Vi visste at AI var varmt, men den siste uken har brakt flere kunngjøringer som viser at industrien prøver å bringe AI og maskinlæring (ML) inn i bedriftens mainstream. Med to AI -oppkjøp av store navn i analyseområdet og en finansieringsrunde på 100 millioner dollar for en MLOps -spesialist, har dette vært en uke med AI -akselerasjon.
Murstein og bambus
Dagens nyheter er at Databricks kjøper det tyske selskapet 8080 Labs, produsenter av bamboolib, et UI-basert data science-verktøy som genererer kode, men som ikke krever at brukerne skriver noen. Og dette følger kunngjøringen tidligere i år fra Databricks om at den hadde lagt til AutoML -funksjoner i plattformen for data “lakehouse”.
Les også: Databricks øker AI -ante med ny AutoML -motor og funksjonslager
Clemens Mewald, Databricks 'direktør for produktstyring, datavitenskap og maskinlæring, snakket med ZDNet og forklarte at bamoboolib for tiden er tilbys som en Jupyter bærbar plug-in og vil logisk sett bli integrert med Databricks egne notatbøker. Etterpå vil det også bli integrert i brukergrensesnittet for Databricks -arbeidsområdet for å gjøre det tilgjengelig for mindre tekniske brukere, ofte referert til som “borgerdatavitenskapere.”
Mewald forklarte at oppkjøpet er i tråd med Databricks tilnærming for å avsløre flere lag med abstraksjon: på kodingsnivå for datavitenskapere, maskinlæringsingeniører og, selvfølgelig, dataingeniører; på SQL-nivå for mer databaseorienterte fagpersoner så vel som for virksomhetsmaktbrukere; og på brukergrensesnittet for de brukerne som er mindre tekniske, men som fremdeles brenner for dataene sine og analyserer dem.
AI + BI bare … Qliks
Selv om vi skal integrere AI i dataanalyseplattformer, var det Qlik som hadde i tankene da det kunngjorde kjøpet av Big Squid 30. september. Big Squid tilbyr en AutoML -plattform som fortsatt vil bli tilbudt frittstående, som Qlik AutoML, men til slutt vil bli integrert i Qlik Sense. Dette vil tillate BI (business intelligence) -brukere å bruke datasettene sine til opplæringsmodeller, og deretter score ytterligere data mot modellene, med spådommer hentet tilbake som nye kolonner i datasettet, hvor de enkelt kan visualiseres akkurat som alle andre data.
Big Squids teknologi gir til og med ML -modellens forklarbarhet, ved bruk av Shapley -verdier, noe Databricks 'AutoML også gjør. Det faktum at begge leverandørene gir Shapely verdibasert AI-forklarbarhet, er et annet tegn på AIs virksomhetsambisjoner, siden visse databeskyttelsesforskrifter krever dette av AI-modeller, i realiteten som et spørsmål om tillit og revisjon.
Qliks mål, omtrent som Databricks, er å gjøre AI tilgjengelig for analyseteam og ikke bare datavitenskapsteam. Nærmere bestemt fokuserer Qlik på viktige driveranalyser, prediktiv analyse og “hva om” beslutningsplanlegging, alt integrert i BI -miljøet og paradigmet. Og, ja, Qlik vil også ha de ettertraktede “borgerdataforskerne”. Pluss, bevæpnet med teknologien som stammer fra de mange andre oppkjøpene, som Podium Data (nå Qlik Catalog) og Attunity (nå Qlik Data Integration), gir Qlik tilstedeværelse i hele datalivssyklusen og dets styring, selskapet en god MLOps (maskin læringsoperasjoner) spiller også.
Les også:
Qlik anskaffer Podium Data som BI og Big Data samles
Qlik for å skaffe seg Attunity for $ 560 millioner
Mer penger … og GPU -integrasjon
Apropos MLOps, det er selve området fokusert på av Domino Data Lab, og spesielt i bedriftssammenheng. Og bare i går kunngjorde Domino sin finansieringsrunde på 100 millioner dollar i serie F, ledet av Great Hill Partners, med eksisterende investorer Coatue Management, Highland Capital Partners og Sequoia Capital og den nye investoren Nvidia. Nvidia, selvfølgelig, er den fremste leverandøren av GPU -brikker og servere, som alle kan akselerere AI -trening og scoring, spesielt innen dyp læring.
Les også:
NVIDIA forandrer seg fra grafikk og spill til AI og dyp læring
NVIDIA svinger etter AI -gjerdene
Faktisk brukte Domino og Nvidia gårsdagens finansieringsmeddelelse for å avsløre sitt eget forbedrede partnerskap. I følge pressemeldingen vil partnerskapet innebære Dominos utvikling av produktfunksjonalitet for å utvide de akselererte databehandlingskapasitetene i plattformen, inkludert “validering av Domino-plattformen for NVIDIA AI Enterprise slik at Domino kan kjøre sømløst på mainstream, NVIDIA-sertifiserte systemer fra OEM maskinvareleverandører. ” Domino sier også at de to selskapene vil bringe disse produktene på markedet sammen.
Hva har AI gjort for meg i det siste?
At alle tre av disse avtalene ble kunngjort i løpet av en uke, viser hvor viktig AI/ML blir i enterprise computing -konteksten. Det er mulig – til og med sannsynlig – at denne første bølgen av AutoML -integrasjon i BI- og analyseplattformer bare er en tidlig iterasjon av AI + BI -ligningen. Automatisering av valg av ML -algoritme, optimalisering av hyperparameter, funksjonsvalg og til og med forklarbarhet er flott. Men etter hvert vil det også være behov for automatisering av funksjonsteknikk, modelldistribusjon, overvåking og omskoling.
Les også: DotData kan skryte av automatisert funksjonsteknikk for Databricks
Ting skjer raskt nok til at disse førstegenerasjonsinnovasjonene snart kan bli ordspråklige “bordpinner”. Etter hvert som analyseselskaper deretter går over i konkurransedyktig differensiering, kan AI -verden bli mer interessant, relevant, tilgjengelig og forhåpentligvis også lettere gransket og pålitelig.
Relaterte emner:
Big Data Analytics Digital Transformation CXO Internet of Things Innovation Enterprise Software 