Присоединяйтесь к событию, которым доверяют лидеры предприятия в течение почти двух десятилетий. VB Transform объединяет людей, строящих реальную стратегию ИИ предприятия. Узнать больше
До того, как генеративный ИИ стал массовой отраслевой тенденцией, которой он является сегодня, был прогнозирующий ИИ, который, как следует из названия, помогает предоставить прогнозы о будущих событиях, основанных на данных. Но что, если бы вы могли объединить обе технологии в одну?
Это цель пекана AI. Восьмилетний стартап уже предлагает платформу прогнозирующей аналитики для предприятий и с момента его старта привлекла 116 миллионов долларов США, включая раунд в размере 66 миллионов долларов в феврале 2022 года.
Сегодня компания запускает новый инструмент, Predictive Genai, который сочетает в себе некоторые возможности современных генеративных возможностей ИИ с прогнозирующим машинным обучением.
«В то время как мы работали на нашей стороне соседства над классическими программами Analytics Solutions Classic Learning, на другой стороне района произошла вся революция Gen AI»,-сказал VentureBeat Зохар Бронфман, генеральный директор и соучредитель Pecan AI. «Одна вещь Gen AI ужасен, это создание прогнозов».
Хотя Gen AI не идеально подходит для прогнозирования, методы прогнозного машинного обучения не особенно удобны для пользователя. Прогнозирующий Genai от Pecan AI смешивает оба подхода, позволяющие ученым -ученым, которые теперь легче создавать и генерировать прогнозирующие модели ИИ.
Сделать предиктивный ИИ доступным для бизнес -пользователей
Ключевой целью для AI Pecan является помочь компаниям принять машинное обучение и ИИ самым простым способом.
Исторически, ученые -данные были основными пользователями платформ ИИ и, в частности, технологией прогнозного машинного обучения.
Бронфман сказал, что Pecan AI предназначен для доступности и стремится демократизировать возможности ИИ и довести его к людям, которые ближе к деловой стороне вещей внутри компаний.
Существует две части в предсказательную возможность Пекана ИИ.
- Предсказательный чат-это функция, которая позволяет пользователям задавать запросы естественного языка через интерфейс в стиле чат-бот. Бронфман сказал, что цель состоит в том, чтобы помочь пользователю, у которого есть конкретная бизнес -проблема, более легко использовать конкретную предиктическую структуру, которая соответствует необходимости бизнеса.
- Новая предиктивная ноутбука использует генеративный ИИ для создания ноутбука по науке о данных, который используется в качестве основы для построения прогнозирующей модели. Бронфман объяснил, что предиктивная записная книжка — это проприетарная записная книжка пекана AI, основанная на SQL. Он содержит сгенерированные ячейки, которые определяют преобразование нативных данных компании в набор данных A-i-yi-read для прогнозного моделирования. Каждая сгенерированная ячейка отвечает за элемент этого преобразования, такой как запросы, структурирование и соединение данных. Ячейки могут автоматически запускать в бэкэнд пекана AI прозрачным образом для пользователя. Однако, если пользователь хочет принять более глубокое участие, он может настроить ячейки с помощью SQL. В конце процесса ноутбук создает набор запросов, которые применяются к таблицам данных пользователя, чтобы преобразовать их из их собственного состояния в набор данных с AI, для библиотеки моделирования Pecan AI.
Почему обычный Gen AI не может предсказать (ну, если вообще)
Как известно, Gen AI хорош во многих разных вещах, таких как создание чат -ботов, суммирование контента и написание отчетов.
По мнению Бронфмана, Gen AI само по себе, однако, не подходит для прогнозирования по нескольким причинам.
Он сказал Venturebeat, что инструменты Gen Gen Gen, которые подвергаются воздействию во время обучения, не находятся в надлежащем формате AI-reade, необходимого для прогнозного моделирования.
Бронфман объяснил, что для прогнозирующей модели набор данных должен иметь каждую строку в качестве отдельного объекта, причем каждый столбец представляет определенную функцию и столбец метки для целевой переменной.
Однако в реальных сценариях бизнеса для получения наборов данных в этом формате требуется значительная работа по разработке данных.
Генеративные модели искусственного интеллекта не очень хороши для получения необработанных табличных данных из разных источников и превращать их в плоский, двумерный формат, необходимый для прогнозного моделирования. Это навык, который обычно требует опытного ученых данных.
По словам Бронфмана, использования векторной базы данных также недостаточно для полноценного прогнозирующего моделирования ИИ.
Он объяснил, что, хотя векторные базы данных и встраивания могут поддерживать базовые прогнозирующие возможности, работая с ограниченным набором функций, их недостаточно.
Бронфман сказал, что либо модели должны быть очень простыми, снимая только ограниченную картину, либо альтернативно ученому по данным все равно потребуется сделать относительно сложную инженерию функций, чтобы подготовить данные в надлежащем формате, прежде чем питать их более богатой прогнозной модели.
Инновации в подготовке данных помогают улучшить прогноз
В то время как разговорной прогнозирующий Gen AI может быть наиболее заметной новой способностью, Pecan AI продвигается вперед со своими запатентованными инновациями в отношении автоматизации подготовки данных и инженерии функций.
Среди инноваций для подготовки данных, над которыми работал Pecan AI, является автоматизация, чтобы помочь улучшить такие проблемы, как утечка данных, которые могут подорвать точность модели. В машинном обучении утечка данных относится к использованию информации, взятой из процесса обучения, которая обычно не будет доступна, когда будет сделан прогноз.
«НЕ ТРИВИЛЬНО в выявлении утечки, особенно если вы не профессиональный ученый», — сказал Бронфман. «Так что у нас есть, например, автоматизированные способы определения утечки».
Источник
