Nevoia de AI în afaceri este presantă, dar obstacolul depinde de construirea cadrului de asistență, precum și de avansarea și întreținerea acestuia. Un studiu IDC din 2020 a descoperit că deficitul de informații pentru educarea AI, precum și informațiile de calitate scăzută continuă să fie obstacole semnificative în calea aplicării acesteia, pe lângă protecția informațiilor, administrare, eficiență, precum și problemele de latență. De fapt, o treime dintre companii care reacționează la sondajul înregistrează investind aproximativ o treime din timpul ciclului de viață al AI în asimilarea informațiilor, precum și în pregătirea în comparație cu inițiativele de cercetare științifică a informațiilor reale.
Josh Tobin, un cercetător anterior al unui studiu de cercetare la OpenAI, a observat modelul direct în timp ce a arătat un program de înțelegere profundă la UC Berkeley în 2019 cu Vicki Cheung. El, precum și Cheung, au văzut că AI a ajuns la un factor de inflexiune: în deceniul precedent, afacerile au cumpărat AI pentru a rămâne la curent cu modelele tehnologice sau pentru a ajuta cu analize. Cu toate acestea, indiferent de faptul că unii furnizori au declarat „democratizarea inteligenței artificiale”, a fost foarte greu pentru multe companii să dezvolte articole bazate pe inteligență artificială.
„Primarul obstacol în structura sau cadru de îmbrățișare pentru inteligența artificială este acela că zona se mută excepțional de prompt. De exemplu, manipularea limbajului natural a fost considerat inaccesibil pentru aplicațiile comerciale cu doar câțiva ani în urmă, dar devine rapid tipică astăzi”, a susținut Tobin. „De aceea construim un producător continuu care află un sistem de renovare.”
Tobin, precum și Cheung, acel cadru condus anterior la OpenAI și a fost designer fondator la Duolingo, sunt fondatorii Gantry, o soluție care intenționează să ajute grupurile de avansare AI să determine când să-și re-instruiască sistemele AI, precum și care informații pe care să le folosiți pe parcursul reinstruirii. Tobin afirmă că Gantry, care se leagă de aplicațiile existente, soluții de etichetare a informațiilor, precum și spațiul de stocare a informațiilor, poate rezuma și imagina informații pe parcursul etapelor de instruire, analiză și lansare.
Gantry a apărut astăzi din stealth cu 28,3 milioane de dolari, o combinație de o rundă de colecție A de 23,9 milioane de dolari și o rundă de semințe de 4,4 milioane de dolari nedezvăluită anterior. Magnify, precum și Coatue, a condus Colecția A alături de finanțatori formați din șeful de stat OpenAI, precum și fondatorul Greg Brockman, precum și Pieter Abbeel, fondatorul start-up-ului de robotică comercială Covariant.
„Articolele noastre îi ajută pe designerii de inteligență artificială să utilizeze informațiile care sunt transmise în flux cu articolul lor online bazat pe învățare pentru a afla cum se execută cu adevărat aplicația, pentru a găsi metode pentru a o îmbunătăți și pentru a opera acele îmbunătățiri”, a susținut Tobin.
Sistemele AI descoperă să facă prognoze consumând seturi de date (de exemplu, modele climatice istorice), precum și descoperind parteneriate între numeroși factori de informații (de exemplu, nivelul temperaturii tinde să fie mai mare în zilele calde) în cadrul acelor colecții. Cu toate acestea, sistemele AI au tendința de a fi deteriorate în viața reală, deoarece informațiile din lumea reală nu sunt practic niciodată reparate, astfel încât colecția de instruire nu este agentul vieții reale pentru mult timp. De exemplu, un sistem de proiectare a aprovizionării poate deteriora, deoarece pandemia a modificat obiceiurile de cumpărături. Sistemul de vehicule autonome de la Volvo a fost nedumerit de canguri, deoarece săriturile cangurii au făcut dificilă evaluarea cât de aproape erau.
Tobin, precum și Cheung cred că răspunsul la acest lucru este sistemul de înțelegere „continuu” al lui Gantry – cadrul care poate ajusta un sistem la un flux de informații în continuă evoluție. Gantry este dezvoltat pentru a acționa ca o resursă solitară a realității pentru eficiența sistemului AI, a susținut Tobin, permițând clienților să învețe cum se execută sistemul, precum și metode de îmbunătățire, utilizând dispozitive de operare pentru a specifica valorile, precum și informațiile. pe care să le calculeze.
„Zilele unei experiențe inadecvate ale clienților de afaceri mai mult decât — clienții anticipează în prezent o experiență la fel de lină, obișnuită și instinctivă precum ceea ce au avut în vedere să obțină din afacerile moderne cu tehnologie. Inteligența artificială face posibilă furnizarea acestor experiențe la distanță. Cu toate acestea, producătorul descoperă că articolele motorizate sunt costisitoare de dezvoltat, precum și poziționează numele mărcii, precum și pericolul experienței clienților, deoarece modelele pot înceta să funcționeze în metode neprevăzute și dăunătoare atunci când interacționează cu clienții”, a inclus el. „Gantry ajută afacerile să stabilească experiențe fluide ale clienților bazate pe învățarea producătorului, cu mult mai puțin pericol și cu cheltuieli reduse, oferind un cadru și controale necesare pentru a păstra în siguranță și a repeta atributele articolelor bazate pe învățarea producătorului.”
Gantry corespunde unei clasificări apărute a programelor software, denumită MLOps (proceduri de inteligență artificială), care urmărește să îmbunătățească ciclul de viață al sistemului AI prin automatizarea și sistematizarea operațiunilor de avansare. Impulsat de accelerarea încurajării inteligenței artificiale, analizele solide Cognilytica estimează că piața mondială a opțiunilor MLOps va merita cu siguranță 4 miliarde de dolari până în 2025 – în creștere de la 350 de milioane de dolari în 2019.
Tobin recunoaște că dispozitivele, precum Arize, Arthur și Fiddler, ating câteva dintre exact aceleași puncte pe care le face Gantry. Cu toate acestea, el sugerează că se concentrează pe o serie mai cuprinzătoare de probleme cu inteligența artificială, în timp ce Gantry discută – totuși depășește – fațete precum observabilitatea, urmărirea și explicabilitatea. De exemplu, Gantry poate fi folosit pentru a identifica prejudecățile în aplicațiile bazate pe inteligență artificială, susține Tobin, și atunci când aplicațiile folosesc informații „dezorganizate”, precum mesajul și fotografiile.
Tobin a scăzut pentru a expune cantitatea de clienți sau clienți pe care Gantry are. Totuși, el susține că finanțarea va fi cu siguranță plasată, parțial, către achiziția clienților, împreună cu creșterea dimensiunii grupului de 22 de persoane al lui Gantry.
„Presupunem că vânturile în fața tehnologice sunt mai mari decât echilibrate de un vânt din spate solid în inteligența artificială”, a inclus Tobin, când a fost întrebat despre mediul financiar existent, precum și despre ce ar putea implica acesta pentru Gantry. „De asemenea, pe măsură ce curelele se strâng, precum și afacerile devin mult mai atent în ceea ce privește costurile lor, achiziționarea de dispozitive care să ajute la îmbunătățirea eficienței grupurilor, precum și eficiența articolelor, precum și integritatea devine mult mai crucială.”
Sursa articolului in engleza: Gantry introduce din ascuns pentru a ajuta cercetătorii de informații să mențină proaspete designurile AI