.
Το Abacus.AI είναι μια πλατφόρμα Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης με έδρα στην περιοχή του κόλπου του Σαν Φρανσίσκο.[1][2]
Περιγραφή
Αρχικά γνωστή ως RealityEngines.AI, η εταιρεία ιδρύθηκε από τους Bindu Reddy, Arvind Sundararajan και Siddartha Naidu το 2019.[1][3] Το Abacus.AI διατίθεται στην αγορά χρησιμοποιώντας τους όρους τεχνητή νοημοσύνη και μηχανική μάθηση.[4] Η εταιρεία συγκέντρωσε 5,3 εκατομμύρια δολάρια σε γύρο χρηματοδότησης εκκίνησης με επικεφαλής τον Eric Schmidt το 2019.[1][5] Το 2020, συγκέντρωσε 13 εκατομμύρια δολάρια με επικεφαλής την Index Ventures (που άλλαξε το όνομά της σε Abacus.AI τον Ιανουάριο)[1] και 22 εκατομμύρια δολάρια με επικεφαλής την Coatue. Το 2021, συγκέντρωσε 50 εκατομμύρια δολάρια με επικεφαλής την Tiger Global Management.[3]
Τεχνολογία
Το Abacus.AI μπορεί να χρησιμοποιηθεί για τη ρύθμιση αγωγών δεδομένων, τον καθορισμό προσαρμοσμένων μετασχηματισμών μηχανικής εκμάθησης, την εκπαίδευση μοντέλων και την ανάπτυξη και παρακολούθηση τους και τη δημιουργία συστημάτων βαθιάς εκμάθησης.[6] Εκτός από την βασική πλατφόρμα, το Abacus.AI παρέχει ροές εργασιών για συγκεκριμένες περιπτώσεις χρήσης, όπως εξατομίκευση, πρόβλεψη και ανίχνευση ανωμαλιών.[4] Η εταιρεία έχει εφεύρει διάφορες μεθόδους αναζήτησης νευρωνικής αρχιτεκτονικής που μπορούν να δημιουργήσουν προσαρμοσμένα νευρωνικά δίκτυα από σύνολα δεδομένων με βάση μια συγκεκριμένη περίπτωση χρήσης.[3]
Το Abacus.AI είναι σε θέση να συνδέεται με διάφορες πηγές δεδομένων, συμπεριλαμβανομένων των S3, Google Cloud και Azure, γεγονός που καθιστά εύκολη τη ρύθμιση μετασχηματισμών δεδομένων για μηχανική εκμάθηση. Μόλις τα δεδομένα μετασχηματιστούν, το Abacus.AI χρησιμοποιεί τεχνικές αναζήτησης νευρωνικής αρχιτεκτονικής (NAS) για να δημιουργήσει ένα προσαρμοσμένο νευρωνικό δίκτυο με βάση το παρεχόμενο σύνολο δεδομένων και την περίπτωση χρήσης. Τα δεδομένα δίνονται στην πλατφόρμα και στη συνέχεια αξιολογούνται για να καθοριστεί ποιο «εργαλείο» (NAS) είναι το καταλληλότερο για αυτήν την περίπτωση χρήσης.[1] Διαφορετικές περιπτώσεις χρήσης, όπως η πρόβλεψη ζήτησης, η μείωση εκτροπής και η αναγνώριση οντοτήτων ονομάτων θα χρησιμοποιούν διαφορετικές τεχνικές NAS για να παρέχουν το καλύτερο μοντέλο. Για παράδειγμα, για την ανίχνευση περιστατικού, το Abacus.AI χρησιμοποιεί μια τεχνική που ονομάζεται κωδικοποιητές μεταβλητών.[7]
Το Abacus.AI χρησιμοποιεί μια αυτόνομη υπηρεσία δημιουργίας τεχνητής νοημοσύνης, που ανακοινώθηκε τον Ιανουάριο του 2020. Αν και αυτό μπορεί να οδηγήσει σε μη εκπαίδευση των νευρωνικών δικτύων με δεδομένα που σχετίζονται με έναν πελάτη, η Abacus.AI λέει ότι δημιουργεί συνθετικά δεδομένα που αυξάνουν το αρχικό σύνολο δεδομένων και στη συνέχεια εκπαιδεύει ένα μοντέλο βαθιάς μάθησης στο συνδυασμένο σύνολο δεδομένων.[8]
Αυτή η υπηρεσία AI χρησιμοποιεί Generative Adversarial Network (GAN), μια τεχνική που δημιουργεί νέα παρόμοια δεδομένα σε ένα σύνολο εκπαίδευσης. Βελτίωσαν περαιτέρω αυτή την τεχνική χρησιμοποιώντας την αύξηση δεδομένων (DAGAN), δημιουργώντας συνθετικά σύνολα δεδομένων όταν δεν υπάρχουν επαρκή δεδομένα για εκπαίδευση.
Αυτή η υπηρεσία αρχικά περιοριζόταν στα αυτόματα μοντέλα. Ωστόσο, τον Αύγουστο του 2021, αυτή η υπηρεσία επεκτάθηκε σε οποιοδήποτε μοντέλο TensorFlow ή PyTorch.[4] Αυτό επέτρεψε στην πλατφόρμα να λαμβάνει δεδομένα με τρόπο ροής παρέχοντας στις εταιρείες τη δυνατότητα ροής συμβάντων σε πραγματικό χρόνο, όπως δεδομένα κλικ ροής (διαδικτυακή δραστηριότητα ενός χρήστη), διαδικτυακές αγορές, αλληλεπιδράσεις μέσων κοινωνικής δικτύωσης, προβολές μέσων από ιστότοπους και αισθητήρες «διαδικτύου πραγμάτων». Αυτά τα δεδομένα μπορούν στη συνέχεια να χρησιμοποιηθούν για την εκπαίδευση των μοντέλων παρόμοια με τις διαδικασίες που αναφέρονται.[9][10]
Hellenica World - Scientific Library
Από τη ελληνική Βικιπαίδεια http://el.wikipedia.org . Όλα τα κείμενα είναι διαθέσιμα υπό την GNU Free Documentation License
