يهدف بائع MLOps مفتوح المصدر إلى منح المستخدمين “ذروة التسلل” في عمليات نشر الذكاء الاصطناعي
انضم إلى كبار المديرين التنفيذيين في سان فرانسيسكو يومي 11 و 12 يوليو ، لمعرفة كيف يدمج القادة استثمارات الذكاء الاصطناعي ويحسنونها لتحقيق النجاح.. يتعلم أكثر
أدرك موسى جوتمان ، الشريك المؤسس والرئيس التنفيذي لشركة ClearML ، أن هناك إمكانية لأداة MLOps القائمة على المصدر المفتوح التابعة لشركته. ما لم يكن يعرفه هو أن ظهور ChatGPT في أواخر عام 2022 من شأنه أن يسرع السوق بأكملها وشركته معها.
أعلنت شركة ClearML اليوم عن سلسلة من التحديثات لمنصتها ، جنبًا إلى جنب مع النمو القوي في الربع الأول من عام 2023 مع أكثر من 1300 شركة عالمية تستخدم الآن منصة ClearML MLOps. يتم تعزيز الزخم من خلال الطلب المتزايد والاهتمام بتطوير ونشر نماذج التعلم الآلي (ML) ، حيث تتطلع المؤسسات من جميع الأحجام إلى الاستفادة من التكنولوجيا.
مع MLOps ، الفكرة الأساسية هي تزويد المؤسسات بالأدوات اللازمة للمساعدة في إدارة سير العمل لبناء واختبار التعلم الآلي. يحتوي ClearML على مشروع مفتوح المصدر بالإضافة إلى إصدار مؤسسي ظهر لأول مرة في سبتمبر 2022.
من بين الإمكانات الجديدة التي تطلقها ClearML ميزة تسميها الشركة “ذروة التسلل” والتي تتجاوز قليلاً وظائف MLOps التقليدية. مع ذروة التسلل ، يمكن للمستخدمين نشر نماذج الاختبار ومعاينتها بشكل متكرر في الوقت الفعلي ، بينما لا تزال النماذج قيد التطوير. تضيف ClearML أيضًا إمكانات سلالة نموذجية جديدة يمكن أن تساعد في إمكانية شرح الذكاء الاصطناعي.
حدث
تحويل 2023
انضم إلينا في سان فرانسيسكو يومي 11 و 12 يوليو ، حيث سيشارك كبار المسؤولين التنفيذيين في كيفية دمج استثمارات الذكاء الاصطناعي وتحسينها لتحقيق النجاح وتجنب المزالق الشائعة.
سجل الان
قال جوتمان لـ VentureBeat: “لقد رأينا 150.000 من علماء البيانات يستخدمون ClearML في الربع الأخير فقط”. “نعزو قدرًا كبيرًا من الاهتمام إلى الضجيج حول ChatGPT ، مع إدراك الجميع بشكل أساسي أنه يتعين عليهم الانضمام إلى الخدمة.”
“ذروة التسلل” في مستقبل تطوير النموذج
يتضمن سير عمل MLOps عادةً مجموعة من الخطوات لمساعدة علماء البيانات في بناء نموذج.
ما تفعله ClearML بنهج ذروة التسلل الخاص بها هو السماح لعلماء البيانات بنشر التطبيقات الداخلية المدعومة بالتعلم الآلي بسهولة من أجل المنتج ووحدات الأعمال لتجربتها كجزء من عملية التطوير. الهدف ، وفقًا لـ Guttmann ، هو جعل تطوير ML أكثر سهولة وتقصير الوقت الذي تستغرقه المنظمات للحصول على قيمة من العملية برمتها.
قال جوتمان: “كان ClearML قبل ذلك أكثر استهدافًا لمهندس تعلم آلي أو جمهور مطور”. “من خلال النظرة الخاطفة ، نستهدف أيضًا الأشخاص المنتجين”.
حالة الاستخدام الناشئة التي شاهدها جوتمان هي تنفيذ ML مباشرة داخل المنتجات مع نهج التعلم المستمر. وأشار إلى أن هناك منظمات تستخدم الآن ClearML حيث يتم تدريب النماذج باستمرار أثناء جمع البيانات.
قال: “لقد رأينا شركات تنشر أتمتة التعلم الآلي كجزء من المنتج نفسه”. “لذا فإن المنتج نفسه لديه هذه القدرة على التدريب بنفسه.”
تحسين قابلية شرح الذكاء الاصطناعي باستخدام نسب النموذج
هناك مجال آخر لتحسين ClearML يتمثل في إضافة قدرات نسب جديدة للنموذج.
باستخدام سلالة النموذج ، يمكن للمؤسسة تتبع مصدر العناصر المختلفة للنموذج وكيف تتغير بمرور الوقت.
قال جوتمان: “مع مرور الوقت ، من المهم جدًا أن تكون قادرًا على القيام ببعض الأدلة الجنائية على النماذج التي يتم نشرها”. “لذلك إذا حدث خطأ ما ، فيمكننا تتبع مصدر التعليمات البرمجية الأصلي والبيانات التي تم استخدامها لتدريب هذا النموذج المحدد.”
مع نسب النموذج ، قال إن ClearML يوفر الآن تصورات واضحة للمساعدة في فهم من أنشأ النموذج وأين يتم استخدام النموذج في الإنتاج. تعد القدرة على تتبع النسب عنصرًا حاسمًا في قابلية شرح الذكاء الاصطناعي ، مما يساعد المؤسسات على أن تكون قادرة على تتبع ما تم تطويره بشكل واضح.
وقال: “نحن نحاول الدفاع عن تطوير نموذج آمن”.
مهمة VentureBeat هو أن تكون ساحة المدينة الرقمية لصناع القرار التقنيين لاكتساب المعرفة حول تكنولوجيا المؤسسات التحويلية والمعاملات. اكتشف إحاطاتنا.
