सखोल शिक्षण क्रांतीमध्ये एक विचित्र आंधळा स्थान आहे: स्प्रेडशीट. मोठ्या लँग्वेज मॉडेल्सने (LLMs) मानवी गद्य आणि प्रतिमा जनरेटरच्या सूक्ष्म गोष्टींवर प्रभुत्व मिळवले आहे, डिजिटल कॅनव्हासवर आक्रमण केले आहे, संरचित, रिलेशनल डेटा जो जागतिक अर्थव्यवस्थेला अधोरेखित करतो — एंटरप्राइझ रिसोर्स प्लॅनिंग (ERP) सिस्टममधील पंक्ती आणि स्तंभ, ग्राहक संबंध व्यवस्थापक (CRMs), आणि आर्थिक खाते — आत्तापर्यंत पीडीएफ फाइल किंवा मजकूर फाइल म्हणून समान मानले गेले आहेत.
यामुळे मॅन्युअल फीचर इंजिनीअरिंगची विशिष्ट तदर्थ, श्रम-केंद्रित डेटा सायन्स प्रक्रिया आणि आधुनिक सखोल शिक्षणाच्या आधीच्या क्लासिक मशीन लर्निंग अल्गोरिदमचा वापर करून व्यवसाय परिणामांचा अंदाज लावण्यास कंपन्यांना सोडले आहे.
पण आता Fundamental, DeepMind माजी विद्यार्थ्यांनी सह-स्थापलेली सॅन फ्रान्सिस्को-आधारित AI कंपनी, ती अंतर भरून काढण्यासाठी $255 दशलक्षच्या एकूण निधीसह आज लॉन्च करत आहे.
स्टिल्थमधून बाहेर पडून, कंपनीने नेक्सस, लार्ज टॅब्युलर मॉडेल (LTM) ला पदार्पण केले आहे, जे व्यवसाय डेटाला शब्दांचा साधा क्रम म्हणून नव्हे तर अरेखीय संबंधांचे एक जटिल नेटवर्क म्हणून हाताळण्यासाठी डिझाइन केलेले आहे.
तंत्रज्ञान: अनुक्रमिक तर्कशास्त्राच्या पलीकडे जाणे
बहुतेक वर्तमान AI मॉडेल्स अनुक्रमिक तर्कशास्त्रावर अवलंबून असतात, वाक्यातील पुढील शब्द किंवा फ्रेममधील पुढील पिक्सेलचा अंदाज लावतात.
तथापि, एंटरप्राइझ डेटा मूळतः गैर-अनुक्रमी आहे. क्लायंटच्या अस्थिरतेचा धोका फक्त शेड्यूलबद्दल नाही; हा व्यवहार वारंवारता, समर्थन भावना आणि प्रादेशिक आर्थिक बदलांचा एक बहुआयामी छेदनबिंदू आहे. सध्याच्या एमबीए विद्यार्थ्यांना याचा सामना करावा लागतो कारण ते संस्था-व्यापी सारण्यांच्या आकार आणि परिमाणांच्या मर्यादांना अनुकूल नाहीत.
"जगातील सर्वात मौल्यवान डेटा टेबलमध्ये आहे आणि आतापर्यंत त्यांना समजण्यासाठी विशेषतः डिझाइन केलेले कोणतेही चांगले बेसलाइन मॉडेल नाही." जेरेमी फ्रँकेल, सीईओ आणि फंडामेंटलचे सह-संस्थापक म्हणाले.
व्हेंचरबीटला दिलेल्या नुकत्याच दिलेल्या मुलाखतीत, फ्रँकेलने यावर जोर दिला की जरी एआय जग मजकूर, ऑडिओ आणि व्हिडिओने वेडलेले असले तरी, टेबल ही संस्थांसाठी सर्वात मोठी पद्धत आहे. "LLM खरोखरच या प्रकारचा डेटा चांगल्या प्रकारे हाताळू शकत नाहीत;" त्याने स्पष्ट केले, "संस्था सध्या अंदाज बांधण्यासाठी खूप जुन्या मशीन लर्निंग अल्गोरिदमवर अवलंबून आहेत."
