Anaconda Mua Outerbounds để Thống Nhất Phát Triển Trí Tuệ Nhân Tạo Doanh Nghiệp

Anaconda đã mua Outerbounds, kết hợp hai lớp của hệ sinh thái trí tuệ nhân tạo doanh nghiệp mà trước đây đã bị phân mảnh: môi trường phát triển và điều phối sản xuất.

Tại cốt lõi, động thái này phản ánh sự thay đổi trong cách xây dựng hệ thống trí tuệ nhân tạo. Thay vì coi các mô hình chỉ là một thành phần khác trong phần mềm truyền thống, các doanh nghiệp hiện đang thiết kế các ứng dụng nơi mô hình nằm ở trung tâm. Sự thay đổi đó đã暴 lộ một khoảng trống lớn giữa thí nghiệm và sản xuất, một khoảng trống mà việc mua lại này rõ ràng nhằm mục đích đóng lại.

Từ Cơ Sở Python đến Chu Kỳ Trí Tuệ Nhân Tạo Toàn Diện

Anaconda đã từng là điểm xuất phát cho công việc khoa học dữ liệu và trí tuệ nhân tạo, đặc biệt là trong Python. Nền tảng của nó được xây dựng xung quanh việc quản lý gói, phụ thuộc và môi trường theo cách giảm thiểu ma sát cho các nhà phát triển trong khi duy trì bảo mật và khả năng tái tạo. Nó cung cấp cho các đội truy cập vào hàng nghìn thư viện và công cụ đã được kiểm tra trước, cho phép họ di chuyển nhanh mà không phải liên tục giải quyết vấn đề tương thích hoặc rủi ro ẩn.

Điều mà nó không truyền thống sở hữu là hành trình đầy đủ vượt ra ngoài điểm xuất phát đó. Một khi các mô hình được xây dựng, các doanh nghiệp vẫn cần phối hợp các quy trình làm việc, mở rộng tính toán, theo dõi thí nghiệm và quản lý việc triển khai trên cơ sở hạ tầng ngày càng phức tạp.

Đó là nơi Outerbounds phù hợp.

Outerbounds Thêm vào Phương Trình là Gì

Outerbounds được thiết kế để giải quyết mặt vận hành của học máy. Nền tảng của nó, được xây dựng trên khuôn khổ Metaflow mã nguồn mở ban đầu được phát triển tại Netflix, tập trung vào cách hệ thống trí tuệ nhân tạo thực sự chạy trong môi trường sản xuất.

Thay vì chỉ thực thi mã, nó quản lý toàn bộ chu kỳ cuộc sống của các quy trình làm việc học máy. Điều đó bao gồm việc phối hợp các đường ống đa bước, theo dõi thí nghiệm theo thời gian, xử lý các hiện vật dữ liệu và phân phối khối lượng công việc trên cơ sở hạ tầng đám mây hoặc kết hợp. Hệ thống được thiết kế để hoạt động trên bất kỳ cơ sở hạ tầng nào mà một công ty đã sử dụng, điều này đã làm cho nó trở nên hấp dẫn đối với các tổ chức muốn linh hoạt hơn là bị khóa vào một nhà cung cấp đám mây duy nhất.

Điều này không chỉ là về tự động hóa. Nó là về việc làm cho các hệ thống trí tuệ nhân tạo phức tạp trở nên quan sát được và lặp lại, điều này trở nên quan trọng một khi các mô hình chuyển từ nguyên mẫu sang các hệ thống liên tục hoạt động và phát triển.

Tại Sao Sự Kết Hợp Này Quan Trọng

Sự kết hợp giữa Anaconda và Outerbounds tạo ra một con đường liên tục hơn từ thí nghiệm đến sản xuất.

Thay vì các nhà phát triển xây dựng mô hình trong một môi trường và sau đó chuyển chúng sang một tập hợp công cụ hoàn toàn khác để triển khai, nền tảng hợp nhất cho phép các giai đoạn đó tồn tại trong cùng một hệ sinh thái được kiểm soát. Sự liên tục đó giảm thiểu ma sát, nhưng quan trọng hơn, nó giảm thiểu rủi ro. Mã được tạo ra bởi trí tuệ nhân tạo đang tăng nhanh, và cùng với đó là tốc độ cao hơn của các khiếm khuyết và phụ thuộc không an toàn. Quản lý những rủi ro đó đòi hỏi phải có tầm nhìn trên toàn bộ chu kỳ cuộc sống, không chỉ ở các giai đoạn bị cô lập.

Bằng cách tích hợp các môi trường an toàn, quản lý phụ thuộc, điều phối và quản trị vào một hệ thống, nền tảng được định vị để xử lý sự phức tạp ngày càng tăng của các ứng dụng bản địa trí tuệ nhân tạo mà không buộc các đội phải xây dựng lại quy trình làm việc của họ từ đầu.

Sự Thay Đổi Rộng Lớn Hơn trong Cơ Sở Hạ Tầng Trí Tuệ Nhân Tạo

Việc mua lại này cũng làm nổi bật một xu hướng lớn hơn: sự hợp nhất của ngăn xếp công cụ trí tuệ nhân tạo.

Các doanh nghiệp đã dành vài năm qua để lắp ráp các công cụ để xử lý các phần khác nhau của chu kỳ cuộc sống trí tuệ nhân tạo. Cách tiếp cận đó hoạt động ở quy mô nhỏ, nhưng nó trở nên mong manh khi hệ thống trở nên phức tạp và quan trọng hơn đối với hoạt động kinh doanh. Ngành công nghiệp hiện đang chuyển hướng sang các nền tảng hợp nhất các lớp này trong khi vẫn cho phép các đội duy trì kiểm soát cơ sở hạ tầng của họ.

Thách thức là cân bằng tích hợp với linh hoạt. Các tổ chức muốn một hệ thống được.streamline, nhưng họ ngày càng cảnh giác với việc bị khóa vào các hệ sinh thái được kiểm soát bởi một số nhà cung cấp thống trị.

Điều làm cho động thái này đáng chú ý là cả Anaconda và Outerbounds đã từng nhấn mạnh sự mở và độc lập cơ sở hạ tầng. Nếu triết lý đó được duy trì trong nền tảng hợp nhất, nó gợi ý một mô hình nơi các doanh nghiệp có thể hợp nhất các quy trình làm việc trí tuệ nhân tạo của họ mà không từ bỏ quyền kiểm soát nơi và cách các hệ thống đó chạy.

Điều đó có thể trở thành một trong những yếu tố quyết định trong cách cơ sở hạ tầng trí tuệ nhân tạo doanh nghiệp phát triển trong vài năm tới.