InterSystems IRIS - àrd-ùrlar AI / ML fìor-ùine uile-choitcheann

Ùghdar: Sergey Lukyanchikov, innleadair comhairleachaidh aig InterSystems

Gairmean coimpiutaireachd fìor-ùine AI/ML

Feuch an tòisich sinn le eisimpleirean bhon eòlas air cleachdadh Saidheans Dàta aig InterSystems:

• Tha am portal ceannaiche luchdaichte ceangailte ri siostam molaidhean air-loidhne. Bidh ath-structaradh sanasachd air feadh an lìonra reic (mar eisimpleir, an àite loidhne sanasachd “rèidh”, thèid matrix “innleachdan-segment” a chleachdadh a-nis). Dè thachras dha einnseanan molaidh? Dè thachras nuair a thèid dàta a chuir a-steach agus ùrachadh don einnsean molaidh (tha meud an dàta cuir a-steach air a dhol suas 25000 uair)? Dè thachras do leasachadh mholaidhean (an fheum air stairsneach sìoltachaidh riaghailtean molaidh a lughdachadh mìle uair mar thoradh air àrdachadh mìle uair san àireamh agus an “raon aca”)?
• Tha siostam ann airson sùil a chumail air coltas lochdan ann am pàirtean uidheamachd. Bha siostam smachd pròiseas fèin-ghluasadach ceangailte ris an t-siostam sgrùdaidh, a’ sgaoileadh mìltean de pharamadairean pròiseas teicneòlais gach diog. Dè thachras don t-siostam sgrùdaidh a bha ag obair roimhe air “sampaill làimhe” (a bheil e comasach air sgrùdadh coltachd dàrna-às-diog a thoirt seachad)? Dè thachras ma nochdas bloc ùr de cheudan colbhan anns an dàta cuir a-steach le leughaidhean bho luchd-mothachaidh a chaidh a chur ris an t-siostam smachd pròiseas o chionn ghoirid (am bi e riatanach agus dè cho fada gus stad a chuir air an t-siostam sgrùdaidh gus dàta bho luchd-mothachaidh ùra a thoirt a-steach don anailis )?
• Chaidh seata de dhòighean AI/ML (moladh, sgrùdadh, ro-innse) a chruthachadh a bhios a’ cleachdadh toraidhean obair càch a chèile. Cia mheud uair a thìde a tha a dhìth gach mìos gus obrachadh an toinnte seo atharrachadh gu atharrachaidhean ann an dàta cuir a-steach? Dè an “slaodach” coitcheann nuair a tha e a’ faighinn taic bhon ionad co-dhùnaidh riaghlaidh (cho tric sa tha fiosrachadh taice ùr a’ nochdadh ann an coimeas ri cho tric sa tha dàta cuir a-steach ùr a’ nochdadh)?

Le bhith a’ toirt geàrr-chunntas orra sin agus mòran eisimpleirean eile, tha sinn air tighinn gu bhith a’ cruthachadh nan dùbhlain a thig am bàrr nuair a ghluaiseas sinn gu bhith a’ cleachdadh innealan ionnsachaidh innealan agus inntleachd fuadain ann an àm fìor:

• A bheil sinn riaraichte le astar cruthachaidh is atharrachaidh (ris an t-suidheachadh caochlaideach) de leasachaidhean AI/ML anns a’ chompanaidh againn?
• Dè an ìre gu bheil na fuasglaidhean AI/ML a bhios sinn a’ cleachdadh a’ toirt taic do riaghladh gnìomhachais fìor-ùine?
• A bheil na fuasglaidhean AI/ML a bhios sinn a’ cleachdadh comasach air atharrachadh gu neo-eisimeileach (às aonais luchd-leasachaidh) ri atharrachaidhean ann an dàta agus cleachdaidhean riaghlaidh gnìomhachais?

Tha an artaigil againn na shealladh farsaing air comasan àrd-ùrlar InterSystems IRIS a thaobh taic uile-choitcheann airson a bhith a’ cleachdadh uidheamachdan AI / ML, co-chruinneachadh (aonachadh) fuasglaidhean AI / ML, agus trèanadh (deuchainn) de fhuasglaidhean AI / ML air dian. sruthan dàta. Bheir sinn sùil air rannsachadh margaidh, sgrùdaidhean cùise air fuasglaidhean AI/ML, agus taobhan bun-bheachdail den rud ris an can sinn àrd-ùrlar AI/ML fìor-ùine san artaigil seo.

