उद्योगातील अग्रगण्य कृत्रिम बुद्धिमत्ता कव्हर करण्यासाठी नवीनतम अद्यतने आणि विशेष सामग्री मिळविण्यासाठी दररोज आणि साप्ताहिक वृत्तपत्रांमध्ये सामील व्हा. अधिक जाणून घ्या
गूगल क्लाऊडने घोषित केले मोठ्या संख्येने नवीन वैशिष्ट्ये गेल्या आठवड्यात पुढील Google क्लाऊड इव्हेंटमध्ये, कमीतकमी 229 नवीन जाहिरातींसह.
हे जबल अल -कखबारमध्ये दफन करण्यात आले, ज्यात नवीन कृत्रिम बुद्धिमत्ता चिप्स आणि एआय एजंटिकची क्षमता तसेच तसेच समाविष्ट केले गेले. अद्ययावत डेटाबेसईएस, Google क्लाऊडने बिगक्यूनेस डेटा वेअरहाऊस सेवेद्वारे काही मोठ्या हालचाली देखील केल्या आहेत. नवीन क्षमतेपैकी बिगक्यूनेस युनिव्हर्सिटी आहे, जे संस्थांना त्यांच्या डेटा मालमत्तेचा शोध, समजून घेण्यास आणि विश्वास ठेवण्यास मदत करते. कारभाराची साधने डेटाची गुणवत्ता, प्रवेश सुलभता आणि विश्वासार्हता सुनिश्चित करून कृत्रिम बुद्धिमत्ता स्वीकारण्यास प्रतिबंधित करणार्‍या मुख्य अडथळ्यांवर प्रक्रिया करण्यात मदत करतात.
Google साठी जोखीम प्रचंड आहेत कारण ते संस्थेच्या डेटा स्पेसमध्ये प्रतिस्पर्धी घेतात.
बिगकुनस २०११ पासून बाजारात काम करत आहे आणि अलिकडच्या वर्षांत क्षमता आणि वापरकर्ता बेस या दोन्ही बाबतीत वाढली आहे. वरवर पाहता, बिगकुनस देखील एक मोठी Google क्लाऊड कंपनी आहे. Google क्लाऊड पुढील दरम्यान, व्यवसायाचा आकार प्रत्यक्षात किती आहे हे प्रथम अनावरण केले गेले. गूगलच्या मते, बिगक्वेरीकडे स्नोफ्लेक आणि डेटाब्रिक्स या दोहोंच्या ग्राहकांच्या संख्येपेक्षा पाचपट होते.
गुगल क्लाऊडवरील डेटा विश्लेषणेचे प्रशासकीय संचालक यास्मीन अहमद यांनी व्हेंचरबीटला सांगितले की, “हे पहिले वर्ष आहे ज्यामध्ये आम्ही ग्राहकांची आकडेवारी आधीपासूनच प्रकाशित करण्याची परवानगी मिळविली, जी माझ्यासाठी एक सुखद बाब आहे.” “डेटाब्रिक्स आणि स्नोफ्लेक, बाजारात हा एकमेव प्रकारचा डेटा डेपो आहे. आमच्याकडे त्यापैकी कोणत्याहीपेक्षा पाचपट जास्त ग्राहक आहेत.”
संस्थांचा अवलंब वाढविण्यासाठी Google बिगक्यूनेस कसे सुधारते
जरी Google आता त्याच्या प्रतिस्पर्ध्यांपेक्षा अधिक व्यापक वापरकर्ता बेस असल्याचा दावा करीत आहे, परंतु ते गॅसपासून त्याचे पाय हस्तांतरित करीत नाही. अलिकडच्या काही महिन्यांत, विशेषत: Google क्लाऊड नेक्स्टमध्ये, हायपरस्केलने संस्थांचे दत्तक वाढविण्यासाठी एकाधिक नवीन क्षमता जाहीर केल्या आहेत.
