سرمایه گذاران برای تامین مالی سنگ بنای هوش مصنوعی هجوم آورده اند: فروشگاه های ویژه

“فروشگاه های ویژه” با نام تیره و تار خود ممکن است جذاب ترین موضوع به نظر نرسد.

اما آنها بخش مهمی از سیستم‌های هوش مصنوعی هستند که کسب‌وکارها – و از این نظر مصرف‌کنندگان – هر روز از آنها استفاده می‌کنند. به همین دلیل است که آنها توجه و سرمایه گذاری های بیشتری را از سوی شرکت های پرریسک به خود جلب می کنند که می بینند فرصت های بازار در آینده ای دور در حال رشد است.

سیستم های هوش مصنوعی از اجزای زیادی تشکیل شده اند که یکی از آنها توابع است. مشخصه ها متغیرهای فردی هستند که به عنوان ورودی سیستم عمل می کنند. هنگامی که به توابع فکر می کنید، ممکن است مفید باشد که جدولی را تجسم کنید که در آن داده های استفاده شده توسط سیستم های هوش مصنوعی در ردیف هایی از نمونه ها (داده هایی که سیستم از آنها پیش بینی می کند) و ستون هایی با ویژگی ها (داده هایی که این نمونه ها را توصیف می کنند) سازماندهی شده است. ویژگی‌ها ویژگی‌هایی هستند که برای توصیف هر مثال استفاده می‌شوند – ابزار هوش مصنوعی می‌تواند از ویژگی‌هایی مانند کلمات در متن ایمیل، به عنوان مثال، یا اطلاعات تماس فرستنده استفاده کند.

کار با توابع معمولاً یک فرآیند موقت در یک سیستم هوش مصنوعی است. اما در مقیاس گسترده سازمانی، جایی که تیم های علم داده مسئول نگهداری ده ها تا هزاران سیستم هستند، مدیریت فضا و ردیابی عملکرد در حال تبدیل شدن به یک ضرورت است.

برای سازماندهی، ذخیره و سرویس‌دهی ویژگی‌هایی که سیستم‌های هوش مصنوعی به آن‌ها متکی هستند، به فروشگاه ویژگی، مخزن متمرکز وارد شوید. فروشگاه های ویژگی که به عنوان یک مفهوم توسط Uber در سال 2017 معرفی شدند، مکانی یکپارچه برای ایجاد و اشتراک گذاری ویژگی ها در تیم های مختلف در یک سازمان فراهم می کنند.

مایکل دل بالسو، مدیر عامل Tecton.ai، یک شرکت نوپا که نرم‌افزاری برای فروشگاه‌های ویژگی توسعه می‌دهد، در ایمیلی به TechCrunch گفت: «فروشگاه‌های ویژگی در تقاطع داده‌ها و یادگیری ماشینی قرار دارند». “[Feature stores are] بخش مهمی از پشته MLOps است، زیرا به تیم های داده اجازه می دهد تا به سرعت و با اطمینان توابع با کیفیت بالا را با استفاده از داده های زمان واقعی بسازند و این توابع را در تولید خروجی بلادرنگ سرویس دهند. آنها به عنوان رابط بین داده ها و [AI] مدل ها. “

فراتر از یک پایگاه داده، فروشگاه های ویژگی به مهندسان داده اجازه می دهد تا آماری را در مورد ویژگی ها مشاهده کنند، از جمله اینکه کدام ویژگی ها استفاده شده اند، کجا استفاده شده اند و تأثیری که بر مدل ها داشته اند. فروشگاه‌های ویژگی همچنین داده‌ها را تغییر می‌دهند و به کاربران اجازه می‌دهند تا ویژگی‌ها را بدون نیاز به کدنویسی تجمیع، فیلتر و تجمیع کنند. (برای بدست آوردن ارزش ویژگی «تعداد سفارشات در 30 دقیقه گذشته»، سفارشات رستوران را خلاصه کنید.)

دل بالسو توضیح داد: «فروشگاه‌های ویژگی‌های پیشرفته» خطوط لوله تولید را برای جمع‌آوری داده‌ها از منابع همراه و هم‌زمان، تبدیل داده‌های بلادرنگ، و ذخیره داده‌ها در فروشگاه‌های آفلاین و آنلاین، خودکار می‌کنند. [They often also] شامل قابلیت های نظارت داخلی برای نظارت بر سلامت خط لوله، انحراف داده ها، سطوح خدمات و موارد دیگر است.

اعتبار تصویر: Tecton.ai

فروشگاه های ویژگی قول می دهند که همکاری بین تیم ها را بهبود بخشند و در عین حال توسعه سیستم های هوش مصنوعی را ساده تر کنند. با افزایش تقاضا برای آن‌ها، غول‌های فناوری و استارت‌آپ‌هایی مانند Tecton در حال توسعه محصولاتی برای رفع نیازهای خود هستند – و سرمایه‌گذاران مشتاقانه از آنها حمایت می‌کنند.