Na tha fios againn bho sgrùdaidhean: tagraidhean fìor-ùine

Toraidhean suirbhidhair a stiùireadh am measg faisg air 800 proifeiseantaich IT ann an 2019 le Lightbend, bruidhinn air an son fhèin:

Figear 1 A’ stiùireadh luchd-cleachdaidh dàta fìor-ùine

Bheir sinn iomradh air pìosan cudromach den aithisg air toraidhean an t-suirbhidh seo san eadar-theangachadh againn:

“… Bidh dàta sruthadh a’ gluasad fiosrachadh nas luaithe na dàta pacaid traidiseanta. A bharrachd air an seo tha an comas dòighean coimpiutaireachd a chuir an sàs gu sgiobalta, leithid, mar eisimpleir, molaidhean stèidhichte air AI/ML, a’ cruthachadh buannachdan farpaiseach tro bhith sàsachadh luchd-cleachdaidh nas motha. Bidh an rèis airson sùbailteachd cuideachd a’ toirt buaidh air a h-uile dreuchd ann am paradigm DevOps - a’ dèanamh leasachadh tagraidh agus cleachdadh nas èifeachdaiche. … Thug ochd ceud is ceithir proifeiseantaich IT seachad fiosrachadh mu chleachdadh sruthan dàta anns na buidhnean aca. Bha an luchd-freagairt sa mhòr-chuid suidhichte ann an dùthchannan an Iar (41% san Roinn Eòrpa agus 37% ann an Ameireaga a Tuath) agus bha iad cha mhòr co-ionann eadar companaidhean beaga, meadhanach agus mòr. ...

... Chan eil inntleachd fuadain hype. Tha leth-cheud ’s a h-ochd sa cheud den fheadhainn a tha mar-thà a’ cleachdadh giollachd sruth dàta ann an cinneasachd Tha tagraidhean AI/ML a’ dearbhadh gum faic an cleachdadh aca air AI/ML am fàs as motha anns an ath bhliadhna (an taca ri tagraidhean eile).

• A rèir a’ mhòr-chuid den luchd-fhreagairt, chìthear cleachdadh sruthan dàta ann an suidheachaidhean AI/ML am fàs as motha anns an ath bhliadhna.
• Bidh tagraidhean ann an AI / ML a’ fàs chan ann a-mhàin mar thoradh air seòrsachan coimeasach ùr de shuidheachaidhean, ach cuideachd air sgàth shuidheachaidhean traidiseanta anns a bheil dàta fìor-ùine air a chleachdadh barrachd is barrachd.
• A bharrachd air AI/ML, tha an ìre de dhealas am measg luchd-cleachdaidh pìoban dàta IoT drùidhteach - tha 48% den fheadhainn a tha air dàta IoT a thoirt a-steach mar-thà ag ràdh gum faic gnìomhachd suidheachadh air an dàta seo àrdachadh mòr a dh’ aithghearr. ..."

Bhon sgrùdadh caran inntinneach seo, tha e soilleir gu bheil am beachd air ionnsachadh innealan agus suidheachaidhean inntleachd fuadain mar stiùirichean ann an caitheamh sruthan dàta mu thràth “air an t-slighe.” Ach is e sealladh a cheart cho cudromach am beachd air AI / ML fìor-ùine tro lionsa DevOps: an seo is urrainn dhuinn tòiseachadh a ’bruidhinn mu dheidhinn cruth-atharrachadh a’ chultar a tha fhathast làmh an uachdair “AI / ML cuidhteasach le seata dàta làn ruigsinneach.”

Bun-bheachd àrd-ùrlar AI / ML fìor-ùine

Is e aon raon tagraidh àbhaisteach airson AI / ML fìor-ùine smachd pròiseas ann an saothrachadh. A’ cleachdadh an eisimpleir aice agus a’ toirt aire do bheachdan a bh’ ann roimhe, cruthaichidh sinn bun-bheachd àrd-ùrlar AI/ML fìor-ùine.
Tha grunn fheartan aig cleachdadh inntleachd fuadain agus ionnsachadh innealan ann an smachd pròiseas:

• Thathas a ’faighinn dàta mu staid a’ phròiseas teicneòlais gu dian: le tricead àrd agus airson raon farsaing de pharamadairean (suas ri deichean de mhìltean de luachan paramadair air an gluasad gach diog bhon t-siostam smachd pròiseas)
• Tha dàta mu bhith ag aithneachadh lochdan, gun a bhith a’ toirt iomradh air dàta mun leasachadh aca, air an làimh eile, gann agus neo-riaghailteach, air a chomharrachadh le bhith a’ comharrachadh lochdan gu leòr agus an sgìreachadh ann an ùine (gu tric air a riochdachadh le clàran pàipeir)
• Bho shealladh practaigeach, chan eil ach “uinneag iomchaidheachd” den dàta stòr ri fhaighinn airson trèanadh agus cur an sàs mhodalan, a’ nochdadh daineamaigs a ’phròiseas teicneòlach thairis air eadar-ama sleamhnachaidh reusanta a’ crìochnachadh leis na luachan leughaidh mu dheireadh de pharamadairean a ’phròiseis