एआयचे मुख्य आव्हान म्हणजे एसएलएएस पातळी पूर्ण करणार्‍या योग्य डेटामध्ये प्रवेश करणे. Google ने नमूद केलेल्या गार्टनर रिसर्चनुसार, अ‍ॅम्नेस्टी इंटरनॅशनलसाठी तयार -निर्मित डेटाचा सराव करून कृत्रिम बुद्धिमत्तेच्या प्रकरणांना सक्षम आणि समर्थन देत नाही अशा संस्था एसएलए प्रदान करण्यात आणि त्याग करण्यात अयशस्वी होणार्‍या 60 % पेक्षा जास्त कृत्रिम बुद्धिमत्ता प्रकल्प पाहतील.
हे आव्हान संस्थेचा डेटा व्यवस्थापित करणार्‍या तीन सतत समस्यांपासून उद्भवते:
- फील्ड डेटा सिलो
- वेगाने बदलत्या आवश्यकता
- कार्यसंघ म्हणून न पाहिलेले संघटनात्मक डेटा संस्कृती डेटाबद्दल सामान्य भाषा सामायिक करत नाहीत.
Google च्या युनिफाइड गव्हर्नन्स रिझोल्यूशन हे साधने किंवा स्वतंत्र ऑपरेशन्स ऑर्डर करण्याऐवजी बिगक्यूनेस प्लॅटफॉर्ममध्ये थेट शासन क्षमता समाविष्ट करून पारंपारिक पद्धतींमधून महत्त्वपूर्ण निघून जाणे आहे.
एकसमान बिगक्युने गव्हर्नन्स: खोल तांत्रिक विभाजन
Google जाहिरातीच्या मध्यभागी एक युनिफाइड बिगक्यूनेस व्हॅली आहे, नवीन बिगक्यूनेस युनिव्हर्सल कॅटलॉगद्वारे समर्थित. पारंपारिक कॅटलॉग्सच्या विपरीत ज्यात केवळ सारणी माहिती आणि मूलभूत स्तंभ आहेत, ग्लोबल कॅटलॉग तीन विशिष्ट प्रकारचे वर्णनात्मक डेटा समाकलित करते:
- भौतिक/तांत्रिक वर्णनात्मक डेटायोजनेचे ड्रायव्हर्स, डेटा प्रकार आणि स्टिरिओटाइप्स.
- व्यावसायिक वर्णनात्मक डेटाव्यवसायाच्या क्रियांची अटी, वर्णन आणि अर्थपूर्ण संदर्भ.
- ऑपरेशनच्या वेळेचा तपशील: चौकशी, अपाचे आईसबर्ग सारख्या तंत्रज्ञानासाठी समन्वयासाठी आकडेवारी आणि माहिती वापरा.
हा युनिफाइड दृष्टीकोन बिगकुनसला संपूर्ण संस्थेमध्ये डेटा मालमत्तेची विस्तृत समज कायम ठेवण्यास अनुमती देतो. सिस्टमला विशेषत: मजबूत बनवते ते म्हणजे Google ने जेमिनी, प्रगत कृत्रिम बुद्धिमत्ता मॉडेल थेट गव्हर्नन्स लेयरमध्ये कसे विलीन केले ते ज्ञान इंजिन म्हणतात.
डेटा गटांमधील संबंध शोधून, कामाच्या संदर्भात वर्णनात्मक डेटा समृद्ध करून आणि डेटा गुणवत्तेचे स्वयंचलितपणे देखरेख करून इंजिन कारभाराच्या क्रियाकलापांद्वारे वर्धित केले जाते.
मुख्य क्षमतांमध्ये नैसर्गिक भाषेच्या आकलनासह अर्थपूर्ण संशोधन, यांत्रिक वर्णनात्मक डेटा तयार करणे, वतीने कार्य करणारे वर्तन शोधणे, पॅकेजिंगशी संबंधित मालमत्तेसाठी डेटा उत्पादने, संघटित आणि असंघटित दोन्ही डेटा आणि विसंगती शोधणे यांचा समावेश आहे.
