أطلقت أبوريا أداة تحليل السبب الجذري لتحليل البيانات في الوقت الفعلي

أعلنت اليوم Aporia ، وهي منصة مراقبة بلغة الآلة (ML) ، عن إطلاق أداة تهدف إلى تسهيل التحقيق في بيانات الإنتاج. تؤكد الشركة أن أداة غرفة التحقيق في الإنتاج (Production IR) تزود علماء البيانات ومهندسي ML والمحللين بمنصة مراقبة موحدة “فريدة من نوعها” توفر بيئة رقمية لتحليل البيانات في الوقت الفعلي ، والسبب الجذري تحقيق ورؤى عميقة.

تقليديًا ، كان التحقيق في بيانات الإنتاج معقدًا ويستغرق وقتًا طويلاً ، ويعيقه التعاون المحدود وتغييرات التعليمات البرمجية.

تدعي Aporia أن الأداة الجديدة تبسط العملية بواجهة سهلة الاستخدام وقابلة للتخصيص تذكرنا بجهاز كمبيوتر محمول. وهذا من شأنه أن يلغي الحاجة إلى ترميز مكثف ومساعدة أصحاب المصلحة على استخلاص رؤى قيمة من بيانات الإنتاج الخاصة بهم.

“يوفر IR للإنتاج وصولاً مركزياً للتحقيق في بيانات إنتاج الذكاء الاصطناعي / التعلم الآلي. [It] يزيل تحديات وآلام الأساليب التقليدية ، مثل الوصول المقيد إلى البيانات ، والتعاون المحدود والحاجة إلى كتابة كود مكثف ، “قال ليران هسون ، الشريك المؤسس والرئيس التنفيذي لشركة Aporia ، لموقع VentureBeat. “من خلال اتصال Aporia المباشر بقاعدة بيانات المستخدم (DDC) ، فإنه يتيح الوصول السريع والفعال إلى البيانات الضخمة ، مما يسهل التعامل مع مجموعات البيانات الكبيرة.”

أكد هاسون على أن التصورات المركزية لبيانات الإنتاج تعزز التعاون وتسريع تحليل السبب الجذري (RCA).

يجادل بأن هذا النهج يحسن أداء نموذج ML ويعزز كفاءة وفعالية استكشاف البيانات. تعمل المنصة أيضًا على تمكين المحققين من ترك الملاحظات والإبلاغ عن التقدم وتنبيه الآخرين بشأن قضايا محددة ، مما يسهل التحقيق التعاوني.

وفقًا لـ Aporia ، يوفر العرض الجديد قابلية عالية للتخصيص لتلبية الاحتياجات المحددة ويمكن تهيئته بسهولة لاستيعاب مجموعات البيانات والمتطلبات المختلفة ، مما يتيح تصور التحقيقات دون عناء.

علاوة على ذلك ، يقوم IR للإنتاج تلقائيًا بتكوين استعلامات البيانات الضخمة ، مما يخفف من التحديات المرتبطة بنماذج الإنتاج واسعة النطاق وتحليل البيانات.

وقالت الشركة إن الطبيعة التعاونية للأداة الجديدة تعزز مشاركة المعرفة بين المستخدمين. يتيح مقارنة التحليلات ويسهل مشاركة الأفكار داخل منصة Aporia.

أضاف هاسون من Aporia: “يمكن لمهندسي ML وعلماء البيانات الاستفادة من قدراتها لإنشاء لوحات معلومات تفاعلية يمكن مشاركتها ودمجها مع الأدوات المفضلة مثل Databricks و Snowflake والمزيد”. “[With] طريقة عرض موحدة للبيانات والرؤى ، يمكن لجميع أعضاء الفريق الوصول إلى نفس المعلومات “.

تبسيط تحليل السبب الجذري من خلال مراقبة البيانات الموحدة

أشار هاسون إلى أن تحليل السبب الجذري التقليدي (RCA) يعتمد على ترميز واسع النطاق ، والذي يستهلك الموارد ، ويسبب التأخير ، ويعزل الرؤى ويزيد من احتمال حدوث خطأ بشري. بالإضافة إلى ذلك ، يرتبط تحليل السبب الجذري عادةً بتكاليف عالية.

“يتغلب IR الإنتاج على هذه التحديات من خلال تقديم رؤى لتحسين النماذج. [It] يقدم خيارات التخصيص ، ويوفر تجربة تفاعلية لعلماء ومهندسي البيانات ، مما يعزز تحقيقًا تعاونيًا “. “يؤدي هذا إلى تسريع متوسط ​​الوقت اللازم لحل المشكلة (MTTR) وتبسيط عملية تحليل السبب الجذري من خلال تحسين سرعة الاستجابة وخفة الحركة مع تقليل عدد الموارد المستثمرة في المهام.”

مع مجموعة واسعة من ميزات التحليل ، يهدف IR للإنتاج إلى تبسيط التحقيق في البيانات ، بما في ذلك تحليل القطاعات ، وإحصاءات البيانات ، وتحليل الانجراف ، وتحليل التوزيع ، والاستجابة للحوادث.