Tha na feartan sin a’ toirt oirnn, a bharrachd air a bhith a’ faighinn agus a’ giullachd bunaiteach ann an àm fìor den “chomharra cuir a-steach bann-leathann” dian bhon phròiseas teicneòlach, a bhith a’ coileanadh (co-shìnte) cleachdadh, trèanadh agus smachd càileachd air toraidhean an AI / Modalan ML - cuideachd ann an àm fìor. Tha am “frèam” a tha na modailean againn “a’ faicinn ”anns an uinneag sleamhnachaidh iomchaidh ag atharrachadh gu cunbhalach - agus leis, tha càileachd toraidhean obair mhodalan AI / ML air an trèanadh air aon de na“ frèaman ”san àm a dh’ fhalbh cuideachd ag atharrachadh. . Ma dh’ atharraicheas càileachd toraidhean obair mhodalan AI/ML (mar eisimpleir: tha luach a’ mhearachd seòrsachaidh “norm-rabhaidh” air a dhol seachad air na crìochan a tha sinn air a mhìneachadh), bu chòir trèanadh a bharrachd de na modailean a chuir air bhog gu fèin-ghluasadach air. “frèam” nas gnàthach - agus bu chòir don roghainn mionaid airson trèanadh a bharrachd de na modalan a chuir air bhog aire a thoirt do fhad an trèanaidh fhèin, agus daineamaigs a’ chrìonaidh ann an càileachd obrach an dreach gnàthach de na modalan (bhon uair sin). tha na dreachan gnàthach de na modalan fhathast gan cleachdadh fhad ‘s a tha na modalan air an trèanadh, agus gus an tèid na dreachan“ air an trèanadh as ùr ”aca a chruthachadh).

Tha prìomh chomasan àrd-ùrlair aig InterSystems IRIS gus fuasglaidhean AI / ML a chomasachadh airson smachd pròiseas fìor-ùine. Faodar na comasan sin a roinn ann an trì prìomh bhuidhnean:

• Cleachdadh leantainneach (Cleachdadh / Lìbhrigeadh Leantainneach, CD) de uidheamachdan AI / ML ùra no atharraichte gu fuasgladh cinneasach ag obair ann an àm fìor air àrd-ùrlar InterSystems IRIS
• Amalachadh Leantainneach (CI) a-steach do aon fhuasgladh cinneasach de shruthan dàta pròiseas teicneòlasach a tha a’ tighinn a-steach, ciudhaichean dàta airson tagradh / trèanadh / smachd càileachd air uidheamachdan AI / ML agus iomlaid dàta / còd / gnìomhan smachd le àrainneachdan modaladh matamataigeach, air an òrdachadh ann an àm fìor àrd-ùrlar InterSystems IRIS
• Trèanadh leantainneach (fèin-) (Trèanadh Leantainneach, CT) de uidheamachdan AI / ML, air a dhèanamh ann an àrainneachdan modaladh matamataigeach a’ cleachdadh dàta, còd agus gnìomhan smachd (“co-dhùnaidhean air an dèanamh”) air an gluasad le àrd-ùrlar InterSystems IRIS

Chan eil e gun fhiosta a bhith a’ seòrsachadh comasan àrd-ùrlair a thaobh ionnsachadh innealan agus inntleachd fuadain gu dìreach anns na buidhnean sin. Leig dhuinn iomradh a thoirt air an dòigh-obrach foillseachadh Google, a tha a’ toirt bunait bhun-bheachdail don t-seòrsachadh seo, nar eadar-theangachadh:

“... Tha bun-bheachd DevOps, a tha mòr-chòrdte an-diugh, a’ còmhdach leasachadh agus obrachadh shiostaman fiosrachaidh air sgèile mhòr. Is e na buannachdan bho bhith a’ buileachadh a’ bhun-bheachd seo lùghdachadh ann an ùine nan cuairtean leasachaidh, cleachdadh leasachaidhean nas luaithe, agus sùbailteachd ann am planadh fuasglaidh. Gus na buannachdan sin a choileanadh, tha DevOps a’ toirt a-steach buileachadh co-dhiù dà chleachdadh:

• Amalachadh Leantainneach (CI)
• Lìbhrigeadh leantainneach (CD)

Bidh na cleachdaidhean sin cuideachd a’ buntainn ri àrd-ùrlaran AI / ML gus dèanamh cinnteach gu bheil fuasglaidhean toraidh AI / ML air an cruinneachadh gu earbsach agus gu h-èifeachdach.