मानके विसरा, एंटरप्राइझ एआय ही एक मोठी समस्या आहे
Google रणनीती कृत्रिम बुद्धिमत्ता मॉडेल स्पर्धेपेक्षा जास्त आहे.
“मला वाटते की या उद्योगात बरेच काही आहे, जे केवळ वैयक्तिक नेते मिळविण्यावर लक्ष केंद्रित करते आणि खरं तर Google समस्येबद्दल पूर्णपणे विचार करते,” अहमद म्हणाले.
हा सर्वसमावेशक दृष्टीकोन संपूर्ण संस्थेच्या डेटाच्या जीवन चक्रात लक्ष देतो आणि अशा महत्त्वाच्या प्रश्नांना प्रतिसाद देतो जसे की: आपण आत्मविश्वास कसा देऊ शकता? हे मोठ्या प्रमाणात वितरित कसे केले जाते? आपण प्रशासन आणि सुरक्षा कशी प्राप्त करता?
स्टॅकच्या प्रत्येक थरात नाविन्यपूर्ण आणि या नवकल्पना एकत्रितपणे एकत्रित करून, Google ने अहमदला वास्तविक वेळेत डेटा उत्तेजक डेटा म्हणतो त्यास तयार केले, जेथे डेटा घेताच, प्रकार, समन्वय किंवा जेथे तो संग्रहित केला जातो तेथेच वाण, गुणवत्ता आणि गुणवत्ता यांची त्वरित पिढी आहे.
तथापि, मॉडेल महत्वाचे आहेत. अहमद यांनी स्पष्ट केले की जेमिनी २.० सारख्या विचारांच्या मॉडेल्सच्या देखाव्यासह, Google डेटा प्लॅटफॉर्मसाठी एक मोठे उद्घाटन होते.
“एक वर्षापूर्वी, जेव्हा आपण गेनईला एखाद्या व्यावसायिक प्रश्नाचे उत्तर देण्यास सांगत होता, जे काही अधिक क्लिष्ट झाले आहे, तेव्हा आपल्याला त्यास एकाधिक चरणांमध्ये विभागणे आवश्यक आहे,” ती म्हणाली. “अचानक, विचारांच्या मॉडेलसह, ते एखाद्या योजनेपर्यंत पोहोचू शकते … आपल्याकडे योजना तयार करण्याचा एक मार्ग आपल्याकडे त्याच्या कठीण प्रतीकात नाही. योजना कशी तयार करावी हे माहित आहे.”
परिणामी, ती आता म्हणाली की आपण तीन -स्टेप पाइपलाइन किंवा 10 चरण तयार करण्यासाठी डेटा अभियांत्रिकी एजंट सहज मिळवू शकता. Google च्या कृत्रिम बुद्धिमत्तेच्या क्षमतेसह एकत्रीकरणाने संस्थेच्या डेटासह जे शक्य आहे ते बदलले आहे.
वास्तविक जगाचा प्रभाव: कंपन्यांचा कसा फायदा होतो
लेव्ही स्ट्रॉस अँड कंपनी एकसमान डेटा गव्हर्नन्स कशी हस्तांतरित केली जाते याचे एक निश्चित उदाहरण प्रदान करते. 172 -वर्षांची कंपनी Google कडून डेटा गव्हर्नन्स क्षमता वापरते कारण ती ग्राहकांचा थेट ब्रँड होईपर्यंत मुख्यतः घाऊक कंपनी होण्यापासून पुढे सरकते. Google क्लाऊड पुढील सत्रात, लेव्हीमध्ये डेटा आणि एआय प्लॅटफॉर्म अभियांत्रिकी चालविणार्‍या विनय नायना यांनी आपल्या संस्थेच्या वापराच्या स्थितीबद्दल तपशीलवार माहिती दिली.