تتيح ميزة تحليل الشرائح في Aporia للمحققين تقسيم بياناتهم إلى شرائح أصغر وأكثر قابلية للإدارة. وهذا يسمح بفحص دقيق لمجموعات فرعية محددة من البيانات ، والتي يمكن أن تساعد في تحديد الأنماط أو الشذوذ أو الارتباطات التي قد لا تكون واضحة عند النظر إلى البيانات ككل “، قال هاسون. تعمل الميزات الجديدة لمنصتنا على تمكين المحققين من القدرات التحليلية التي تمكنهم من إجراء تحقيقات أكثر كفاءة وفعالية.

ذكاء اصطناعي مسؤول وأخلاقي ، بموثوقية وكفاءة

تدعي Aporia أن قدرة الاستجابة للحوادث في الأداة تعزز موثوقية منتجات الذكاء الاصطناعي وكفاءتها ، مما يمكّن صانعي القرار من معالجة المشكلات أو التهديدات بشكل فعال. وقالت الشركة إنه يمكن للمنظمات معالجة التحديات المحتملة بشكل استباقي من خلال دمج الاستجابة للحوادث في ممارسات الذكاء الاصطناعي وضمان نشر الذكاء الاصطناعي بشكل مسؤول وأخلاقي.

علاوة على ذلك ، تشتمل الأداة على جهاز عرض مدمج ، مما يسمح للمستخدمين بتمثيل البيانات غير المهيكلة بصريًا في 2D و 3D باستخدام تقليل أبعاد UMAP.

قال هاسون: “إن جهاز عرض التضمين هو أداة تساعد المستخدمين على تصور واستكشاف البيانات المعقدة غير المهيكلة ، مثل بيانات النص أو الصورة ، في مساحة منخفضة الأبعاد ، وعادة ما تكون تصورات ثنائية أو ثلاثية الأبعاد”. تستخدم تقنية تقليل الأبعاد تسمى التقريب والإسقاط المتشعب الموحد (UMAP). يمكن ملاحظة ذلك بسهولة في تصور جهاز عرض التضمين “.

قال هاسون إن هذه الميزة مهمة لنماذج NLP و LLM و CV ، لأنها توفر فهمًا شاملاً لبيانات الإنتاج وتحفز التحسينات في نماذج ML.

وأوضح أن جهاز عرض التضمين يحلل الترتيبات المكانية لنقاط البيانات والعلاقات القربية والهندسية للكشف عن الأنماط داخل البيانات. تكشف هذه الأنماط عن الهياكل أو الاتجاهات أو الارتباطات الأساسية التي قد لا تكون واضحة بسهولة في البيانات الأصلية عالية الأبعاد.

قال هاسون لـ VentureBeat: “من خلال الاستفادة من جهاز عرض التضمين مع UMAP ، يكتسب المستخدمون أيضًا فهمًا أعمق لبياناتهم غير المهيكلة ، مما يتيح مهام مثل تحليل البيانات وتفسير النماذج وهندسة الميزات وإنشاء الفرضيات في مجالات البرمجة اللغوية العصبية والماجستير والسيرة الذاتية”.

ما التالي بالنسبة لأبوريا؟

قال هاسون إن أبوريا تهدف إلى إضفاء الطابع الديمقراطي على الذكاء الاصطناعي وتسريع استخدامه ، وتمكين الشركات من بناء الثقة وضمان الاستخدام الآمن. وأشار إلى أن عواقب أخطاء الذكاء الاصطناعي يمكن أن تختلف من مجرد إزعاج إلى تأثيرات محتملة تغير الحياة.

تخيل لو أخطأ نظام الذكاء الاصطناعي في الرعاية الصحية في تشخيص حالة المريض أو إذا فشل نموذج التنبؤ المالي في التنبؤ باتجاهات السوق بدقة. يمكن أن تكون التداعيات خطيرة. ومن ثم ، فمن الضروري التأكد من أن أنظمة الذكاء الاصطناعي ليست فعالة فحسب ، بل أيضًا موثوقة ومفهومة وجديرة بالثقة “.

صرح Hason أن Aporia كرست نفسها لمساعدة الشركات في تحقيق الذكاء الاصطناعي المسؤول من خلال منصة المراقبة ML الخاصة بها. وأكد أن المنصة تتيح الشفافية من خلال تقديم رؤى واضحة لعملية صنع القرار في مجال الذكاء الاصطناعي ، وتعزيز ثقة المستخدم وتوسيع نطاق اعتماد الذكاء الاصطناعي.

“في أبوريا ، هدفنا الأساسي هو ضمان وتمكين الذكاء الاصطناعي المسؤول لكل فرد في جميع أنحاء العالم. نحن ملتزمون ببناء منصة تقدم حلاً شاملاً للمؤسسات للتعامل مع أنظمة الذكاء الاصطناعي الخاصة بهم بمسؤولية وفعالية. “مسعانا هو أكثر من مجرد إنشاء تقنية ؛ إنه يتعلق بإنشاء بيئة آمنة وموثوق بها لـ استخدام الذكاء الاصطناعي في جميع الصناعات “.