منبع باز SuperDuperDB هوش مصنوعی را به پایگاه داده های سازمانی می آورد

مستقر در سانفرانسیسکو SuperDuperDBیک شرکت نمونه کار اینتل Ignite که برای ساده سازی نحوه ساخت و استقرار برنامه های هوش مصنوعی توسط تیم ها کار می کند، امروز نسخه ۰٫۱ چارچوب متن باز خود را منتشر کرد.

این فریم ورک که به‌عنوان یک بسته پایتون در دسترس است، به کاربران اجازه می‌دهد تا هوش مصنوعی – از مدل‌های یادگیری ماشین (ML) تا رابط برنامه‌نویسی برنامه‌نویسی کاربردی هوش مصنوعی (API) انتخابی خود – و قابلیت‌های جستجوی برداری را با پایگاه‌های داده موجود و ساخت اپلیکیشن های هوش مصنوعی مستقیما بالای آنها

این پیشنهاد قبلاً از مدل‌ها و پایگاه‌های اطلاعاتی مشهور هوش مصنوعی پشتیبانی می‌کند و ۱.۷۵ میلیون دلار بودجه اولیه از Hetz.vc، Session.vc و بازوی سرمایه‌گذاری مخاطره‌آمیز MongoDB اکوسیستم داده دریافت کرده است.

“پشتیبانی MongoDB گواهی بر نگرش و پتانسیل تحول آفرین SuperDuperDB است. چشم انداز ما این است که شکاف بین سیستم های ذخیره سازی داده و هوش مصنوعی را پر کنیم، و ساخت و مدیریت برنامه های کاربردی هوش مصنوعی را برای سازمان ها با فعال کردن دوره جدیدی از توسعه نرم افزار در جهان بسیار ساده می کند. تیمو هاگنو، مدیرعامل SuperDuperDB در بیانیه ای گفت که داده ها و هوش مصنوعی یک همزیستی نزدیک را تشکیل می دهند.

چارچوب در دسترس است شکار محصول امروز شروع میشود.

حل مشکل هوش مصنوعی با SuperDuperDB

هوش مصنوعی به سرعت در حال تبدیل شدن به یک فناوری استاندارد است که عملیات‌های سازمانی مدرن را تقویت می‌کند، اما ساخت برنامه‌هایی که از مدل‌های قدرتمند ML و داده‌های اختصاصی برای ارائه ارزش تجاری بهره می‌برند، کار ساده‌ای نیست.

حتی با وجود طیف گسترده ای از مدل ها و API های ML، توسعه دهندگان باید تلاش زیادی را صرف تولید آنها کنند. آنها باید از ابزارهایی استفاده کنندMLOs” و اکوسیستم‌های “DevOps” برای استخراج داده‌ها از پایگاه‌های داده اصلی و انتقال آن به پایگاه‌های داده برداری تخصصی از طریق یک سری خطوط لوله پیچیده و شکننده. این زمان می برد و اغلب می تواند راه اندازی پروژه ها را به تاخیر بیندازد.

استارت‌آپ‌ها و نوآوری‌ها در حوزه آسان‌تر کردن هوش مصنوعی یا صرفاً بر روی سهولت استقرار الگوریتم‌ها بر روی منابع محاسباتی متمرکز شده‌اند یا روی ترکیب الگوریتم‌ها و داده‌ها در یک سری پیچیده از خطوط لوله، در زمینه‌ای به نام MLOps، تمرکز دارند. هاگنو به VentureBeat گفت.

برای حل این چالش و دادن آسان به تیم‌ها برای ترکیب الگوریتم‌های خود با داده‌هایی که به آن‌ها ارزش می‌بخشد، Hagenow و تیم SuperDuperDB را ایجاد کردند، چارچوبی که مدل‌های هوش مصنوعی – از جمله استنتاج جریان و آموزش مدل‌های مقیاس‌پذیر – را مستقیماً به پایگاه داده مورد استفاده می‌آورد. شرکت، به جای برعکس.

“SuperDuperDB ممکن است به سادگی از منبع باز به عنوان یک بسته Python نصب شود و به توسعه دهندگان این امکان را می دهد که یک استقرار مقیاس پذیر از همه مدل های هوش مصنوعی و API های خود را راه اندازی کنند، که مستقیماً با پایگاه داده ارتباط برقرار می کند. این پایگاه داده را به a(n) تبدیل می کند. محیط توسعه و استقرار هوش مصنوعی (“super-duper”). -نرم‌افزار استقرار منبع: این کنترل منبع باز سرتاسر را به توسعه‌دهندگان و مدیران بر روی الگوریتم‌ها، داده‌ها، محاسبات و زیرساخت‌ها می‌دهد.» Hagenow توضیح داد.