NEXUS ला Amazon SageMaker HyperPod वापरून अब्जावधी रिअल-वर्ल्ड टॅब्युलर डेटासेटवर प्रशिक्षित केले जाते. पारंपारिक XGBoost किंवा रँडम फॉरेस्ट मॉडेल्सच्या विपरीत, ज्यासाठी डेटा वैज्ञानिकांना व्यक्तिचलितपणे वैशिष्ट्ये निवडण्याची आवश्यकता असते — मॉडेलने ज्या विशिष्ट व्हेरिएबल्सकडे पाहिले पाहिजे — NEXUS ची रचना कच्च्या टेबल्स थेट अंतर्भूत करण्यासाठी केली गेली आहे.
हे स्तंभ आणि पंक्तींमधील अंतर्निहित नमुने ओळखते जे मानवी विश्लेषक चुकवू शकतात आणि नॉनलाइनर परस्परसंवाद समजून घेण्यासाठी नेटवर्कची लपलेली भाषा प्रभावीपणे वाचते.
कोडींग सापळा
टॅब्युलर डेटावर पारंपारिक एलएलएम अयशस्वी होण्याचे मुख्य कारण म्हणजे संख्यांवर प्रक्रिया कशी केली जाते. फ्रँकेल स्पष्ट करतात की LLM धारक संख्यांना ज्या प्रकारे एन्कोड करतात त्याच प्रकारे ते शब्द एन्कोड करतात, त्यांना लहान भागांमध्ये विभाजित करतात. "समस्या अशी आहे की ते संख्यांवर समान गोष्ट लागू करतात. सारण्या सामान्यतः सर्व डिजिटल असतात" फ्रँकल यांनी नमूद केले. "तुमच्याकडे 2.3, “2” आणि “” सारखी संख्या असल्यास. आणि तीन भिन्न चिन्हे म्हणून “3”. याचा मुळात अर्थ असा आहे की तुम्ही संख्यांच्या वितरणाची समज गमावली आहे. हे कॅल्क्युलेटरसारखे नाही. तुम्हाला नेहमी बरोबर उत्तर मिळत नाही कारण मॉडेलला संख्यांची संकल्पना देखील समजत नाही."
शिवाय, टॅब्युलर डेटा अशा क्रमाने निश्चित केला जातो की भाषा नाही. फ्रँकल हे स्पष्ट करण्यासाठी आरोग्य सेवेचे उदाहरण वापरतो: "जर मी तुम्हाला शेकडो हजारो रुग्णांसह एक टेबल दिले आणि त्यापैकी कोणाला मधुमेह असेल हे सांगण्यास सांगितले, तर पहिला स्तंभ उंचीचा आणि दुसरा वजनाचा असेल किंवा त्याउलट काही फरक पडत नाही."
LLM हे व्हेक्टरमधील शब्दांच्या क्रमासाठी अत्यंत संवेदनशील असतात, NEXUS हे समजून घेण्यासाठी डिझाइन केले आहे की स्तंभातील स्थान बदलल्याने अंतर्निहित अंदाजावर परिणाम होऊ नये.
प्रेडिक्टिव लेयरमध्ये चालते
अलीकडील हाय-प्रोफाइल एकत्रीकरण, जसे की अँथ्रोपिक क्लॉड जे थेट मायक्रोसॉफ्ट एक्सेलमध्ये दिसते, ते सूचित करतात की LLM आधीच टेबलसाठी सोडवत आहेत.
तथापि, फ्रँकेल मूलभूतपणे भिन्न स्तरावर कार्यरत म्हणून मूलभूत कार्याचे वैशिष्ट्य दर्शवितो: भविष्यसूचक स्तर. "ते जे करतात ते मुळात सूत्र स्तरावर असते – सूत्रे मजकूर असतात, ते कोडसारखे असतात," तो म्हणाला. "आम्ही तुम्हाला Excel मध्ये आर्थिक मॉडेल तयार करू देण्याचा प्रयत्न करत नाही. आम्ही तुम्हाला भविष्यवाणी करण्यात मदत करतो."
एखाद्या व्यक्तीला माहिती नसताना स्प्लिट-सेकंड निर्णय घेण्यासाठी NEXUS डिझाइन केले आहे, जसे की क्रेडिट कार्ड प्रदाता तुम्ही स्वाइप करता तेव्हा व्यवहार फसवा आहे की नाही हे ठरवतो.