Tha àrd-ùrlaran AI / ML eadar-dhealaichte bho shiostaman fiosrachaidh eile anns na taobhan a leanas:

• Comasan sgioba: Nuair a bhios iad a’ cruthachadh fuasgladh AI/ML, mar as trice bidh an sgioba a’ toirt a-steach luchd-saidheans dàta no eòlaichean “acadaimigeach” ann an raon sgrùdadh dàta a bhios a’ dèanamh mion-sgrùdadh dàta, a’ leasachadh agus a’ dèanamh deuchainn air modalan. Is dòcha nach bi na buill sgioba seo nan luchd-leasachaidh còd toraidh proifeasanta.
• Leasachadh: Tha einnseanan AI/ML deuchainneach ann an nàdar. Gus fuasgladh fhaighinn air duilgheadas anns an dòigh as èifeachdaiche, feumar a dhol tro dhiofar choimeasgaidhean de chaochladairean cuir a-steach, algorithms, modhan modaladh agus paramadairean modail. Tha iom-fhillteachd a leithid de sgrùdadh na laighe ann a bhith a’ lorg “dè a dh’ obraich / nach do dh’obraich”, a’ dèanamh cinnteach à ath-riochdachadh tachartasan, coitcheannachadh leasachaidhean airson buileachadh a-rithist.
• Deuchainn: Feumaidh a bhith a’ dèanamh deuchainn air einnseanan AI/ML raon nas fharsainge de dheuchainnean na a’ mhòr-chuid de leasachaidhean eile. A bharrachd air deuchainnean aonad àbhaisteach agus amalachaidh, thathas a’ dèanamh deuchainn air dligheachd dàta agus càileachd thoraidhean bho bhith a’ cur a’ mhodail gu sampaill trèanaidh is smachd.
• Cleachdadh: Chan eil cleachdadh fhuasglaidhean AI/ML air a chuingealachadh ri seirbheisean ro-innseach a bhios a’ cleachdadh modail a tha air a thrèanadh le aon uair. Tha fuasglaidhean AI / ML air an togail timcheall air pìoban ioma-ìre a bhios a’ coileanadh trèanadh modail fèin-ghluasadach agus cleachdadh. Tha a bhith a’ cleachdadh leithid de phìoban a’ toirt a-steach fèin-ghluasad gnìomhan neo-bheag a bhiodh gu traidiseanta air an coileanadh le làimh le luchd-saidheans dàta gus a bhith comasach air modalan a thrèanadh agus fheuchainn.
• Cinneasachd: Faodaidh einnseanan AI / ML dìth cinneasachd chan ann a-mhàin air sgàth prògramadh neo-èifeachdach, ach cuideachd air sgàth nàdar an dàta cuir a-steach a tha ag atharrachadh gu cunbhalach. Ann am faclan eile, faodaidh coileanadh innealan AI / ML crìonadh air sgàth raon nas fharsainge de adhbharan na coileanadh leasachaidhean gnàthach. A tha a’ leantainn gu feum air sùil a chumail (air-loidhne) coileanadh ar n-einnseanan AI/ML, a bharrachd air rabhaidhean a chuir no toraidhean a dhiùltadh mura h-eil comharran coileanaidh a’ coinneachadh ris na bha dùil.

Tha àrd-ùrlaran AI / ML coltach ri siostaman fiosrachaidh eile leis gu feum an dà chuid amalachadh còd leantainneach le smachd dreach, deuchainn aonad, deuchainn amalachaidh, agus cleachdadh leasachaidh leantainneach. Ach, a thaobh AI/ML, tha grunn eadar-dhealachaidhean cudromach ann:

• Chan eil CI (Amalachadh Leantainneach) a-nis cuingealaichte ri bhith a’ dèanamh deuchainn agus a’ dearbhadh còd nam pàirtean a tha air an cleachdadh - tha e cuideachd a’ toirt a-steach deuchainn agus dearbhadh dàta agus modalan AI/ML.
• Chan eil CD (Lìbhrigeadh / Cleachdadh Leantainneach, cleachdadh leantainneach) cuingealaichte ri bhith a’ sgrìobhadh agus a’ leigeil a-mach pasganan no seirbheisean, ach tha e a’ ciallachadh àrd-ùrlar airson sgrìobhadh, trèanadh agus cur an sàs fuasglaidhean AI/ML.
• Tha CT (Trèanadh Leantainneach, trèanadh leantainneach) na eileamaid ùr [approx. ùghdar an artaigil: eileamaid ùr a thaobh bun-bheachd traidiseanta DevOps, anns a bheil CT, mar riaghailt, Deuchainn Leantainneach], dualach do àrd-ùrlaran AI / ML, le uallach airson riaghladh fèin-riaghailteach air na h-innealan airson trèanadh agus cur an sàs AI / ML modailean. ..."

