Databricks ujawnia ulepszenia Mosaic AI dla usprawnionej sztucznej inteligencji generatywnej
Firma Databricks Inc. ogłosiła szereg aktualizacji swoich możliwości Mosaic AI, skupiając się na sztucznej inteligencji generatywnej. Te ulepszenia zostały ujawnione podczas szczytu Data + AI w San Francisco, prezentując zaangażowanie firmy w wspieranie złożonych systemów AI, które obejmują różne skorelowane elementy, aby zwiększyć precyzję modelu i zapewnić odpowiednie zarządzanie AI.
Innowacje w złożonych systemach AI
Postępy dotyczą złożonych systemów AI, które integrują wiele elementów, takich jak modele, bazy danych wektorów, a także narzędzia bezpieczeństwa i zarządzania. Niekiedy te systemy łączą rozmaite technologie AI – na przykład łącząc uczenie maszynowe, przetwarzanie języka naturalnego i widzenie komputerowe – aby wykonywać specjalistyczne zadania.
Ulepszony Generation z użyciem Mosaic AI Agent Framework
Databricks wprowadził Mosaic AI Agent Framework, aby umożliwić programistom łatwe i bezpieczne tworzenie aplikacji generacyjnych wspomaganych przez wyszukiwanie (RAG), wykorzystując modele podstawowe i zbiory danych firmowe. Te aplikacje RAG są projektowane do wzbogacania generowania tekstu poprzez uwzględnianie informacji z obszernych baz wiedzy organizacji.
Ułatwione rozwijanie AI z użyciem Mosaic AI Agent Evaluation
Dzięki Mosaic AI Agent Evaluation, Databricks ma na celu ułatwienie iterowania i ulepszania modeli. Zachwala narzędzie wspomagane przez AI, które pozwala na szybką precyzję modeli, wspomagane interfejsem, w którym eksperci mogą udzielić istotnej informacji zwrotnej.
Znacznie lepsze zarządzanie dzięki narzędziom GenAI
Nowością w ofercie są narzędzia GenAI, które ułatwiają udostępnianie, rejestrację i zarządzanie narzędziami i agentami AI poprzez Unity Catalog. Ta funkcja działa jak unikalna warstwa zarządzania w ramach Platformy Inteligencji Danych Databricks, zapewniając zarówno możliwość odkrywania narzędzi, jak i bezpieczne wykorzystanie modeli w organizacji.
Sprecyzowane szkolenie modeli AI Mosaic
Szkolenie modeli AI Mosaic pozwala na precyzyjne dostrojenie otwartych modeli podstawowych z zastosowaniem danych prywatnych firmy w celu uzyskania lepszych wyników w porównaniu z standardowym szkoleniem RAG. Ponadto doszlifowane modele są bardziej ekonomiczne i zwinne, ponieważ działają z mniejszą liczbą parametrów i wymagają mniej mocy obliczeniowej.
Ujednolicony interfejs z Mosaic AI Gateway
Mosaic AI Gateway zapewnia ujednolicony interfejs do zarządzania i wdrażania modeli, ułatwiając płynne wymiany modeli bez konieczności znacznego zmieniania kodu aplikacji.
Databricks wprowadził Mosaic AI Agent Framework, AI Agent Evaluation, AI Model Training i AI Gateway do wersji publicznej podglądu, podczas gdy narzędzia GenAI z katalogu Unity pozostają na etapie prywatnego podglądu.
Integracja kodu źródłowego otwartego w katalogu Unity
Zgodnie z ostatnim ruchem polegającym na przejęciu firmy Tabular Technologies Inc., Databricks ogłosił także, że katalog Unity zostanie udostępniony jako kod źródłowy otwarty, co świadczy o jego zaangażowaniu w otwarty ekosystem. Katalog Unity jest godny uwagi ze względu na możliwość zarządzania modelami AI, a także danymi, zgodnie ze standardami otwartymi oraz integracji z szeroką gamą platform chmurowych i narzędzi analitycznych.