क्लॉड सारखी साधने स्प्रेडशीटचा सारांश देऊ शकतात, NEXUS पुढील पंक्तीचा अंदाज लावण्यासाठी डिझाइन केलेले आहे — मग ते एखाद्या प्लांटमध्ये उपकरणे बिघडले किंवा रुग्णाला पुन्हा हॉस्पिटलमध्ये दाखल केले जाण्याची शक्यता असो.
आर्किटेक्चर आणि उपलब्धता
अंतर्दृष्टीपर्यंत पोहोचण्यासाठी लागणाऱ्या वेळेची मूलगामी कपात हे मूलभूत मूल्याचे मूळ प्रस्ताव आहे. पारंपारिकपणे, भविष्य सांगणारे मॉडेल तयार करण्यासाठी अनेक महिने मॅन्युअल काम लागू शकते.
"डेटावर प्रक्रिया करण्यासाठी आणि साफ करण्यासाठी या सर्व डेटा पाइपलाइन तयार करण्यासाठी तुम्हाला डेटा वैज्ञानिकांची फौज भाड्याने घ्यावी लागेल," फ्रँकेल यांनी स्पष्ट केले. "गहाळ मूल्ये किंवा विसंगत डेटा असल्यास, तुमचा फॉर्म कार्य करणार नाही. तुम्ही प्रत्येक वापराच्या केससाठी या पाइपलाइन तयार कराव्यात."
मूलभूत दावे NEXUS या संपूर्ण मॅन्युअल प्रक्रियेला फक्त एका ओळीच्या कोडने बदलतो. मॉडेल एक अब्ज टेबल्सवर पूर्व-प्रशिक्षित असल्यामुळे, त्याला पारंपारिक अल्गोरिदमच्या समान स्तरावरील कार्य-विशिष्ट प्रशिक्षण किंवा वैशिष्ट्य अभियांत्रिकीची आवश्यकता नसते.
फंडामेंटल त्याच्या भूमिगत टप्प्यातून व्यापक बाजारपेठेकडे जात असताना, ते एंटरप्राइझ सॉफ्टवेअर अवलंब करण्याच्या पारंपारिक घर्षणाच्या पलीकडे जाण्यासाठी डिझाइन केलेल्या व्यावसायिक संरचनेद्वारे असे करते.
कंपनीने फॉर्च्युन 100 संस्थांसोबत सात-आकड्यांचे अनेक करार आधीच मिळवले आहेत, ही उपलब्धी एका धोरणात्मक गो-टू-मार्केट रचनेद्वारे उपलब्ध आहे जिथे Amazon Web Services (AWS) AWS मार्केटप्लेसवर नोंदणीकृत विक्रेता म्हणून काम करते.
हे एंटरप्राइझ लीडर्सना सध्याच्या AWS क्रेडिट्सचा वापर करून NEXUS खरेदी आणि उपयोजित करण्यास अनुमती देते, प्रभावीपणे गणना आणि स्टोरेज सोबत एक मानक उपयुक्तता म्हणून भविष्यसूचक बुद्धिमत्ता हाताळते. त्याची अंमलबजावणी करण्याचे काम अभियंत्यांना, अनुभव उच्च-प्रभावपूर्ण परंतु कमी-घर्षणाचा आहे; NEXUS संभाषणात्मक स्तराऐवजी पूर्णपणे भविष्यसूचक स्तरामध्ये पायथन-आधारित इंटरफेसद्वारे कार्य करते.
विकासक रॉ टेबल्स थेट मॉडेलशी लिंक करतात आणि विशिष्ट लक्ष्य स्तंभांना नाव देतात-जसे की क्रेडिट डिफॉल्टची संभाव्यता किंवा देखभाल जोखीम स्कोअर-अंदाज चालवण्यासाठी. मॉडेल नंतर थेट एंटरप्राइझ डेटा स्टॅकवर रीग्रेशन्स किंवा रँकिंग परत करते, चॅट-आधारित सहाय्यकाऐवजी स्वयंचलित निर्णय घेण्यासाठी मूक, हाय-स्पीड इंजिन म्हणून काम करते.
