Чому Salesforce є відкритим джерелом технології AI за Ейнштейном

Salesforce є відкритим джерелом технологій машинного навчання, що стоїть за платформою AI Einstein AI.

Фірмова TransmogrifAI, бібліотека AutoML становить менше 10 рядків коду Scala, написаних на вершині Apache Spark, і може бути використана розробниками, які прагнуть навчити моделі машинного навчання передбачити поведінку клієнтів без використання великого набору даних для навчання.

"Він був розроблений з акцентом на прискорення продуктивності розробників машинного навчання за допомогою автоматизації автоматизованого навчання, а також API, що забезпечує надійність, модульність і повторне використання типу компіляції. Завдяки автоматизації, він досягає точності, близької до ручних налаштувань з майже 100x скорочення в часі », - стверджує вона веб-сайт .

В довгий середній пост Минулого тижня Шубха Набар, старший директор з науки про дані про команду Salesforce Einstein написав: «Три роки тому, коли ми почали створювати можливості машинного навчання на платформі Salesforce, ми дізналися, що створення систем машинного навчання на рівні підприємства ще важче. "

Ключем для Salesforce, коли він розвивався, був Ейнштейн, щоб мати можливість доставляти розумні ідеї та рекомендовані дії без об'єднання всіх даних своїх клієнтів разом. Це стало серйозним викликом для постачальника, перш ніж він придбав купу фахівців машинного навчання, включаючи MetaMind та його засновника Річарда Сохера, який зараз є головним науковим співробітником Salesforce.

"До цього моменту, якщо ви не змогли побачити або нормалізувати дані, ви не можете застосувати цей інтелект", - сказав генеральний директор Salesforce Марк Беніофф. "У нас є величезна кількість даних, петабайт і петабайт, тому у нас є дані, які нам потрібні, і відповідь полягає в тому, що зараз ми можемо працювати над цими даними, не втручаючись у довірчі відносини з нашими клієнтами".

Розширюючи це, Набар пише: "Ми повинні будувати специфічні для клієнта моделі машинного навчання для будь-якого конкретного випадку використання. Навіть якщо б ми могли будувати глобальні моделі, це абсолютно не має сенсу робити це, тому що дані кожного клієнта є унікальними, з різними схемами різних форм і різних упереджень, що вводяться різними бізнес-процесами.

«Для того, щоб зробити машинне навчання дійсно ефективним для наших клієнтів, ми повинні побудувати і розгорнути тисячі персоналізованих моделей машинного навчання, підготовлених для даних кожного клієнта для кожного випадку використання.

"Єдиний спосіб досягти цього без наймання армії вчених з даними - це автоматизація. Більшість [AutoML] рішень сьогодні або зосереджені дуже вузько на невеликій частині всього процесу машинного навчання, або побудовані для неструктурованих, однорідних даних для зображень , голос і мова.

"Але нам було потрібно рішення, яке могло б швидко виробляти ефективні моделі для гетерогенних структурованих даних у масовому масштабі".

Кінцевий продукт - це спосіб побудови єдиної, модульної моделі машинного навчання, яка може функціонувати через менші, більш персоналізовані набори даних, створюючи враження декількох моделей, специфічних для певної галузі.

Набар пояснив: «За допомогою лише декількох рядків коду, вчений може автоматизувати очищення даних, інженерну характеристику та вибір моделей, щоб досягти продуктивної моделі, з якої вона може досліджувати та продовжувати роботу.

TransmogrifAI є трансформаційним для нас, що дозволяє нашим вченим з даних розгортати тисячі моделей у виробництві з мінімальним ручним налаштуванням і зменшенням середнього часу обертання для підготовки продуктивної моделі від декількох тижнів до декількох годин.

"Хоча цей рівень автоматизації є важливим для нас для масштабування для цілей підприємства, ми вважаємо, що кожен бізнес сьогодні має більше випадків використання машинного навчання, ніж це мають вчені даних, і автоматизація є ключем до приведення потужності машинного навчання в межах досяжності".

Пояснюючи, чому Salesforce вирішив донести цей проект до спільноти з відкритим кодом, Nabar каже: «Salesforce був давнім користувачем і учасником Apache Spark, і ми з радістю продовжуємо будувати TransmogrifAI поряд з спільнотою.

"Машинне навчання має потенціал для трансформації бізнесу, і ми вважаємо, що бар'єри для прийняття можуть бути знижені тільки через відкритий обмін ідеями і кодом. Працюючи на відкритому повітрі, ми можемо об'єднати різноманітні перспективи, щоб продовжити просування технології вперед і зробити її доступною для всіх ».