به‌روزرسانی‌های جدید Databricks هدف دارند تا توسعه برنامه‌ها و عوامل هوش مصنوعی نسل جدید را ساده‌تر کنند.

تحلیل‌گران به‌روزرسانی‌ها را به‌عنوان استراتژی Databricks برای نزدیک‌تر شدن به کاربران سازمانی و افزایش چسبندگی محصولاتش می‌بینند.

[

پروایدر Data lakehouse دیتابریکس چهار بروزرسانی جدید به سبد محصولات خود معرفی می‌کند تا به سازمان‌ها کمک کند کنترل بیشتری بر توسعهٔ عوامل و سایر برنامه‌های مبتنی بر هوش مصنوعی مولد داشته باشند.

,

یکی از ویژگی‌های جدید به عنوان بخشی از بروزرسانی‌ها، حاکمیت متمرکز است که برای کمک به مدیریت مدل‌های زبان بزرگ، چه منبع باز و چه منبع بسته، در دروازه Mosaic AI طراحی شده است. این ویژگی در حال حاضر در پیش‌نمایش عمومی است.

,

تحقیقات ما نشان می‌دهد که حاکمیت یکی از مهم‌ترین نگرانی‌های شرکت‌ها در مورد ابتکارات هوش مصنوعی آن‌ها است، زیرا به دلیل وجود مؤلفه‌های متعدد در فرآیند، پیچیده می‌شود، گفت دیوید منینگر، مدیر اجرایی در شرکت مشاوره‌ای ISG.

,

قابلیت حاکمیت متمرکز، به گفتهٔ مدیر فناوری و تجربه در شرکت مشاوره‌ای West Monroe، دوگ مک‌ویلیامز، «یک ساده‌ساز بسیار بزرگ» است.

,

«این اطمینان می‌دهد که امنیت، کنترل‌های دسترسی و انطباق به‌صورت پیوسته حفظ می‌شوند، در حالی که هزینه‌ها را با حذف موارد تکراری و ساده‌سازی هزینه‌های مجوز کاهش می‌دهد. همچنین نظارت و رفع مشکلاتی مانند انحراف یا تعصب را آسان‌تر می‌کند»، مک‌ویلیامز توضیح داد.

,

«در مجموع این باید فرآیند تأیید برای تیم‌های حقوقی، انطباق و امنیت را نیز ساده کند و به آن‌ها اجازه دهد مدل‌ها را از طریق یک رابط واحد بررسی و تأیید کنند»، مک‌ویلیامز افزود.

,

پرس‌وجوی SQL تک برای اجرای استنتاج دسته‌ای

,

به‌منظور کمک به سازمان‌ها برای اجرای یک پرس‌وجوی هوش مصنوعی بدون نیاز به راه‌اندازی زیرساخت، دیتابریکس قابلیت جدیدی به نام استنتاج دسته‌ای بدون پیش‌تخصیص (Provision-Less Batch Inference) اضافه می‌کند.

,

قابلیت جدید، که در پیش‌نمایش عمومی است، روش نوینی برای اجرای استنتاج دسته‌ای از طریق Mosaic AI با یک پرس‌وجوی SQL است و سازمان‌ها فقط بابت زیرساختی که استفاده می‌کنند پرداخت می‌کنند، این تامین‌کننده لِیک‌هاوس گفت.

,

«استنتاج دسته‌ای بدون پیش‌تخصیص گامی بزرگ به جلو برای استقرار هوش مصنوعی است، زیرا مقیاس‌پذیری هوش مصنوعی را آسان‌تر می‌کند و با استفاده فقط در زمان نیاز از منابع، هزینه‌ها را صرفه‌جویی می‌کند»، مک‌ویلیامز گفت.

,

منینگر از ISG این قابلیت جدید را به عنوان یک عملکرد بدون سرور (serverless) می‌بیند که نیاز به تنظیمات پیش‌پیش‌دار را از بین می‌برد.

