تقدم Spell MLOps للتعلم العميق

لقد تحركت فئة منتجات عمليات التعلم الآلي (MLOps) بسرعة، خاصة في العام الماضي، وظهرت العديد من المنصات لتوليها. مقدمي الخدمات السحابية بما في ذلك أوس و مايكروسوفت، تحليلات اللاعبين بما في ذلك طوب البيانات و كلاوديرا، يلعب MLOps النقي مثل الخوارزميةوحتى المشاريع مفتوحة المصدر مثل MLflow، تقدم منصات متكاملة لإدارة تجربة نموذج التعلم الآلي ونشره ومراقبته وقابلية الشرح. الآن يتهجى، وهي شركة ناشئة MLOps مقرها مدينة نيويورك، توفر منصة MLOps موجهة خصيصًا للتعلم العميق. على هذا النحو، تشير Spell إلى منصتها، التي تم الإعلان عنها الأسبوع الماضي، على أنها تسهل "DLOps".

إقرأ أيضاً:

• تعمل Databricks على تعزيز الذكاء الاصطناعي من خلال محرك AutoML الجديد ومتجر الميزات
• توفر منصة MLOps الخاصة بـ Cloudera الحوكمة والإدارة لخطوط أنابيب علوم البيانات
  
• تتوفر مجموعة Cloudera Machine Learning MLOps بشكل عام لأنها تهدف إلى إدارة النماذج والتحليلات
  

تحدثت ZDNet مع رئيس قسم التسويق في Spell، تيم نيجريس بالإضافة إلى رئيسها التنفيذي والمؤسس المشارك، سيركان بيانتينو (الذي شغل سابقًا منصب مدير الهندسة في أبحاث الفيسبوك للذكاء الاصطناعي، والذي افتتح مكتب فيسبوك في مدينة نيويورك). وأوضح الثنائي أن معظم منصات MLOps البارزة اليوم تلبي احتياجات التعلم الآلي التقليدي (التصنيف، والانحدار، التجميع وما شابه) وليس التعلم العميق، الذي يبني النماذج عن طريق وضع طبقات متعددة من هياكل الشبكات العصبية في مجموعة. هذه الفجوة في السوق هي الدافع وراء منصة Spell's DLOps.

متطلبات خاصة

لماذا يرى Spell DLOps كفئة متميزة؟ أوضح بيانتيني ونيجريس أن التعلم العميق ينطبق بشكل جيد بشكل خاص على السيناريوهات التي تتضمن معالجة اللغة الطبيعية (NLP)، ورؤية الكمبيوتر والتعرف على الكلام. عادةً ما تكون نماذج التعلم العميق أكثر تعقيدًا من نظيراتها في نماذج تعلم الآلة التقليدية، ومن غير المرجح أن يتم تدريبها على كمبيوتر محمول خاص بعالم البيانات. بدلاً من ذلك، يستفيد التدريب على نموذج التعلم العميق من الأجهزة الإضافية - والأكثر قوة - المستندة إلى السحابة، بما في ذلك الحوسبة المستندة إلى وحدة المعالجة المركزية ولكن بشكل خاص الحوسبة المستندة إلى وحدة معالجة الرسومات أيضًا. يمكن أن يكون هذا الأخير مكلفًا للغاية عندما يتعلق الأمر بتجريب نماذج التعلم العميق والتدريب عليها، لذا فإن منصة MLOps القادرة على التعامل مع هذه الأجهزة وإدارة تكلفتها في السحابة أمر بالغ الأهمية.

وصف بيانتينو ونيجريس منصة Spell وأشارا إلى مدى دقة إدارتها لتوفر وتكلفة العقد العنقودية المستندة إلى وحدة المعالجة المركزية (CPU) ووحدة معالجة الرسومات (GPU). تتمثل إحدى الإمكانيات المثيرة للاهتمام بشكل خاص لمنصة Spell في قدرتها على إنشاء مجموعات من مثيلات بقعة السحابة وإتاحتها للمستخدمين على أساس الطلب. وبالتالي، توفر المثيلات الإملائية الافتراضية عند الطلب الاستخدام عند الطلب بسعر المثيل الفوري، وهو ما يمثل توفير كبير للعملاء، خاصة في حالة موارد وحدة معالجة الرسومات لتدريب التعلم العميق المعقد عارضات ازياء.

نظرًا لأنه يمكن مقاطعة المثيلات الموضعية في كثير من الأحيان، فقد تم تصميم منصة Spell لتكون مرنة في مواجهة ذلك سيناريو للغاية، يسمح بإجراء مهام التدريب طويلة الأمد، حتى في حالة الشفعة، بدون مستخدم تدخل. تقوم Spell بذلك من خلال قدرتها على إعادة تشكيل بيئة تعليمية عميقة في مثيل جديد، وتتبع التكوين الكامل لهذه البيئات ونسبها بعناية. يساعد هذا النهج أيضًا في إمكانية تكرار النموذج وإعادة تدريب النماذج ضمن نفس التكوينات الموجودة في بيئات التدريب الأولية الخاصة بها.

DLOps مقابل. MLOps

لم يناقش فريق Spell منصتهم فحسب، بل قاموا بعرضها أيضًا. أثناء قيامهم بذلك، أصبح من الواضح أن العديد من تجهيزات MLOps القياسية (وحتى AutoML) - بما في ذلك إدارة التجربة، ومستودع النماذج، والنسب، والمراقبة وقابلية الشرح - موجودة في عمليات DLOs الخاصة بـ Spell منصة كذلك. على هذا النحو، يبدو بالتأكيد أن DLOps عبارة عن مجموعة شاملة من MLOps التقليدية، وسألت Piantino وNegris إذا كان هذا هو الحال. اتفق الاثنان على أن تخميني كان صحيحًا من الناحية الفنية، لكنهما أوضحا أن Spell مع ذلك يستهدف حالات استخدام التعلم العميق على وجه التحديد. يرى سبيل أن قطاع التعلم العميق في الذكاء الاصطناعي هو القطاع الذي يتمتع بأكبر قدر من الزخم والحركة.

أوضح Negris وPiantino أن منصات MLOps التقليدية هي كذلك مؤخراً يتم اعتمادها بمجرد نضوج المؤسسات إلى نطاق وحجم معين من أعمال التعلم الآلي. لكن أوضح الثنائي أن معظم العملاء الذين يقومون بالتعلم العميق يحتاجون حقًا إلى منصة عمليات من اليوم الأول. وهذا ما يفسر سبب تركيز Spell حقًا على هذا السوق - نظرًا لأن لديه متطلبات عاجلة ولا يحتاج إلى التثقيف لفهم سبب وجود نقطة ألم في النهاية لعلاجها. وبدلاً من ذلك، يشعر عملاء التعلم العميق بالأثر على الفور.

مع أخذ ذلك في الاعتبار، يبدو كما لو أن MLOps وDLOps ليسا مختلفين تمامًا، ولكن ضغط التعلم العميق يختبر منصة MLOps بشكل أكثر قوة من التعلم الآلي التقليدي. في الجوهر، قد تصبح متطلبات DLOps اليوم هي متطلبات MLOps التقليدية للغد. ومن غير الواضح ما إذا كانت الفئتان الفرعيتان سوف تندمجان يومًا ما؛ ما هو واضح هو أن Spell تضع منصتها على حاجة مشروعة ومثبتة، لتحسين وتشغيل التعلم العميق في الاتجاه السائد للمؤسسة.