HPE تستحوذ على Pachyderm لتعزيز تطوير الذكاء الاصطناعي

لتعزيز التزامنا بتوفير تغطية متطورة لتكنولوجيا البيانات ، يسر VentureBeat أن ترحب بأندرو بروست كمساهم منتظم. شاهد مقالاته في خط أنابيب البيانات.

أعلنت شركة Hewlett Packard Enterprise (HPE) اليوم أنها استحوذت على مورّد مفتوح المصدر مملوك للقطاع الخاص Pachyderm لتعزيز قدرات تطوير الذكاء الاصطناعي (AI) وتمكين الذكاء الاصطناعي القابل للتكرار على نطاق واسع.

تأسست Pachyderm ومقرها سان فرانسيسكو في عام 2014 وجمعت 28 مليون دولار من التمويل حتى الآن. لا يتم الإعلان عن الشروط المالية لعملية الاستحواذ.

تطور Pachyderm تقنية مفتوحة المصدر لخطوط البيانات المستخدمة لتمكين تدفقات عمليات عمليات التعلم الآلي (ML). باستخدام Pachyderm ، يمكن للمستخدمين أيضًا تحديد تحويل البيانات حول كيفية معالجة بيانات المصدر وتكوينها بحيث يتم تحسينها للذكاء الاصطناعي. تم إعداد نهج خط أنابيب البيانات بالكامل بطريقة تجعله قابلاً للتكرار بسهولة ، لذلك يسهل على علماء البيانات فهم كيفية جمع البيانات التي تغذي النموذج واستخدامها.

سوف تتكامل Pachyderm مع نظام تطوير ML الخاص بـ HPE

توشك تقنية Pachyderm على الاندماج في نظام HPE لتطوير التعلم الآلي ، وهو عبارة عن مجموعة تطبيقات تساعد الشركات على بناء تطبيقات الذكاء الاصطناعي. تم الحصول على التكنولوجيا الكامنة وراء HPE Machine Learning Development System من خلال الاستحواذ على الذكاء الاصطناعي المحدد في عام 2021.

حدث

قمة الأمن الذكي عند الطلب

تعرف على الدور الأساسي للذكاء الاصطناعي والتعلم الآلي في الأمن السيبراني ودراسات الحالة الخاصة بالصناعة. شاهد الجلسات عند الطلب اليوم. انظر هنا

"لقد كانت Pachyderm شريكًا لنا لبعض الوقت ورأيناها بانتظام كتقنية تكميلية في تفاعلات العملاء ،" إيفان سباركس ، مدير المنتج للذكاء الاصطناعي في HPE (والمؤسس المشارك السابق لـ Determined AI). . "ركزنا على تدريب نماذج الذكاء الاصطناعي وتركز Pachyderm على البيانات ، وهو الجزء الذي يأتي قبل تدريب النموذج من خلال إعداد البيانات والقيام بذلك بطريقة قابلة للتكرار. التحدي المتمثل في استنساخ الذكاء الاصطناعي

كانت مسألة الذكاء الاصطناعي القابل للتفسير موضوعًا ساخنًا في السنوات الأخيرة.

الفكرة الأساسية وراء الذكاء الاصطناعي القابل للتفسير هي عدم وجود "صندوق أسود" يقوم ببساطة بحساب النتائج دون أن يتمكن أي شخص من فهم أو شرح كيفية الحصول على النتائج. يعد ضمان عدم وجود تحيز هدفًا رئيسيًا للذكاء الاصطناعي القابل للتفسير ، وكذلك الإنصاف.

يتمثل أحد العناصر الأساسية لتمكين الذكاء الاصطناعي القابل للتفسير في امتلاك ذكاء اصطناعي قابل للتكرار. يتمثل مفهوم الذكاء الاصطناعي القابل للتكرار في الحصول على مجموعة من الخطوات لجمع البيانات وبناء النماذج والاستدلال التي يمكن تكرارها باستمرار.

"عملاؤنا هم الأشخاص الذين يحاولون نشر الذكاء الاصطناعي على نطاق واسع لحالات استخدام الإنتاج في العالم الحقيقي ، لكل شيء بدءًا من التأمين على التأمين ، إلى السيارات ذاتية القيادة ، إلى اكتشاف الأدوية الجديدة التي سيتم استخدامها لإنقاذ الأرواح ،" قال سباركس: "هذه الأنواع من حالات الاستخدام لها عواقب مالية كبيرة للغاية ، أو في بعض الحالات ، تتعلق بالحياة أو الموت."

مع وضع هذه العواقب في الاعتبار ، قالت سباركس إن الشركات تريد حقًا أن تثق في النماذج التي تنشرها. إن حجر الزاوية في الثقة هو معرفة أنه إذا كانت المنظمة تأخذ نفس البيانات ، بنفس النموذج ، فإنها ستكون قادرة على توليد نفس النتيجة.

مع Pachyderm ، قال Sparks إن الهدف هو التأكد من أن خط أنابيب البيانات ، وكيف تأتي البيانات من المصدر إلى النموذج ، متسق وقابل للتكرار. وأشار إلى أن تقنية Pachyderm وحدها ليست كافية لنهج ذكاء اصطناعي كامل قابل للتفسير ، والذي يتطلب أيضًا قدرات اختبار النموذج. قال سباركس إن HPE تعمل مع عدد من التقنيات الشريكة المختلفة للمساعدة في دعم إمكانات الذكاء الاصطناعي القابلة للتفسير للنموذج نفسه.