استحوذت Databricks على Okera لتعزيز منصة حوكمة البيانات التي تعتمد على الذكاء الاصطناعي

أعلنت Databricks اليوم أنها ستستحوذ على Okera بائع منصة حوكمة البيانات المملوكة للقطاع الخاص. تتمثل الخطة في دمج تقنية Okera في حل حوكمة البيانات الحالي لـ Databricks ، Unity Catalog ، مما يوفر المزيد من الوظائف التي تعمل بالذكاء الاصطناعي.

قال رينولد شين ، أحد مؤسسي Databricks وكبير المهندسين المعماريين لـ VentureBeat: “من خلال جلب فريق Okera الموهوب والاستفادة من خبراتهم في المجال ، سنعمل على تسريع خارطة طريق Unity Catalog وتوفير أفضل إدارة في فئتها لـ Lakehouse”.

لم يتم الكشف عن الشروط المالية للصفقة علنا.

مقرها في سان فرانسيسكو ، تأسست Okera في عام 2016 وجمعت تمويلًا بقيمة 29.6 مليون دولار قبل الاستحواذ عليها. كان تركيز Okera في السنوات الأخيرة على استخدام الذكاء الاصطناعي لإدارة البيانات وأمن البيانات.

من ناحية أخرى ، جمعت Databricks مبلغًا مذهلاً قدره 3.5 مليار دولار من رأس المال الاستثماري لبناء مستودع البيانات وتقنيات الذكاء الاصطناعي. تصدرت Databricks مؤخرًا عناوين الصحف لدخولها إلى مساحة الذكاء الاصطناعي التوليدية مع إطلاق Dolly ، استنساخ ChatGPT.

لم يكن Databricks و Okera غريبين قبل إعلان الاستحواذ. أشار شين إلى أن Nong Li ، المؤسس المشارك والرئيس التنفيذي لشركة Okera ، معروف على نطاق واسع بإنشاء Apache Parquet ، وهو تنسيق تخزين قياسي مفتوح المصدر يعتمد عليه Databricks وبقية الصناعة. عمل لي أيضًا سابقًا في Databricks وقاد جهود باركيه وكوديجين المتجهية التي أدت إلى تحسين أداء Apache Spark 2.0 بمعدل 10x.

ما تقدمه Okera إلى Databricks

سواء كان الأمر يتعلق بالتحليلات أو التعلم الآلي (ML) ، فإن البيانات أساسية. تعد القدرة على التحكم في تلك البيانات بشكل صحيح أمرًا بالغ الأهمية لكل من الدقة والأمان والامتثال.

قال شين إنه مع Okera ، سيتمكن العملاء من استخدام الذكاء الاصطناعي لاكتشاف وتصنيف وإدارة جميع بياناتهم وتحليلاتهم وأصول الذكاء الاصطناعي من خلال سياسات الوصول القائمة على السمات والقصد. تتعلق الحوكمة أيضًا بإمكانية الملاحظة – وهو مجال آخر ستساعد فيه تقنية Okera. وأشار شين إلى أن Okera ستساعد في دعم قاعدة بيانات Databricks في بحيرة Lakehouse ، مما يمكّن المنظمات من التدقيق المركزي والإبلاغ عن استخدام البيانات الحساسة عبر التحليلات وتطبيقات الذكاء الاصطناعي.

للمضي قدمًا ، فإن الجمع بين Okera و Databricks سيمكن المستخدمين من تتبع نسب البيانات تلقائيًا إلى مستوى العمود.

قال شين: “الفكرة هي أن العملاء سيحصلون على نظرة شاملة لملكية البيانات الخاصة بهم عبر السحب”.

ضوابط أمنية جديدة في الطريق

جزء من الحوكمة هو أيضًا القدرة على توفير الضوابط اللازمة للسماح بالوصول المصرح به فقط. هذا مجال ستكون فيه تقنية Okera مفيدة أيضًا لمنصة Databricks في المستقبل.

قال شين: “تعمل Okera أيضًا على تطوير تقنية عزل جديدة يمكنها دعم أعباء العمل التعسفية مع فرض الرقابة على الحوكمة دون التضحية بالأداء”. “سيساعد الشركات على تغطية مجموعة كاملة من التطبيقات في العالم الجديد بكفاءة.”

تقنية العزل حاليًا في معاينة خاصة وتم اختبارها بواسطة عدد من Databricks المشتركة وعملاء Okera على أعباء عمل الذكاء الاصطناعي الخاصة بهم بالفعل.

حواجز أم حوكمة؟ ما المطلوب للذكاء الاصطناعي؟

نظرًا لأن الذكاء الاصطناعي أصبح أكثر قوة وتنوعًا ، فقد اكتسبت مسألة كيفية ضمان سلامته واستخدامه الأخلاقي إلحاحًا. كشفت Nvidia ، إحدى الشركات الرائدة في هذا المجال ، عن مبادرة جديدة الشهر الماضي تسمى NeMo Guardrails ، والتي تهدف إلى مساعدة المطورين على مراقبة وتنظيم مخرجات نماذج الذكاء الاصطناعي التوليدية التي يمكنها إنشاء نصوص وصور وكلام واقعي.

يرى شين و Databricks أيضًا الحاجة إلى حواجز الحماية ، فضلاً عن الحوكمة للذكاء الاصطناعي.

قال شين: “في هذا العالم الجديد للذكاء الاصطناعي ، تعد إدارة حواجز الحماية على البيانات الأساسية التي يتم تدريب نماذج الذكاء الاصطناعي عليها ، مثل LLMs ، أمرًا بالغ الأهمية للتخفيف من التحيزات والحفاظ على الامتثال إذا تم تدريبهم على البيانات الخاصة”. “من أجل الشفافية ، من الأهمية بمكان أيضًا أن تكون قادرًا على تتبع نسب البيانات حتى تتمكن من التأكد من أن هذه النماذج ملائمة ومحدثة وجديرة بالثقة.”

علق شين على أن تصنيف Okera للعلامات المدعومة بالذكاء الاصطناعي لجميع البيانات وأصول الذكاء الاصطناعي يوفر رؤية شاملة للبيانات الحساسة ، مثل معلومات التعريف الشخصية (PII). وأضاف أنه سيساعد العملاء على فرض هذه الحواجز – ليس فقط على البيانات الأساسية ، ولكن أيضًا على نماذج وميزات ML

قال شين: “يمكن للذكاء الاصطناعي أن يقدم قيمة قصوى للمنظمات التي تتطلع إلى تسخير بياناتها ، ولكن كما أشار الكثير من رواد الذكاء الاصطناعي ، يمكن أيضًا إساءة استخدامها ، وهذا هو سبب ضرورة وجود إرشادات مدروسة”. “الطريقة التي نراها كلانا ، مبادئ الحوكمة – المساءلة والتوحيد القياسي والامتثال والجودة والشفافية – تنطبق على الذكاء الاصطناعي بقدر ما تنطبق على البيانات.”