess många andra förvärv, som Podium Data (nu Qlik Catalog) och Attunity (nu Qlik Data Integration), ger Qlik närvaro under hela datalivscykeln och dess styrning företaget en bra MLOps (maskin inlärningsoperationer) spelar också.
Läs också:
Qlik förvärvar Podium Data som BI och Big Data sammanfaller
Qlik förvärvar Attunity för $ 560 miljoner
Mer pengar … och GPU -integration
På tal om MLOps, det är just det område som Domino Data Lab fokuserar på, och specifikt i företagssammanhang. Och precis igår meddelade Domino sin finansieringsrunda på 100 miljoner dollar i serie F, ledd av Great Hill Partners, med befintliga investerare Coatue Management, Highland Capital Partners och Sequoia Capital och den nya investeraren Nvidia. Nvidia är naturligtvis den främsta leverantören av GPU -chips och servrar, som alla kan påskynda AI -träning och poängsättning, särskilt inom djupinlärning.
Läs också:
NVIDIA förändras från grafik och spel till AI och djupinlärning
NVIDIA svänger efter AI -staket
Faktum är att Domino och Nvidia använde gårdagens finansieringsmeddelande för att avslöja sitt eget förbättrade partnerskap. Enligt sitt pressmeddelande kommer partnerskapet att omfatta Dominos utveckling av produktfunktionalitet för att utöka de accelererade datorkapaciteterna i sin plattform, inklusive “validering av Domino-plattformen för NVIDIA AI Enterprise så att Domino kan köras sömlöst på vanliga, NVIDIA-certifierade system från OEM hårdvaruleverantörer. ” Domino säger också att de två företagen kommer att föra dessa produkter till marknaden tillsammans.
Vad har AI gjort för mig på sistone?
Att alla dessa tre affärer tillkännagavs inom loppet av en vecka visar hur viktigt AI/ML blir i företagens datorsammanhang. Det är möjligt – till och med troligt – att denna första våg av AutoML -integration i BI- och analysplattformar bara är en tidig iteration av AI + BI -ekvationen. Automatisering av ML -algoritmval, hyperparameteroptimering, funktionsval och till och med förklarbarhet är bra. Men så småningom kommer det att behöva ske automatisering av funktionsteknik, modelldistribution, övervakning och omskolning också.
Läs också: DotData har automatiserad funktionsteknik för Databricks
Saker och ting händer snabbt nog för att dessa första generationens innovationer snart kan bli ordspråkiga “bordsinsatser”. När analysföretag sedan går in i konkurrenskraftig differentiering kan AI -världen bli mer intressant, relevant, tillgänglig och förhoppningsvis lättare att granska och pålitlig också.
Relaterade ämnen:
Big Data Analytics Digital Transformation CXO Internet of Things Innovation Enterprise Software 