,

«بدون این قابلیت، توسعه‌دهندگان باید کار اضافی انجام دهند – آن‌ها نیاز به پیش‌تخصیص یا راه‌اندازی برخی منابع برای پردازش درخواست‌های استنتاج دارند»، منینگر توضیح داد.

,

علاوه بر این، مک‌ویلیامز معتقد است که رابط مبتنی بر SQL استنتاج دسته‌ای را برای تحلیل‌گران داده‌ای که تخصص MLOps ندارند، در دسترس می‌کند.

,

«این امکان‌پذیر می‌شود تا امکانات جدیدی مثل پردازش میلیون‌ها درخواست پشتیبانی مشتری در طول شب برای شناسایی روندها، غنی‌سازی داده‌های فهرست محصولات با توصیفات تولید شده توسط هوش مصنوعی، اجرای بررسی‌های منظم انطباق، و ارزیابی پایگاه‌های داده مشتری برای خطر خروج هفتگی — همه اینها بدون نیاز به زیرساخت خاص— فراهم شود»، مک‌ویلیامز توضیح داد.

,

دیتابریکس همچنین برنامه ارزیابی مرور عامل (Agent Evaluation Review App) که پیش‌تر منتشر شده بود، به‌روزرسانی کرده است تا الآن به متخصصان حوزه اجازه دهد ارزیابی‌ها را ارائه دهند، ردپای‌ها را برای برچسب‌گذاری بفرستند و معیارهای ارزیابی سفارشی تعریف کنند — بدون نیاز به صفحات گسترده یا برنامه‌های سفارشی‌ساخته.

,

«با ساده‌سازی جمع‌آوری بازخوردهای ساختار یافته، تیم‌های (سازمانی) می‌توانند عملکرد عامل هوش مصنوعی را به‌طور مستمر بهبود بخشند و پیشرفت‌های دقیق‌سازانه سیستماتیک را هدایت کنند»، شرکت توضیح داد.

,

در دسامبر، دیتابریکس ماژول ارزیابی عامل Mosaic AI خود را با یک API جدید برای تولید داده‌های مصنوعی به‌روزرسانی کرد که انتظار می‌رفت به سازمان‌ها کمک کند تا عوامل را سریع‌تر ارزیابی کنند.

,

API Genie برای گسترش تحلیل داده‌ها به برنامه‌های سفارشی و بهره‌وری

,

به‌عنوان بخشی از به‌روزرسانی، ارائه‌دهنده لِیک‌هاوس داده‌ها API مجموعه مکالمه AI/BI Genie را در پیش‌نمایش عمومی معرفی کرده است که انتظار می‌رود به توسعه‌دهندگان کمک کند تا چت‌بات‌های مبتنی بر زبان طبیعی را مستقیماً در برنامه‌های سفارشی یا ابزارهای بهره‌وری، مانند Microsoft Teams، Sharepoint و Slack، وارد کنند.

,

Genie یک ابزار بدون کد (no-code) با رابطی است که به کاربران امکان می‌دهد داده‌ها را با طرح سؤال به زبان طبیعی تحلیل کنند. این ابزار می‌تواند برای توضیح داده‌ها، نمایش‌های بصری تولید کند.

,

«با استفاده از API Genie، کاربران می‌توانند به‌صورت برنامه‌نویسی درخواست‌ها را ارسال کرده و بینش‌ها را همان‌طور که در رابط کاربری Genie دریافت می‌کردند، دریافت کنند. این API حالت‌دار است و امکان نگهداری زمینه در طی چند سؤال پیگیری در یک رشته مکالمه را فراهم می‌کند»، شرکت در یک پست وبلاگی نوشت.