Faodaidh sinn a ràdh gu bheil ionnsachadh innealan agus inntleachd fuadain ag obair air dàta fìor-ùine a’ feumachdainn seata innealan agus comasan nas fharsainge (bho leasachadh còd gu orchestration de àrainneachdan modaladh matamataigeach), amalachadh nas dlùithe eadar gach raon gnìomh is cuspair, eagrachadh daonna is cuspaireil nas èifeachdaiche. goireasan inneal.

Suidheachadh fìor-ùine: ag aithneachadh leasachadh lochdan ann am pumpaichean biadhaidh

Le bhith a 'leantainn air adhart a' cleachdadh an raon smachd pròiseas mar eisimpleir, beachdaich air duilgheadas sònraichte (thug sinn iomradh air aig an toiseach): feumaidh sinn sgrùdadh fìor-ùine a thoirt seachad air leasachadh lochdan ann am pumpaichean stèidhichte air sruth luachan paramadair pròiseas agus aithisgean bho luchd-càraidh mu lochdan comharraichte.

Figear 2 Cruthachadh duilgheadas airson sùil a chumail air leasachadh lochdan

Is e feart den mhòr-chuid de ghnìomhan a tha air an cur an sàs san dòigh seo ann an cleachdadh gum feumar beachdachadh air cunbhalachd agus èifeachdas faighinn dàta (APCS) an aghaidh cùl-raon tachartas tuiteamach agus neo-riaghailteach (agus clàradh) de lochdan de dhiofar seòrsa. Ann am faclan eile: bidh dàta bhon t-siostam smachd pròiseas a ’ruighinn aon uair san diog, ceart agus ceart, agus tha notaichean mu uireasbhaidhean air an dèanamh le peansail ceimigeach a’ comharrachadh a ’cheann-latha ann an leabhar notaichean coitcheann sa bhùth-obrach (mar eisimpleir:“ 12.01 - aodion a-steach don chòmhdach bho thaobh an 3mh giùlan).

Mar sin, is urrainn dhuinn cur ri cruthachadh na trioblaid leis a’ chuingealachadh chudromach a leanas: chan eil againn ach aon “leubail” de uireasbhaidh de sheòrsa sònraichte (i.e., tha eisimpleir de uireasbhaidh de sheòrsa sònraichte air a riochdachadh le dàta bhon smachd pròiseas siostam air ceann-latha sònraichte - agus chan eil barrachd eisimpleirean againn de locht den t-seòrsa sònraichte seo). Bheir an cuingealachadh seo sinn sa bhad nas fhaide na raon ionnsachadh innealan clasaigeach (ionnsachadh fo stiùir), agus bu chòir tòrr “tagaichean” a bhith ann airson sin.

Figear 3 Mìneachadh air a’ ghnìomh airson sùil a chumail air leasachadh lochdan

An urrainn dhuinn dòigh air choireigin “iomadachadh” an aon “tag” a tha againn? 'S urrainn dhuinn. Tha suidheachadh làithreach a’ phump air a chomharrachadh leis an ìre de choltas ri lochdan clàraichte. Fiù 's às aonais a bhith a' cleachdadh dhòighean cainneachdail, aig ìre tuigse lèirsinneach, le bhith a 'coimhead air daineamaigs luachan dàta a' tighinn bhon t-siostam smachd pròiseas, faodaidh tu tòrr ionnsachadh mu thràth:

Figear 4 Dynamics suidheachadh a’ phump an aghaidh cùl-raon “comharra” de uireasbhaidh de sheòrsa sònraichte

Ach chan e tuigse lèirsinneach (co-dhiù airson a-nis) an gineadair “tagaichean” as freagarraiche anns an t-suidheachadh againn a tha ag atharrachadh gu luath. Nì sinn measadh air dè cho coltach ‘s a tha suidheachadh a’ phumpaidh gnàthach ris na h-uireasbhaidhean a chaidh aithris a’ cleachdadh deuchainn staitistigeil.

Figear 5 A’ cur deuchainn staitistigeil an sàs ann an dàta a tha a’ tighinn a-steach an aghaidh cùl-raon “leubail” easbhaidh

Bidh deuchainn staitistigeil a ’dearbhadh coltachd gu bheil na clàran le luachan paramadairean pròiseas teicneòlais anns a’ “phasgan sruthadh” a gheibhear bhon t-siostam smachd pròiseas coltach ri clàran an “tag” de locht de sheòrsa sònraichte. Tha an luach coltachd (clàr-amais coltachd staitistigeil) air a thomhas mar thoradh air deuchainn staitistigeil a chuir an sàs air atharrachadh gu luach 0 no 1, a’ tighinn gu bhith na “leubail” airson ionnsachadh innealan anns gach clàr sònraichte sa phacaid a thathar a’ sgrùdadh airson coltachd. Is e sin, às deidh dhuinn pasgan ùr de chlàran stàite pumpa a ghiullachd le deuchainn staitistigeil, tha cothrom againn (a) am pasgan seo a chuir ris an t-seata trèanaidh airson modal AI / ML a thrèanadh agus (b) smachd càileachd a dhèanamh air an dreach làithreach den mhodail nuair a bhios tu ga chleachdadh don phasgan seo.

