Anaconda, Outerbounds’u Enterprise AI Geliştirme Birleştirmek için Ediniyor

Anaconda, Outerbounds’u edindi, geleneksel olarak parçalanmış olan iki entreprise AI ekosistemi katmanını bir araya getirdi: geliştirme ortamları ve üretim orkestrasyonu.

Temelde, bu hareket AI sistemlerinin nasıl inşa edildiğinde bir değişimi yansıtıyor. Modelleri geleneksel yazılımların içinde başka bir bileşen olarak değil, uygulamaların merkezinde oturacak şekilde tasarlıyorlar. Bu değişim, deneysel ve üretim arasındaki büyük bir boşluğu ortaya çıkardı ve bu edinme bu boşluğu kapatmaya明显 olarak yöneliktir.

Python Temelinden Tam AI Yaşam Döngüsüne

Anaconda, uzun süredir veri bilimi ve AI çalışması için başlangıç noktası olmuştur, özellikle Python için. Platformu, geliştiriciler için sürtünmeyi azaltırken güvenlik ve yeniden üretilebilirliği korur şekilde paketleri, bağımlılıkları ve ortamları yönetmek etrafında inşa edilmiştir. Binlerce önceden doğrulanmış kütüphane ve aracı kullanıcılara sunar, böylece sürekli olarak uyumluluk sorunları veya gizli riskler nedeniyle sorun giderme yapmalarına gerek kalmaz.

Ne var ki, geleneksel olarak tam yolculuğun sahibi olmadı. Modeller inşa edildikten sonra, entreprises hala iş akışlarını koordine etmek, hesaplamayı ölçeklemek, deneyleri takip etmek ve artan karmaşık altyapı boyunca dağıtımları yönetmek zorundadır.

Outerbounds burada devreye giriyor.

Outerbounds Denklemeye Ne Ekliyor

Outerbounds, makine öğrenimi operasyonel tarafını çözmek için tasarlandı. Platformu, Metaflow framework üzerine inşa edilmiştir, aslen Netflix’te geliştirilmiştir ve AI sistemlerinin üretim ortamlarında nasıl çalıştığını odaklanır.

Kodu yalnızca çalıştırmak yerine, makine öğrenimi iş akışlarının tüm yaşam döngüsünü yönetir. Bu, çok adımlı boru hatlarını koordine etmek, zaman içinde deneyleri takip etmek, veri kalıntılarını işlemek ve bulut veya hibrit altyapı boyunca iş yüklerini dağıtmayı içerir. Sistem, şirketin zaten kullandığı altyapıyla çalışmak üzere tasarlanmıştır, bu da tek bir bulut sağlayıcısına kilitlenmek istemeyen organizasyonlar için çekici hale getirmiştir.

Bu, yalnızca otomasyon hakkında değil, karmaşık AI sistemlerini observable ve repeatable hale getirmek hakkında, ki bu da modeller prototiplerden sürekli olarak çalışan ve evrimleşen sistemlere geçtiğinde kritik hale gelir.

Bu Kombinasyon Neden Önemli

Anaconda ve Outerbounds’un birleşmesi, deneysel ve üretim arasında daha sürekli bir yol oluşturur.

Geliştiricilerin modelleri bir ortamda inşa ettikten sonra onları tamamen farklı bir araç setine devretmek yerine, birleşik platform bu aşamaları aynı kontrol edilen ekosistem içinde var olmasını sağlar. Bu süreklilik sürtünmeyi azaltır, ancak daha da önemlisi, riski azaltır. AI tarafından oluşturulan kod hızla artıyor ve bununla birlikte hatalar ve güvenli olmayan bağımlılıkların daha yüksek bir oranı geliyor. Bu riskleri yönetmek, yalnızca izole aşamalarda değil, tüm yaşam döngüsü boyunca görünürlük gerektirir.

Güvenli ortamları, bağımlılık yönetimini, orkestrasyonu ve yönetimi bir sistemde entegre ederek, platform, AI yerel uygulamaların artan karmaşıklığını, takımların iş akışlarını yeniden inşa etmek zorunda kalmadan ele alabilir.

AI Altyapısında Genişlemiş Değişim

Bu edinme ayrıca daha geniş bir trendi vurguluyor: AI araç setinin konsolidasyonu.

Entreprises, son birkaç yıldır AI yaşam döngüsünün farklı kısımlarını ele almak için çeşitli araçlar koleksiyonları oluşturdu. Bu yaklaşım küçük ölçekte çalışır, ancak sistemler daha karmaşık ve işletme operasyonları için daha kritik hale geldikçe kırılgan hale gelir. Endüstri, artık bu katmanları birleştiren platformlara doğru ilerlerken, takımların altyapısı üzerinde kontrolünü korumasına izin veriyor.

Sorun, entegrasyonu esneklikle dengelemektir. Kuruluşlar, akıcı bir sistem istese de, birkaç baskın satıcının kontrol ettiği ekosistemlere kilitlenmekten giderek daha fazla endişe duymaktadır.

Ne dikkat çekici olan, hem Anaconda hem de Outerbounds’un geleneksel olarak açıklığı ve altyapı bağımsızlığını vurgulamış olmasıdır. Eğer bu felsefe birleşik platforma taşınırsa, entreprises’in AI iş akışlarını konsolide edebileceği bir modeli önerir, ancak bu sistemlerin nerede ve nasıl çalıştırıldığı üzerindeki kontrolü bırakmadan.

Bu denge, entreprise AI altyapısının próximo birkaç yıl içinde nasıl evrileceğini belirleyen faktörlerden biri olabilir.