सामाजिक जोखीम: तळाच्या ओळीच्या पलीकडे
मागणी अंदाज आणि किमतीच्या अंदाजाचे व्यावसायिक परिणाम स्पष्ट असले तरी, फंडामेंटल भविष्यसूचक बुद्धिमत्तेच्या सामाजिक फायद्यावर जोर देते.
कंपनी मुख्य क्षेत्रे हायलाइट करते जेथे NEXUS संरचित डेटामध्ये लपलेले सिग्नल ओळखून आपत्तीजनक परिणाम टाळू शकते.
सेन्सर डेटा आणि देखभाल नोंदींचे विश्लेषण करून, NEXUS पाईप गंज सारख्या अपयशांचा अंदाज लावू शकतो. कंपनी फ्लिंट वॉटर संकटाकडे लक्ष वेधते – ज्याची दुरुस्ती करण्यासाठी $1 बिलियन पेक्षा जास्त खर्च आला – एक उदाहरण म्हणून जेथे भविष्यसूचक निरीक्षणामुळे जीवघेणा प्रदूषण टाळता आले असते.
त्याचप्रमाणे, कोरोनाव्हायरस रोग 2019 (COVID-19) संकटादरम्यान, वैयक्तिक संरक्षणात्मक उपकरणांच्या कमतरतेमुळे रुग्णालयांना एका वर्षात $323 अब्ज खर्च आला. बासीचा असा विश्वास आहे की उत्पादन आणि महामारीविषयक डेटा वापरून, नेक्सस सर्वाधिक मागणीच्या 4 ते 6 आठवड्यांपूर्वी टंचाईचा अंदाज लावू शकते, ज्यामुळे जीव वाचवण्यासाठी वेळेवर आणीबाणी उत्पादन होते.
हवामान आघाडीवर, NEXUS चे 30 ते 60 दिवसांचे पूर आणि दुष्काळाचे अंदाज प्रदान करण्याचे उद्दिष्ट आहे, जसे की 2022 च्या पाकिस्तानातील पुरामुळे $30 अब्जांचे नुकसान झाले.
शेवटी, रूग्णांची लोकसंख्याशास्त्र आणि सामाजिक निर्धारकांचे विश्लेषण करून हॉस्पिटलमध्ये दाखल होण्याच्या जोखमीचा अंदाज लावण्यासाठी मॉडेलचा वापर केला जातो. कंपनी म्हणते म्हणून: "दोन नोकऱ्या करणारी एकटी आई आपत्कालीन कक्षात परत येऊ नये कारण तिला फॉलो-अप केअरची आवश्यकता असेल असे भाकीत करण्यात आम्ही अयशस्वी झालो."
कार्यप्रदर्शन विरुद्ध विलंबता
एंटरप्राइझ जगामध्ये, उद्योगानुसार सर्वोत्तमची व्याख्या बदलते. काहींसाठी, तो वेग आहे; इतरांसाठी, हे कच्चे अचूक आहे.
"विलंबतेच्या बाबतीत, ते वापराच्या केसवर अवलंबून असते," फ्रँकेल स्पष्ट करतात. "तुम्ही आफ्रिकेतील रुग्णाला कोणती औषधे द्यायची हे समजून घेण्याचा प्रयत्न करणारे संशोधक असल्यास, प्रतिसाद वेळेत फारसा फरक पडत नाही. तुम्ही सर्वात अचूक निर्णय घेण्याचा प्रयत्न करत आहात ज्यामुळे शेवटी शक्य तितक्या लोकांचे जीव वाचू शकतात."
याउलट, बँक किंवा हेज फंडासाठी, अचूकतेतील किरकोळ वाढ देखील प्रचंड मूल्यात अनुवादित करते.
"अंदाज अचूकतेमध्ये अर्धा टक्का वाढ बँकेसाठी अब्जावधी डॉलर्सची आहे." फ्रँकल म्हणतो. "वेगवेगळ्या वापराच्या प्रकरणांसाठी, टक्केवारीची वाढ बदलते, परंतु आम्ही तुम्हाला सध्याच्या तुलनेत चांगली कामगिरी मिळवून देऊ शकतो."
महत्त्वाकांक्षी दृष्टीला मोठा आधार आहे
सेल्सफोर्स व्हेंचर्स, व्हॅलर इक्विटी पार्टनर्स आणि बॅटरी व्हेंचर्स यांच्या सहभागासह ओक एचसी/एफटीच्या नेतृत्वाखालील $225 दशलक्ष मालिका A, टॅब्युलर डेटा ही पुढची मोठी सीमा आहे यावर दृढ विश्वास दर्शवते.