“आम्ही आमच्या व्यवसाय विश्लेषकांना वास्तविक वेळेत डेटामध्ये प्रवेश करण्यास सक्षम करण्याची इच्छा करतो.” “आम्ही नवीन व्यासपीठ तयार करण्याचा आमचा प्रवास सुरू करण्यापूर्वी, आम्हाला विविध वापरकर्त्यांची आव्हाने सापडली. आमच्या व्यवसाय वापरकर्त्यांना डेटा कोठे राहतो हे माहित नव्हते आणि जर त्यांना डेटाचा स्रोत माहित असेल तर त्यांना हे माहित नसलेल्यांना माहित नाही. जर ते काही प्रमाणात पोहोचू शकले तर तेथे कागदपत्रे नव्हती.”
लेव्हीने एक Google क्लाऊड डेटा प्लॅटफॉर्म तयार केला आहे जो व्यवसायाद्वारे डेटा उत्पादनांचे नियमन करतो, जो त्यांना हब tics नालिटिक्स (Google डेटा मार्केट) द्वारे शोधला जातो. प्रत्येक डेटा उत्पादनासह तपशीलवार दस्तऐवज, वंश माहिती आणि गुणवत्ता मानकांसह असते.
परिणाम प्रभावी होते: “आम्ही आमच्या जुन्या डेटा प्लॅटफॉर्मपेक्षा 50x वेगवान आहोत आणि हे अगदी खालच्या टोकाला आहे. मोठ्या संख्येने धारणा 100x आहेत.” “आमच्याकडे 700 हून अधिक वापरकर्ते आहेत जे आधीच दररोज मूलभूत प्रणाली वापरतात.”
आणखी एक उदाहरण वेरीझन कडून आले आहे, जे व्यवसाय युनिट्सद्वारे आधीच केलेल्या डेटा एकत्रित करण्यासाठी वेरीझन वन डेटा इनिशिएटिव्हचा भाग म्हणून Google गव्हर्नन्स टूल्सचा वापर करते.
एव्हीपी म्हणाले, “हे उत्तर अमेरिकेतील संप्रेषण डेटाचे सर्वात मोठे गोदाम असेल जे बिगक्यूनेसवर कार्य करते,” एव्हीपी म्हणाले.
कंपनीची डेटा प्रॉपर्टी प्रचंड आहे आणि यात 3,500 वापरकर्त्यांचा समावेश आहे जे अंदाजे 50 दशलक्ष चौकशी, 35,000 डेटा पाइपलाइन आणि 40 हून अधिक बिट्टेल्स ऑपरेट करतात.
Google क्लाऊड पुढील, अहमदने इतर अनेक वापरकर्त्यांची उदाहरणे देखील दिली. रेडिसन हॉटेल ग्रुपने आपल्या जाहिराती मोठ्या प्रमाणात आणि बिगक्यूनेस डेटावर मिथुन मॉडेलचे प्रशिक्षण दिले आहेत. कार्यसंघाच्या मोहिमेमधून उत्पन्न वाढून 20 % पेक्षा जास्त वाढ झाली आहे. गॉर्डनची खाद्य सेवा बिगकुनसमध्ये गेली आहे, याची खात्री करुन घ्या की त्यांचा डेटा पुरुषांसाठी तयार आहे आणि ग्राहकांना सामोरे जाणा applications ्या अनुप्रयोगांची मान्यता 96 % टक्क्यांनी वाढली आहे.
“मोठा” फरक काय आहे: स्पर्धात्मक देखावा एक्सप्लोर करणे
फाउंडेशनच्या डेटा वेअरहाऊसच्या क्षेत्रात बरेच विक्रेते आहेत, ज्यात डेटा, बर्फ आणि मायक्रोसॉफ्ट आणि क्लॅम्पसह मायक्रोसॉफ्ट आणि रेड डिस्प्लेसमेंटसह Amazon मेझॉन आहे. हे सर्व विक्रेते अलिकडच्या वर्षांत कृत्रिम बुद्धिमत्तेचे विविध प्रकार विकसित करतात.
