قابلیتهای جدید هوش مصنوعی Mosaic، همه در پیشنمایش، به شرکتها کمک میکند تا برنامههای کاربردی هوش مصنوعی مولد را بر روی پلتفرم Databricks بسازند.
به گفته روز چهارشنبه،
Databricks در حال آماده شدن برای ارائه پشتیبانی بیشتر به شرکت هایی است که برنامه های کاربردی هوش مصنوعی تولید می کنند، با افزودن قابلیت های جدید هوش مصنوعی Mosaic.
ویژگیهای جدید، پیشنمایششده در نشست جاری داده + AI ارائهدهنده data lakehouse، به دنبال سادهسازی آموزش و مدیریت برنامههای هوش مصنوعی مولد هستند. آنها به مجموعه دیگری میپیوندند که با خرید مدل زبان بزرگ (LLM) و ارائهدهنده نرمافزار آموزش مدل MosaicML به مبلغ ۱.۳ میلیارد دلار در یک سال پیش ساخته شده است.
Mosaic AI Agent Framework برای تسریع توسعه برنامه هوش مصنوعی نسل
در ابتدا، Mosaic AI Agent Framework، که اکنون در پیش نمایش عمومی قرار دارد، با هدف تسریع توسعه برنامه های کاربردی هوش مصنوعی مبتنی بر بازیابی نسل افزوده شده (RAG)، تکنیکی مفید برای پایه گذاری مدل های پایه در داده های سازمانی.
به گفته تحلیلگران، در حالی که کاربران Databricks برای مدتی با استفاده از ابزارهای جایگزین توانسته اند RAG را در بالای پلتفرم خود بسازند، چارچوب عامل هوش مصنوعی Mosaic را می توان به عنوان شرکتی در نظر گرفت که این جنبه از هوش مصنوعی مولد را عملیاتی و تولید می کند.
>
برادلی شیمین، تحلیلگر ارشد Omdia گفت: «چارچوب عامل هوش مصنوعی به شرکتها کمک میکند تا با خطوط لوله RAG راهاندازی کنند و بدون نیاز به رول کردن مدلهای تعبیهشده، الگوریتمهای تعبیهشده، و ایجاد فروشگاه بردار خودشان، راحتتر عمل کنند. .
علاوه بر این، تحلیلگر گفت که حرکت Databricks برای پیشنمایش چارچوب عامل هوش مصنوعی مطابق با روند بازار تمام سازندگان مدل است که برای ایجاد قابلیتهای مدل تعبیهشده اختصاصی خود تلاش میکنند.
«در اوایل، مدل تعبیهسازی OpenAI واقعاً عادی شد، اما همانطور که در حال یادگیری هستیم، مدلهای جاسازی به همان اندازه اهمیت دارند، اگر نه بیشتر از LLMهای مولد، از نظر اطمینان از اینکه معنای متنی اطلاعات شرکت به بهترین شکل به یک شرکت ارائه میشود. LLM برای بسیاری از موارد استفاده،” Shimmin توضیح داد.
در ماه نوامبر، رقیب Snowflake قابلیت های مشابهی را به پیشنهاد Cortex خود اضافه کرد.
در کنار چارچوب هوش مصنوعی عامل، Databricks ابزار ارزیابی عامل هوش مصنوعی را نیز اضافه کرده است که در پیش نمایش عمومی نیز قرار دارد.
طبق گفته این شرکت، این ابزار از هوش مصنوعی برای بررسی کیفیت بالای خروجی های یک برنامه مبتنی بر RAG استفاده می کند و رابطی را فراهم می کند تا امکان بازخورد از ذینفعان انسانی را فراهم کند.
در مرحله آزمایش و تحقیق، شرکت این قابلیت را به عنوان آزمایشگاه کیفیت هوش مصنوعی موزاییک نامگذاری کرده بود.
Mosaic AI Gateway برای کمک به مدیریت برنامهها، مدلها
موضوع دیگر، دروازه هوش مصنوعی Mosaic، با هدف کمک به شرکتها در مدیریت LLM و برنامههای کاربردی مبتنی بر هوش مصنوعی مولد است. Databricks گفت که این یک رابط یکپارچه برای پرس و جو، مدیریت و استقرار هر مدل منبع باز یا اختصاصی ارائه می دهد و اضافه می کند که این به شرکت ها امکان می دهد بدون نیاز به ایجاد تغییرات پیچیده در کد برنامه، LLM را تغییر دهند که برنامه های آنها را تامین می کند. نردههای محافظ آن همچنین شرکتها را قادر میسازد افرادی را که با مدل تماس میگیرند ردیابی کنند، محدودیتهای نرخ را برای کنترل هزینهها تنظیم کنند، و برای ایمنی و اطلاعات شناسایی شخصی (PII) فیلتر کنند.