با استفاده از این پیشنهاد، توسعه‌دهندگان می‌توانند نه تنها از مدل‌های استاندارد یادگیری ماشین، برای برنامه‌هایی مانند طبقه‌بندی، رگرسیون، و سیستم‌های توصیه، بلکه می‌توانند از جدیدترین مدل‌های هوش مصنوعی برای فعال کردن چت و جستجوی برداری مبتنی بر LLM و همچنین مدل‌های بسیار سفارشی برای تخصصی استفاده کنند. موارد استفاده برای جستجوی برداری، یا از عملکرد برداری درون پایگاه داده ارائه شده توسط فروشندگان پایگاه داده یا از قابلیت های پیاده سازی شاخص برداری خود استفاده می کند.

اکوسیستم شریک فوق العاده قوی

در حالی که این محصول تنها چند ماه از عمر آن می گذرد، در حال حاضر جذب قابل توجهی از بازیگران اصلی اکوسیستم شده است و به تیم های سازمانی پشتیبانی جامع از پایگاه های داده و مدل های محبوب می دهد.

در سمت داده، آن را پشتیبانی می کند MongoDBPostgreSQL، MySQL، SQLite، DuckDB، دانه برف، BigQuery، ClickHouse، DataFusion، Druid، Impala، MSSQL، Oracle، پانداها، Polars، PySpark، Trino و s3. در همین حال، در سمت هوش مصنوعی، از مدل‌های دلخواه از اکوسیستم هوش مصنوعی پایتون، مدل‌های PyTorch، Sklearn، Hugging Face و APIهای AI محبوب از فروشندگانی مانند OpenAIAnthropic و Cohere.

مدیر عامل شرکت گفت: “MongoDB ما را به یک شریک رسمی فناوری تبدیل کرد و ما در حال حاضر وبینارها و جلسات برنامه نویسی زنده را با حساب های اصلی مانند Cisco اجرا کرده ایم. همچنین در حال حاضر در حال ارزیابی طیفی از POC ها با اینتل و چند شرکت کوچک و متوسط ​​دیگر هستیم.” آمار رشد

وی همچنین خاطرنشان کرد که این شرکت در حال حرکت به سمت گسترش اکوسیستم خود است و در حال مذاکره با سایر سازمان های اصلی پایگاه داده در مورد مشارکت نزدیک تر است. هدف نهایی ادغام یکپارچه با پلتفرم های داده سازمانی مانند Databricks و Snowflake است. برای Snowflake، این شرکت در حال برنامه ریزی یک برنامه بومی است که در آن راه اندازی خواهد شد بازار عمده ابر داده.

پتانسیل در سراسر برنامه ها

اگر این امر به جریان اصلی تبدیل شود، ساخت و استقرار برنامه های کاربردی هوش مصنوعی برای تیم ها، صرف نظر از بخشی که در آن هستند، نسبتا آسان خواهد شد.

“با ترکیب فناوری SuperDuperDB با MongoDB Atlas Vector Search، سفر توسعه دهندگان به استفاده از هوش مصنوعی به طور قابل توجهی تسریع می شود. در بسیاری از صنایع، از کشف تقلب در خدمات مالی گرفته تا بهینه سازی زنجیره تامین در تدارکات تا کشف داروی جدید در مراقبت های بهداشتی و علوم زندگی، توسعه دهندگان می توانند اکنون به سرعت و کارآمد برنامه‌های کاربردی مدرن را بسازید و ارسال کنید.”

برخی از پیشنهادات هوش مصنوعی در پایگاه داده، از جمله MindsDB و PostgresML در بازار وجود دارد، اما Hagenow اشاره کرد که همه آنها مبتنی بر SQL هستند، که توسعه‌دهندگان را مجبور می‌کند تا با لهجه‌های SQL خود سازگار شوند و مهاجرت کنند. از طرف دیگر، SuperDuperDB اولین پایتون است – که زبان برنامه نویسی تحقیق و توسعه هوش مصنوعی است.

“SuperDuperDB یک رابط کاربری ساده (و آشنا) پایتون را فراهم می کند اما به متخصصان اجازه می دهد تا هر سطحی از جزئیات پیاده سازی مانند وزن مدل یا جزئیات آموزش را بررسی کنند. و هر نوع داده ای که می تواند به عنوان بایت در پایتون رمزگذاری شود. هیچ چیز دیگری مانند این در AI منبع باز وجود ندارد.”