डेटाब्रिक्स आहेत बेकहाउस प्लॅटफॉर्म व्यापक डेटा आणि विस्तारित त्याच्या कृत्रिम बुद्धिमत्तेची शक्यता, काही प्रमाणात धन्यवाद, अंशतः 1.3 अब्ज डॉलर्सच्या संपादनामुळे आहेत. Amazon मेझॉन रेडशिफ्टने Amazon मेझॉनसह 2023 मध्ये कृत्रिम बुद्धिमत्तेसाठी समर्थन जोडले प्रश्न वापरकर्त्यांना चौकशी तयार करण्यात आणि चांगली उत्तरे मिळविण्यात मदत करा. त्याच्या भागासाठी, स्नूफ्लाके मोठ्या भाषा मॉडेल (एलएलएम) सह साधने आणि भागीदारी विकसित करण्यात व्यस्त होते मानवांसह सेवा प्रदाता.
जेव्हा तुलना विशेषत: मायक्रोसॉफ्ट ऑफरवर क्लिक करतात तेव्हा अहमदने असा युक्तिवाद केला की क्लॅम्प ग्राहकांद्वारे वापरल्या जाणार्‍या प्रकरणांच्या प्रकारांसाठी डेटा प्लॅटफॉर्म नाही.
“मला वाटते की आम्ही संपूर्ण उद्योगात उडी मारली, कारण आम्ही सर्व तुकड्यांवर काम केले आहे,” ती म्हणाली. “आमच्याकडे सर्वोत्कृष्ट मॉडेल आहे, तसे, हे सर्वोत्कृष्ट मॉडेल आहे जे एजंट्स कसे कार्य करतात हे समजणार्‍या मुख्य डेटामध्ये समाकलित केलेले आहे.”
या एकत्रीकरणाने बिगक्यूनेसमध्ये अ‍ॅम्नेस्टी इंटरनॅशनलच्या शक्यता स्वीकारल्या आहेत. Google च्या मते, Google मध्ये ग्राहकांच्या n म्नेस्टी आंतरराष्ट्रीय मॉडेल्सचा वापर वार्षिक आधारावर वार्षिक आधारावर बिगक्यूनेसमध्ये 16 वेळा वाढला.
कृत्रिम बुद्धिमत्ता स्वीकारणार्‍या संस्थांसाठी याचा अर्थ काय आहे?
कृत्रिम बुद्धिमत्तेच्या अंमलबजावणीशी आधीपासूनच संघर्ष करणार्‍या संस्थांसाठी, सरकारकडे एकात्मिक Google दृष्टिकोन स्वतंत्र डेटा आणि कृत्रिम बुद्धिमत्ता प्रणाली गोळा करण्यापेक्षा यशाचा अधिक सरलीकृत मार्ग प्रदान करू शकतो.
या क्षेत्रातील Google ने प्रतिस्पर्धी “उडी मारली आहेत” असा अहमदच्या दाव्याला ऑडिटला सामोरे जावे लागेल कारण संस्थांनी या नवीन क्षमता कार्य करण्यास लावल्या आहेत. तथापि, ग्राहक आणि तांत्रिक तपशीलांची उदाहरणे सूचित करतात की Google ने फाउंडेशनच्या एआयच्या दत्तक घेण्याच्या सर्वात आव्हानात्मक पैलूंपैकी एकाशी वागण्यात मोठी प्रगती केली आहे.
डेटा प्लॅटफॉर्मचे मूल्यांकन करणार्‍या तांत्रिक निर्णय निर्मात्यांसाठी, मुख्य प्रश्न असे आहेत की हा एकात्मिक दृष्टीकोन स्नोफ्लेक किंवा डेटाब्रिक्स सारख्या विशेष प्लॅटफॉर्ममधील सध्याच्या गुंतवणूकीच्या हद्दपारीचे औचित्य सिद्ध करण्यासाठी पुरेसे अतिरिक्त मूल्य प्रदान करते की नाही आणि प्रतिस्पर्धी प्रतिसाद म्हणून Google सध्याच्या नाविन्यपूर्ण गतीची देखभाल करू शकते की नाही.
Source link