Perplexity, Wiz, Brex आणि Datadog मधील नेत्यांसह प्रख्यात देवदूत गुंतवणूकदार कंपनीच्या वंशावळीचे प्रमाणीकरण करत आहेत.
ओक एचसी/एफटी मधील सह-संस्थापक आणि व्यवस्थापकीय भागीदार ॲनी लॅमोंट यांनी ही भावना व्यक्त केली: "मूलभूत मॉडेलचे महत्त्व जास्त सांगणे कठीण आहे, कारण संरचित रिलेशनल डेटाने सखोल शिक्षण क्रांतीचे फायदे अद्याप पाहिलेले नाहीत."
फंडामेंटल स्वतःला फक्त दुसरे AI साधन म्हणून स्थान देत नाही तर एंटरप्राइझ AI ची एक नवीन श्रेणी आहे. सॅन फ्रान्सिस्कोमधील सुमारे 35 लोकांच्या टीमसह, कंपनी सानुकूल मॉडेलच्या युगापासून दूर जात आहे आणि मूलभूत टेबलटॉप मॉडेल्सच्या युगाकडे जात आहे.
"हे पारंपारिक अल्गोरिदम गेल्या दहा वर्षांपासून सारखेच राहिले आहेत; ते बरे होत नाहीत" फ्रँकेल म्हणाले. "आमची मॉडेल्स सुधारत आहेत. आम्ही टेबलसाठी तेच करतो जे ChatGPT मजकूरासाठी करते."
AWS सह भागीदारी
Amazon Web Services (AWS) सह धोरणात्मक भागीदारीद्वारे, NEXUS थेट AWS डॅशबोर्डमध्ये एकत्रित केले आहे. AWS ग्राहक त्यांच्या विद्यमान पायाभूत सुविधा आणि क्रेडेन्शियल वापरून मॉडेल तैनात करू शकतात. फ्रँकल याचे वर्णन ए "एक अतिशय खास करार" Amazon सोबत एवढी खोल, बहुस्तरीय भागीदारी प्रस्थापित करणाऱ्या दोन एआय कंपन्यांपैकी फंडामेंटल ही एक आहे हे लक्षात घेता.
एंटरप्राइझ AI समोरील सर्वात महत्त्वाच्या अडथळ्यांपैकी एक म्हणजे डेटा गोपनीयता. कंपन्या बऱ्याचदा संवेदनशील डेटा तृतीय-पक्षाच्या पायाभूत सुविधांमध्ये हस्तांतरित करण्यास तयार नसतात.
या समस्येचे निराकरण करण्यासाठी, फंडामेंटल आणि ॲमेझॉनने एक जबरदस्त अभियांत्रिकी पराक्रम साध्य केला: पूर्णपणे एनक्रिप्टेड मॉडेल्स – संरचना आणि वजन दोन्ही – थेट ग्राहकाच्या वातावरणात तैनात करण्याची क्षमता. "ग्राहकांना खात्री असू शकते की डेटा त्यांच्याकडे आहे," फ्रँकेल म्हणाले. "असे उपाय तयार करणारी आम्ही पहिली आणि सध्या एकमेव कंपनी आहोत."
फंडामेंटलचा उदय हा व्यवसाय निर्णय घेण्यासाठी ऑपरेटिंग सिस्टमची पुन्हा व्याख्या करण्याचा प्रयत्न आहे. जर NEXUS जाहिरातीप्रमाणे कार्य करत असेल—आर्थिक फसवणूक, उर्जेच्या किमती आणि पुरवठा साखळीतील व्यत्यय एका एकल, सामान्यीकृत मॉडेलसह हाताळत असेल—ते क्षण चिन्हांकित करेल जेव्हा AI शेवटी स्प्रेडशीट वाचण्यास शिकेल जे प्रत्यक्षात जग चालवते. काल काय घडले ते पाहणे आता अंदाज नाही; उद्या काय होईल हे ठरवण्यासाठी लपलेल्या सारण्यांची भाषा उघड करण्याबद्दल आहे.