,

به گفتهٔ ارنال دیاراطنا، معاون رئیس‌جمهور تحقیقاتی IDC، این API نه تنها قابلیت گسترش دستیاران مکالمه‌ای که از داده‌های دیتابریکس بهره می‌برند را افزایش می‌دهد، بلکه پل بین در دسترس بودن داده‌ها و قابلیت دسترسی به آن‌ها را می‌سازد و به این ترتیب استخراج سریع‌تر بینش‌های قابل اقدام را ممکن می‌سازد.

,

یکی دیگر از مزایای این API این است که دسترسی به داده‌ها را به‌صورت دموکراتیک فراهم می‌کند؛ کاربران کسب‌وکار می‌توانند با استفاده از زبان طبیعی با داده‌ها تعامل داشته باشند و موانع فنی مانند تخصص SQL را حذف می‌کند.

,

به‌علاوه، برای توسعه‌دهندگان، این API کار را با ارائه ویژگی‌های مکالمه پیش‌ساخته کاهش می‌دهد، تا آن‌ها بتوانند به جای ساخت این واسط‌ها از ابتدا، بر وظایف مهم دیگر متمرکز شوند، مک‌ویلیامز از West Monroe گفت.

,

مقایسهٔ API Genie با API تازه منتشر شده Salesforce Agentforce، مک‌ویلیامز گفت نسخهٔ دیتابریکس بیشتر با دریاچه داده‌هایشان و ابزارهای BI یکپارچه است و تحلیل‌ها را کمی بیشتر مکالمه‌ای می‌کند در حالی که رویکرد Salesforce ایجاد عوامل مستقل است.

,

به گفتهٔ جیسون اندرسن، تحلیلگر ارشد Moor Insights and Strategy، این رویکرد بسیار شبیه به رویکرد AWS با Amazon Bedrock است.

,

استراتژی دیتابریکس و چشم‌انداز عامل‌محور

,

تحلیل‌گران همچنین این به‌روزرسانی‌ها را به‌عنوان استراتژی دیتابریکس برای نزدیک‌تر شدن به کاربران سازمانی و افزایش چسبندگی پیشنهاداتش می‌بینند.

,

«با یکپارچه‌سازی مسیر داده‑به‑AI، دیتابریکس پلتفرمی ایجاد می‌کند که همه چیز را از داده‌های خام تا هوش مصنوعی عملیاتی مدیریت می‌کند و نیاز به محصولات دیگر را حذف می‌نماید»، مک‌ویلیامز از West Monroe گفت و افزود که این استراتژی پلتفرم آن‌ها را چسبان‌تر می‌کند، ریزش مشتریان را کاهش می‌دهد و با گسترش پایگاه کاربران درون سازمان‌ها، درآمد را افزایش می‌دهد.

,

در حوزه عامل‌محور، منینگر از ISG معتقد است که دیتابریکس نسبت به دیگران مزیتی دارد زیرا رویکرد آن فنی‌تر است و «امکان ایجاد عوامل پیچیده‌تر که ممکن است فعالیت‌ها را خودکار کنند» در هر حوزه‌ای که داده دارد، فراهم می‌کند.

,

اما منینگر معتقد است این مزیت به هزینهٔ کسانی که می‌توانند این عوامل را ایجاد کنند می‌آید — به‌طور کم‌تری کاربران کسب‌وکار.

,

«تمام ارائه‌دهندگان سعی می‌کنند برتری خود را در جنگ‌های عامل به دست آورند. با این حال، بسیاری از آنچه امروز رخ می‌دهد فقط «شستشوی عامل» است – فراخوانی چت‌بات‌ها به عنوان عامل. قابلیت‌های واقعی عامل‌محور هنوز پیچیده و فنی هستند و نیاز به برنامه‌نویسی دارند»، منینگر گفت. «به نظر می‌رسد Salesforce و ServiceNow بسیار بر قابلیت‌های مکالمه‌محور تمرکز دارند و ایجاد عوامل را آسان می‌سازند، اما شاید به هزینهٔ انواع وظایفی که این عوامل می‌توانند انجام دهند».

]