به گفته Omdia’s Shimmin، این قابلیت جدید بر اساس API ML Gateway این شرکت است که سال گذشته معرفی شد.
“این اساساً برای کمک به مشتریان برای سادهسازی نحوه نوشتن کد برای LLM توسط توسعهدهندگان، ایجاد یک لایه انتزاعی از سازگاری برای مبادله بهتر داراییهای هوش مصنوعی مختلف، مانند مدلها، منابع داده و غیره است.” شیمین گفت.
به گفته استیون دیکنز، مدیر اجرایی ابر هیبریدی در گروه Futurum، رابط هوش مصنوعی همچنین “نیاز حیاتی” را برای شرکتها برای نظارت و کنترل استفاده از مدل برطرف میکند و از انطباق با آن اطمینان مییابد.
این شرکت همچنین در حال معرفی مجموعهای از ابزارها برای اجرای LLM و بهرهبرداری از آنها، تحت سرپرستی کاتالوگ ابزار هوش مصنوعی Mosaic است. برخلاف سایر موارد اضافه شده، این در پیش نمایش خصوصی است.
آیا این ویژگیهای جدید Databricks را جلوتر از Snowflake نگه میدارد؟
انتظار میرود ویژگیها و ابزارهای جدیدی که به Databricks اضافه شده است موقعیت آن را در بازار مستحکم کند و افزودند که این شرکت هنوز در چند زمینه عقب است، به خصوص در مقایسه با Snowflake.
داگ هنشن، تحلیلگر اصلی در Constellation Research، گفت: “Databricks در زمینه AI و هوش مصنوعی مولد، اما هنوز چیزهای زیادی برای اثبات در ذخیرهسازی داده دارد و پشت Snowflake در بازار داده و برنامههای داده قرار دارد.”
Henschen توضیح داد: «Snowflake یک پلتفرم قوی دارد و سهولت استفاده نسبتاً بیشتری را ارائه میکند، درآمد بیشتری دارد، فرصتهای شراکت پلتفرم بهتری دارد و در نتیجه به نظر میرسد یک فرصت بازار آدرسپذیر بزرگتر است».
تونی بائر، تحلیلگر ارشد dbInsights در توضیح بیشتر در مورد رقابت بین Snowflake و Databricks گفت که هر دو شرکت از نقطه شروع متفاوتی به هوش مصنوعی نزدیک می شوند و هر دو به دنبال رسیدن به یک مکان هستند.
این تحلیلگر توضیح داد که
Databricks همیشه بستری برای مهندسان داده و دانشمندان داده بوده است، و بنابراین از زمان MLFlow با تمرکز خود بر روی متخصصان فنی بیشتر متمایز شده است، و افزود که Snowflake، در از سوی دیگر، از بازار انبار داده سنتی آمده و به تحلیلگران تجاری ارائه می شود.
«هر دو حوزههای انتخابیه یکدیگر را هدف میگیرند. و بنابراین میتوانید آن را از آخرین اعلامیهها ببینید، جایی که Databricks ابزارهایی را برای کار با عوامل هوش مصنوعی معرفی کرده است در حالی که Snowflake Cortex در اصل پیچیدگیهای RAG را زیر پوشش پنهان میکند.
>
به طور جداگانه، هیون پارک، تحلیلگر ارشد Amalgam Insights اشاره کرد که Databricks شروع به برندسازی بیشتر قابلیتهای مرتبط با هوش مصنوعی خود با نام تجاری Mosaic کرده است.
پارک گفت: «این میتواند تلاشی از سوی Databricks برای افزایش میزان درآمد مرتبط با MosaicML باشد و به نوبه خود به توجیه خرید ۱.۳ میلیارد دلاری کمک کند.
پست های مرتبط
Databricks پشتیبانی از هوش مصنوعی Mosaic را برای برنامه های هوش مصنوعی مولد گسترش می دهد
Databricks پشتیبانی از هوش مصنوعی Mosaic را برای برنامه های هوش مصنوعی مولد گسترش می دهد
Databricks پشتیبانی از هوش مصنوعی Mosaic را برای برنامه های هوش مصنوعی مولد گسترش می دهد