Figear 6 A’ cur modal ionnsachaidh inneal an sàs ann an dàta a tha a’ tighinn a-steach an aghaidh cùl-raon “leubail” easbhaidh

Ann an aon de na bha againn roimhe co-labhairtean-lìn Bidh sinn a’ sealltainn agus a’ mìneachadh mar a tha an àrd-ùrlar InterSystems IRIS a’ leigeil leat uidheamachd AI/ML sam bith a chuir an gnìomh ann an cruth pròiseasan gnìomhachais a bhios a’ cumail sùil air earbsachd toraidhean modaladh agus ag atharrachadh paramadairean modail. Nuair a bhios sinn a’ cur an gnìomh prototype den t-suidheachadh againn le pumpaichean, bidh sinn a’ cleachdadh a h-uile gnìomh InterSystems IRIS a chaidh a thaisbeanadh aig an webinar - a’ cur an gnìomh sa phròiseas anailisiche mar phàirt den fhuasgladh againn chan e ionnsachadh clasaigeach fo stiùir, ach ionnsachadh ath-neartachaidh, a bhios gu fèin-ghluasadach a’ riaghladh an taghadh airson modalan trèanaidh. . Anns an sampall trèanaidh tha clàran air a bheil “co-aontachd lorg” ag èirigh às deidh an dà chuid an deuchainn staitistigeil agus an dreach gnàthach den mhodail a chuir an sàs - ie, an dà chuid an deuchainn staitistigeil (às deidh cruth-atharrachadh a dhèanamh air clàr-amais coltachd gu 0 no 1) agus thug am modail an toradh a-mach. air a leithid de chlàran 1. Rè trèanadh ùr a’ mhodail, fhad ‘s a tha e air a dhearbhadh (tha am modail air a thrèanadh às ùr air a chuir an sàs anns an t-sampall trèanaidh aige fhèin, le ro-ràdh deuchainn staitistigeil air), a’ clàradh “nach do ghlèidh” toradh 1 às deidh a ghiullachd leis an deuchainn staitistigeil (mar thoradh air an làthaireachd cunbhalach san trèanadh tha sampall de chlàran bhon “leubail” tùsail den locht), air an toirt air falbh bhon t-seata trèanaidh, agus tha dreach ùr den mhodail ag ionnsachadh bho “leubail” an uireasbhaidh a bharrachd air na clàran “glèidhte” bhon t-sruth.

Figear 7 Robotization de àireamhachadh AI/ML ann an InterSystems IRIS

Ma tha feum air seòrsa de “dàrna beachd” air càileachd an lorg a gheibhear rè àireamhachadh ionadail ann an InterSystems IRIS, thèid pròiseas comhairleachaidh a chruthachadh gus trèanadh agus cur an sàs mhodalan air dàta smachd a’ cleachdadh seirbheisean sgòthan (mar eisimpleir, Microsoft Azure, Seirbheisean Lìn Amazon, Àrd-ùrlar Google Cloud, msaa):

Figear 8 An dàrna beachd bho Microsoft Azure air a chuir air dòigh le InterSystems IRIS

Tha am prototype den t-suidheachadh againn ann an InterSystems IRIS air a dhealbhadh mar shiostam stèidhichte air àidseant de phròiseasan mion-sgrùdaidh a bhios ag eadar-obrachadh le nì uidheamachd (pump), àrainneachdan modaladh matamataigeach (Python, R agus Julia), agus a nì cinnteach gu bheil fèin-ionnsachadh aig a h-uile duine a tha an sàs ann an AI / Innealan ML - air sruthan dàta fìor-ùine.

Figear 9 Prìomh ghnìomhachd an fhuasglaidh AI/ML fìor-ùine ann an InterSystems IRIS

Toradh practaigeach ar prototype:

• Sampall locht air aithneachadh leis a’ mhodail (12 Faoilleach):

• uireasbhaidh leasachaidh a dh’ aithnich am modail nach robh air a ghabhail a-steach san t-sampall (11 Sultain, chaidh an uireasbhaidh fhèin a chomharrachadh leis an sgioba càraidh dìreach dà latha às deidh sin, air 13 Sultain):

Sheall atharrais air fìor dhàta anns a bheil grunn amannan den aon locht gu bheil ar fuasgladh, air a chuir an gnìomh air àrd-ùrlar InterSystems IRIS, a’ leigeil leinn leasachadh lochdan den t-seòrsa seo a chomharrachadh grunn làithean mus lorgar an sgioba càraidh iad.

