Anaconda придбала Outerbounds, щоб уніфікувати розвиток корпоративного штучного інтелекту

Anaconda придбала Outerbounds, об’єднавши два шари корпоративної екосистеми штучного інтелекту, які історично були фрагментованими: середовища розробки та оркестрації виробництва.

У своїй основі цей крок відображає зміну того, як будуються системи штучного інтелекту. Замість того, щоб розглядати моделі як просто ще один компонент традиційного програмного забезпечення, підприємства тепер проектують програми, в яких модель знаходиться в центрі. Ця зміна викрила велику прогалину між експериментом і виробництвом, яку ця покупка явно спрямована на закриття.

Від основи Python до повного циклу штучного інтелекту

Anaconda давно є початковою точкою для науки про дані та штучного інтелекту, особливо в Python. Її платформа побудована навколо управління пакетами, залежностями та середовищами таким чином, що зменшує тертя для розробників, одночасно підтримуючи безпеку та репродуктивність. Вона надає командам доступ до тисяч попередньо перевірених бібліотек та інструментів, дозволяючи їм рухатися швидко без постійного виправлення проблем сумісності чи прихованих ризиків.

Що вона традиційно не мала, так це повну подорож за цю початкову точку. Як тільки моделі побудовані, підприємства все ще потребують координації робочих процесів, масштабування обчислень, відстеження експериментів та управління розгортуванням на все більш складній інфраструктурі.

Це саме те, де Outerbounds підходить.

Що Outerbounds додає до рівняння

Outerbounds була розроблена для вирішення операційної сторони машинного навчання. Її платформа, побудована на відкритій основі Metaflow framework, спочатку розробленої в Netflix , зосереджується на тому, як системи штучного інтелекту насправді працюють у виробничих середовищах.

Замість виконання коду вона керує цілим життєвим циклом робочих процесів машинного навчання. Це включає координацію багатокрокових трубопроводів, відстеження експериментів з часом, обробку даних артефактів та розподілення робочих навантажень по хмарі чи гібридній інфраструктурі. Система розроблена для роботи на будь-якій інфраструктурі, яку компанія вже використовує, що зробило її привабливою для організацій, які хочуть гнучкості, а не бути заблокованими в одному постачальнику хмарних послуг.

Це не просто про автоматизацію. Це про те, щоб зробити складні системи штучного інтелекту спостережуваними та повторюваними, що стає критичним, коли моделі переходять від прототипів до систем, які безперервно працюють та еволюціонують.

Чому це поєднання має значення

Почетання Anaconda та Outerbounds створює більш безперервний шлях від експерименту до виробництва.

Замість того, щоб розробники будували моделі в одному середовищі, а потім передавали їх іншим інструментам для розгортання, об’єднана платформа дозволяє цим стадіям існувати в одному контрольованому екосистемі. Ця безперервність зменшує тертя, але що більш важливо, вона зменшує ризик. Код, згенерований штучним інтелектом, збільшується швидко, і з ним зростає вищий рівень дефектів та ненадійних залежностей. Керування цими ризиками вимагає видимості протягом усього життєвого циклу, а не тільки на ізольованих стадіях.

Об’єднавши безпечні середовища, управління залежностями, оркестрацію та управління в одну систему, платформа позиціонується для обробки зростаючої складності застосунків, родних для штучного інтелекту, без примусу команд перебудовувати свої робочі процеси з нуля.

Ширша зміна в інфраструктурі штучного інтелекту

Ця покупка також підкреслює більший тренд: консолідацію стека інструментів штучного інтелекту.

Підприємства провели останні кілька років, збираючи колекції інструментів для обробки різних частин циклу штучного інтелекту. Цій підході працює в малому масштабі, але він стає крихким, коли системи стають більш складними та більш критичними для бізнес-операцій. Індустрія тепер рухається до платформ, які уніфікують ці шари, одночасно дозволяючи командам підтримувати контроль над своєю інфраструктурою.

Виклик полягає в балансуванні інтеграції з гнучкістю. Організації хочуть потокову систему, але вони все частіше обережні щодо блокування в екосистемах, контрольованих кількома домінуючими постачальниками.

Що робить цей крок помітним, так це те, що як Anaconda, так і Outerbounds історично підкреслювали відкритість та незалежність інфраструктури. Якщо ця філософія проходить у об’єднану платформу, вона передбачає модель, в якій підприємства можуть консOLIDувати свої робочі процеси штучного інтелекту без відмови від контролю над тим, де та як ці системи працюють.

Цей баланс може виявитися одним з визначальних факторів того, як інфраструктура корпоративного штучного інтелекту еволюціонує протягом наступних кількох років.