W celu dalszego rozwijania oferty technicznej, Databricks i Nvidia Corp. wzmocniły swoją współpracę, aby zintegrować potężne rozwiązania obliczeniowe Nvidia z platformą Databricks, poprawiając możliwości przetwarzania danych.
Kluczowe Pytania i Odpowiedzi:
– Czym jest sztuczna inteligencja generatywna i jak stosuje się ją w Mosaic AI?
Sztuczna inteligencja generatywna odnosi się do rodzaju sztucznej inteligencji, która może generować nowe treści, takie jak teksty, obrazy czy muzykę, na podstawie nauki z istniejących danych. W kontekście Mosaic AI, te możliwości sztucznej inteligencji generatywnej są usprawniane i ulepszane, aby wykonywać złożone, specjalistyczne zadania, integrując różne technologie.
– Jakie są główne korzyści z ulepszeń wprowadzonych przez Databricks dla Mosaic AI?
Do głównych korzyści należą:
– Uproszczenie rozwijania złożonych systemów AI.
– Łatwiejsze tworzenie i ulepszanie aplikacji generacyjnych wspomaganych przez wyszukiwanie.
– Poprawione zarządzanie z wprowadzeniem narzędzi GenAI.
– Bardziej ekonomiczne i efektywne szkolenie modeli AI.
– Lepsze zarządzanie i wdrażanie modeli dzięki ujednoliconemu interfejsowi.
– Jak przejęcie firmy Tabular Technologies Inc. przez Databricks wpływa na katalog Unity?
Przejęcie ma zwiększyć możliwości katalogu Unity, umożliwiając zarządzanie modelami AI i danymi zgodnie ze standardami otwartymi. Ten ruch współgra z zaangażowaniem Databricks w otwarty ekosystem i potencjalnie może usprawnić interoperacyjność między różnymi platformami chmurowymi i narzędziami analitycznymi.
Kluczowe Wyzwania lub Kontrowersje:
– Złożona Integracja: Złożone systemy AI łączące wiele technologii mogą być trudne do wdrożenia i zarządzania, stawiając wyzwania w zakresie zapewnienia stabilności i skalowalności.
– Prywatność Danych i Bezpieczeństwo: Przy doskonaleniu modeli generatywnych AI z użyciem danych prywatnych firmy należy podjąć rygorystyczne środki w celu ochrony wrażliwych informacji.
– Zarządzanie AI: W miarę jak systemy AI stają się bardziej zaawansowane, zarządzanie ich operacjami w celu zapobiegania nadużyciom lub uprzedzeniom, zapewnienia zgodności oraz utrzymania standardów jakości staje się coraz trudniejsze.
Zalety i Wady:
Zalety:
– Zaawansowana Personalizacja: Firmy mogą szkolić modele przy użyciu swoich danych własnościowych, co prowadzi do uzyskania lepszych, bardziej specyficznych wyników.
– Efektywność: Usprawnione systemy zostały zaprojektowane tak, aby były bardziej ekonomiczne, wymagając mniejszych zasobów obliczeniowych.
– Współpraca: Współpraca z Nvidia może potencjalnie prowadzić do znaczących popraw w przetwarzaniu danych dzięki zaawansowanym rozwiązaniom obliczeniowym.
Wady:
– Złożoność Techniczna: Ścisła integracja różnych technologii AI może sprawić, że system stanie się złożony, co może wymagać wykwalifikowanego personelu i zwiększyć ryzyko wystąpienia błędów lub awarii systemu.
– Koszty: Chociaż mówi się, że modele są bardziej ekonomiczne, w dalszym ciągu istnieje potencjał na znaczącą inwestycję początkową pod względem przyjęcia technologii i szkolenia.
Aby dowiedzieć się więcej o Databricks i ich platformie, odwiedź ich stronę internetową za pomocą tego linku: Databricks. Proszę upewnij się, że adresy URL są poprawne przed kliknięciem, ponieważ nie można gwarantować, że będą ważne na zawsze.
The source of the article is from the blog kunsthuisoaleer.nl