Miks masinõppe sektoris võidab keerukus?

Pole kahtlust, et masinõppeoperatsioonid (MLOps) on kasvav sektor. Turg on 700. aastaks prognoositakse 2025 miljoni dollarini – peaaegu neli korda suurem kui 2020. aastal. 

Kuigi need lahendused on tehniliselt usaldusväärsed ja võimsad, ei ole need loodetud tulu toonud, mis on tekitanud muret tulevase kasvu pärast. 

Ma mõistan ruumi ümbritsevat pessimismi, kuna veetsin oma karjääri esimesed 20 aastat lugupeetud investeeringute haldamise ettevõttes tõhusalt sisemiste MLOpsi tööriistade loomisel. Viimasel ajal, Olen investeerinud MLOpsi idufirmadesse, kuid neil on olnud aeglane tulutaseme saavutamine, mida oleksin oodanud. Nii oma positiivsete kui ka negatiivsete kogemuste põhjal MLOpsidega saan aru, miks need idufirmad on hädas olnud ja miks nad on nüüd kasvuks.

MLOps-i tööriistad on andmepõhiseid mudeleid ja algoritme juurutavate ettevõtete jaoks üliolulised. Tarkvara arendamisel vajate tööriistu, mis võimaldavad teil diagnoosida ja ennetada probleeme tarkvaraga, mis võivad põhjustada selle rikke tõttu märkimisväärse tulu kaotamise. Sama kehtib ettevõtete kohta, kes loovad andmepõhiseid lahendusi. Kui teil pole mudelite hindamiseks, andmete jälgimiseks, mudeli parameetrite ja jõudluse triivimise ning mudelite prognoositud ja tegeliku jõudluse jälgimiseks piisavaid MLOps-tööriistu, ei tohiks te tõenäoliselt kasutada mudeleid tootmiskriitilistes ülesannetes. 

Kuid ettevõtted, kes juurutavad ML-põhiseid lahendusi ilma sügavate teadmiste ja kogemusteta, ei mõista vajadust keerukamate tööriistade järele ega mõista madalatasemelise tehnilise integratsiooni väärtust. Neile on mugavam kasutada välismõjudega seotud tööriistu, isegi kui need on vähem tõhusad, kuna need on vähem pealetükkivad ja kujutavad endast väiksemaid kasutuselevõtukulusid ja riski, kui tööriistad ei tööta. 

Vastupidi, ettevõtted, millel on ML-meeskonnad, kellel on sügavamad teadmised ja kogemused, usuvad, et suudavad neid tööriistu ise ehitada ega soovi kasutada kolmandate osapoolte lahendusi. Lisaks ei ole MLOps-i tööriistade puudustest tulenevaid probleeme alati lihtne tuvastada ega diagnoosida – need ilmnevad modelleerimise ja toimingute tõrgetena. Tulemuseks on see, et ettevõtted, kes kasutavad ML-põhiseid lahendusi, olgu need tehniliselt keerukad või kogenematud, on kasutusele võtnud aeglaselt.

Aga asjad hakkavad muutuma. Ettevõtted mõistavad nüüd keerukate, sügavalt integreeritud MLOps-tööriistade väärtust. Nad on kogenud probleeme, mis on tingitud nende tööriistade puudumisest või on näinud konkurente, kes kannatavad nende puudumise tõttu paljudes kõrgetasemelistes riketes ja on nüüd sunnitud õppima tundma keerukamaid MLOps-lahendusi. 

Need MLOps ettevõtted, kes on seni tulutalve üle elanud, peaksid nägema turu sulamist ja müügivõimaluste kasvu. 

Pinnapealseid lahendusi müüvad ettevõtted hakkavad kaotama äritegevust integreeritumate lahenduste tõttu, mida on raskem mõista ja kasutusele võtta, kuid mis pakuvad oma klientidele rohkem jälgimis-, silumis- ja parandusteenuseid. MLOps-i tarkvaraarendajad peaksid säilitama usku, et võimsa tarkvara loomine, mis lahendab probleeme sügavamal ja põhjalikumal viisil, võidab pikas perspektiivis lihtsaid lahendusi, mis toovad kohe kasu, kuid ei lahenda kõiki probleeme, millega nende kliendid silmitsi seisavad.