InterSystems IRIS - àrd-ùrlar coimpiutaireachd fìor-ùine AI / ML

Bidh an àrd-ùrlar InterSystems IRIS a’ sìmpleachadh leasachadh, cleachdadh agus obrachadh fuasglaidhean dàta fìor-ùine. Tha InterSystems IRIS comasach air giullachd dàta gnìomhail is anailis a dhèanamh aig an aon àm; cuir taic ri beachdan dàta sioncronaich a rèir grunn mhodalan (a’ gabhail a-steach dàimheil, rangachd, nì agus sgrìobhainn); a bhith mar àrd-ùrlar airson raon farsaing de stòran dàta agus thagraidhean fa leth a thoirt a-steach; thoir seachad mion-sgrùdaidhean fìor-ùine adhartach air dàta structaraichte agus neo-structaraichte. Bidh InterSystems IRIS cuideachd a’ toirt seachad uidheamachdan airson a bhith a’ cleachdadh innealan anailis bhon taobh a-muigh agus a’ ceadachadh measgachadh sùbailte de aoigheachd san sgòth agus air frithealaichean ionadail.

Tha tagraidhean a chaidh a thogail air an àrd-ùrlar InterSystems IRIS air an cleachdadh thairis air grunn ghnìomhachasan, a’ cuideachadh chompanaidhean gus buannachdan eaconamach cudromach a thoirt gu buil bho shealladh ro-innleachdail agus obrachail, a’ meudachadh co-dhùnaidhean fiosraichte agus a’ dùnadh nam beàrnan eadar tachartas, mion-sgrùdadh agus gnìomh.

Figear 10 Ailtireachd InterSystems IRIS ann an co-theacsa AI / ML fìor-ùine

Coltach ris an diagram roimhe, tha an diagram gu h-ìosal a’ cothlamadh an “siostam co-òrdanachaidh” ùr (CD/CI/CT) le diagram den t-sruth fiosrachaidh eadar eileamaidean obrach an àrd-ùrlair. Bidh an lèirsinn a’ tòiseachadh leis an CD macromechanism agus a’ leantainn leis na macromechanisms CI agus CT.

Figear 11 Diagram de shruth fiosrachaidh eadar eileamaidean AI/ML den àrd-ùrlar InterSystems IRIS

Tha brìgh an uidheamachd CD ann an InterSystems IRIS: luchd-cleachdaidh àrd-ùrlair (luchd-leasachaidh fuasglaidhean AI / ML) ag atharrachadh leasachaidhean AI / ML a tha ann agus / no a ’cruthachadh leasachaidhean AI / ML ùra a’ cleachdadh deasaiche còd sònraichte airson uidheamachdan AI / ML: Jupyter (ainm slàn: Jupyter Notebook; airson giorrad, uaireannan canar cuideachd ri sgrìobhainnean a chaidh a chruthachadh san deasaiche seo). Ann an Jupyter, tha cothrom aig leasaiche coileanadh a sgrìobhadh, a dheasbad agus a dhearbhadh (a’ toirt a-steach cleachdadh grafaigean) de leasachadh sònraichte AI/ML mus tèid a chuir (“air a chleachdadh”) ann an InterSystems IRIS. Tha e soilleir nach fhaigh leasachadh ùr a chaidh a chruthachadh san dòigh seo ach debugging bunaiteach (oir, gu sònraichte, chan eil Jupyter ag obair le sruthan dàta fìor-ùine) - tha seo ann an òrdugh rudan, oir is e prìomh thoradh an leasachaidh ann an Jupyter a tha na dhearbhadh air comasachd bunaiteach inneal AI / ML air leth (“a’ sealltainn an toradh ris a bheil dùil air sampall dàta”). San aon dòigh, is dòcha gum feum inneal a chaidh a chuir san àrd-ùrlar mar-thà (faic na macro-meacanaigean a leanas) mus dèan thu dì-bhugachadh ann an Jupyter “roll air ais” gu foirm “ro-àrd-ùrlar” (a ’leughadh dàta bho fhaidhlichean, ag obair le dàta tro xDBC an àite bùird, eadar-obrachadh dìreach le cruinne-cruinne - arrays dàta ioma-thaobhach InterSystems IRIS - msaa).

