Sayı İstasyonuVeri analitiği platformunu güçlendirmek için büyük dil modellerini (LLM'ler) kullanan bir girişim olan , bugün ilk bulut tabanlı ürününü piyasaya sürüyor: şu anda erken erişimde olan, uygun bir şekilde adlandırılan Numbers Station Cloud. Bu hizmetle, bir kuruluştaki hemen hemen her kullanıcı, Numbers Station'ın sohbet arayüzünü kullanarak dahili verilerini analiz edebilir.
Birkaç benzer araç, doğal dil sorgularını SQL gibi bir veritabanı diline çevirmeye odaklanır. Ancak Numbers Station ekibi bu yaklaşımın bazı sınırlamaları olduğunu savunuyor; bunun nedeni kısmen genel LLM'nin belirli bir şirketin nasıl çalıştığı, verilerini nasıl yapılandırdığı ve şirket içindeki kişilerin belirli veri nesnelerine nasıl başvurduğu konusunda bir anlayışa sahip olmaması.
Resim Kredisi: Sayı İstasyonu
Numbers Station kurucu ortağı ve CEO'su olarak Chris Aberger Bana, hizmetin kullanıcıların “verileriyle sohbet etmelerine” nasıl izin verdiğinden bahsetmekten biraz yorulduğunu çünkü bu konuda çok fazla gürültü olduğunu söyledi. “Fakat şirket yöneticilerinin, teknik bilgisi olmayan kullanıcıların sormak istedikleri soruların olması ve ardından bu klasik yapılandırılmış veri kaynakları üzerinden yanıtlar almaları gibi üst düzey şeyler, gerçekten de işlerin geldiği noktaya geldi” dedi. “Bu temel modellerin etrafında çok sayıda veri modelleme, veri tesisatı ve bunların çalışmasını sağlayacak büyük dil modelleri var.”
Numbers Station için bu, şirketin anlamsal kataloğu olarak adlandırdığı şeyi oluşturmak için çok fazla mühendislik kaynağı harcamak anlamına geliyordu. Bu katalog aslında bir şirketin ölçümleri ve tanımlarının otomatik olarak seçilmiş bir kaynağıdır. Bu katalog her şirkete özeldir (ve aralarında paylaşılmaz). Aberger, kataloğu “canavarca bir şey” olarak tanımladı; örneğin, modelin “tekrarlayan gelir” tanımının şirketin bu terimi kullanımıyla uyumlu olmasını sağlıyor.
Numbers Station'ın platformu bir dizi çok özel Yüksek Lisans ve makine öğrenimi modelinin üzerinde yer alırken, her şeyi bir arada tutan şey bu katalogdur. Numbers Station'ın kurucu ortağı ve baş bilim insanı olarak Ines Chami Bana, ekibin başlangıçta platformun bu bölümünü oluşturmanın zorluğunu hafife aldığını söyledi.
“Klasiğe geri dönüyor [machine learning] ve klasik veri mühendisliği: Modelin bu soruları yanıtlamak için gerçekten kullanabileceği bir bilgi temsilini nasıl oluşturabilirim” dedi bana. “Çünkü bir modelin tüm bu ölçümleri, iş kullanıcılarının sorduğu tüm şeyleri anlamasına imkan yok.” Sonuçta insanlar bile her soruyu hemen anlayamıyor ve modelin bu belirsiz soruları çok somut sorgulara dönüştürmesi gerekiyor. Sayı İstasyonları araştırma yaklaşımının, daha geleneksel metinden SQL'e işlem hatlarına kıyasla önemli ölçüde geliştirilmiş hassasiyetle sonuçlandığını gösteriyor.
Resim Kredisi: Sayı İstasyonu
Şirket bugün bu sohbet hizmetini başlatırken genel vizyon önemli ölçüde daha büyük.
Aberger, “Temel olarak yaptığımız şey, analitik için bir yapay zeka platformu oluşturmak” dedi. “Bu uygulamalardan biri […]. Bir şirket olarak hâlâ üzerinde çalıştığımız daha büyük, daha geniş bir oyun var ve burada bir dizi farklı veri sorununun peşindeyiz; bunların örnekleri şunlardır: Verilerimi üçüncü taraf verileriyle nasıl zenginleştiririm kaynaklar? Bulanık eşleştirme vb. gibi daha klasik algoritmalardan bazılarını nasıl yaparım? Bu platformda oluşturabileceğiniz neredeyse sonsuz sayıda tekerlek teli var.”
Şirket halihazırda küresel emlak hizmetleri şirketi Jones Lang LaSalle gibi birçok Fortune 500 müşterisinin kaydını yaptı. Jones Lang LaSalle'den Work Dynamics Technology CEO'su Sharad Rastogi, “Numbers Station, yapılandırılmış veriler için kurumsal yapay zekanın en ileri noktasındadır” dedi. “Numbers Station'ın güvenilir ve ilgi çekici platformundan etkilendik. Biz onu kullandıkça sürekli öğreniyor ve veri ekiplerimizin etkili iş sonuçları elde etmek için hipotezleri keşfedip doğrulamasını sağlıyor.”
Kaynak bağlantısı