Taobh chudromach de bhuileachadh CD ann an InterSystems IRIS: chaidh amalachadh dà-thaobhach a chuir an gnìomh eadar an àrd-ùrlar agus Jupyter, a’ ceadachadh susbaint ann am Python, R agus Julia a ghluasad chun àrd-ùrlar (agus, às deidh sin, a phròiseasadh san àrd-ùrlar) (tha na trì dhiubh nam prògramadh cànanan anns na prìomh chànanan fosgailte co-fhreagarrach). àrainneachdan modaladh matamataigeach stòr). Mar sin, tha cothrom aig luchd-leasachaidh susbaint AI/ML “cleachdadh leantainneach” den t-susbaint seo a dhèanamh san àrd-ùrlar, ag obair anns an deasaiche Jupyter air a bheil iad eòlach, le leabharlannan eòlach rim faighinn ann am Python, R, Julia, agus a’ dèanamh deasbaid bunaiteach (ma tha sin riatanach) taobh a-muigh an àrd-ùrlar.

Gluaisidh sinn air adhart gu uidheamachd macro CI ann an InterSystems IRIS. Tha an diagram a’ sealltainn pròiseas macro an “robotizer fìor-ùine” (iom-fhillte de structaran dàta, pròiseasan gnìomhachais agus pìosan còd air an òrdachadh leotha ann an cànanan matamataigeach agus ObjectScript - cànan leasachaidh dùthchasach InterSystems IRIS). Is e obair a’ phròiseas macro seo na ciudhaichean dàta a tha riatanach airson obrachadh uidheamachdan AI / ML a chumail (stèidhichte air sruthan dàta a thèid a chuir chun àrd-ùrlar ann an àm fìor), co-dhùnaidhean a dhèanamh mun t-sreath tagraidh agus an “raon” de AI / Innealan ML (tha iad cuideachd nan “algorithms matamataigeach”, “modalan”, msaa - faodar an ainmeachadh ann an dòigh eadar-dhealaichte a rèir mion-fhiosrachadh buileachaidh agus roghainnean briathrachais), cumail structaran dàta ùraichte airson mion-sgrùdadh air toraidhean obair AI / Innealan ML (ciùban, bùird, clàran dàta ioma-thaobhach, msaa).

Taobh chudromach de bhuileachadh CI ann an InterSystems IRIS: chaidh amalachadh dà-thaobhach a chuir an gnìomh eadar an àrd-ùrlar agus àrainneachdan modaladh matamataigeach, a’ toirt cothrom dhut susbaint air aoigheachd san àrd-ùrlar ann am Python, R agus Julia a chuir an gnìomh anns na h-àrainneachdan aca fhèin agus na toraidhean cur gu bàs fhaighinn air ais. Tha an amalachadh seo air a chuir an gnìomh an dà chuid ann am “modh crìochnachaidh” (ie, tha susbaint AI / ML air a dhealbhadh mar chòd ObjectScript a bhios a ’dèanamh gairmean chun àrainneachd) agus ann am“ modh pròiseas gnìomhachais ”(ie, tha susbaint AI / ML air a dhealbhadh mar phròiseas gnìomhachais a’ cleachdadh deasaiche grafaigeach, no uaireannan a’ cleachdadh Jupyter, no a’ cleachdadh IDE - IRIS Studio, Eclipse, Visual Studio Code). Tha na tha ri fhaighinn de phròiseasan gnìomhachais airson deasachadh ann an Jupyter ri fhaicinn tron ​​​​cheangal eadar IRIS aig ìre CI agus Jupyter aig ìre CD. Tha tar-shealladh nas mionaidiche air amalachadh le àrainneachdan modaladh matamataigeach air a thoirt seachad gu h-ìosal. Aig an ìre seo, nar beachd, tha a h-uile adhbhar ann dèanamh cinnteach gu bheil na h-innealan riatanach aig an àrd-ùrlar airson “amalachadh leantainneach” de leasachaidhean AI / ML a chuir an gnìomh (a ’tighinn bho“ cleachdadh leantainneach ”) gu fuasglaidhean AI / ML fìor-ùine.

Agus am prìomh inneal macro: CT. Às aonais, cha bhi àrd-ùrlar AI/ML ann (ged a thèid “fìor-ùine” a chuir an gnìomh tro CD/CI). Is e brìgh CT obair an àrd-ùrlair le “artifacts” de ionnsachadh inneal agus inntleachd fuadain gu dìreach ann an seiseanan obrach de àrainneachdan modaladh matamataigeach: modalan, bùird cuairteachaidh, vectaran matrix, sreathan de lìonraidhean neural, msaa. Tha an “obair”, sa mhòr-chuid, a’ toirt a-steach a bhith a’ cruthachadh na stuthan a tha air an ainmeachadh ann an àrainneachdan (a thaobh mhodalan, mar eisimpleir, tha “cruthachadh” a’ toirt a-steach a bhith a’ suidheachadh sònrachadh a’ mhodail agus a’ taghadh luachan a chrìochan às deidh sin - an “trèanadh” ris an canar a’ mhodail), an tagradh aca (airson modalan: àireamhachadh le cuideachadh bho luachan “modail” nan caochladairean targaid - ro-innsean, ballrachd roinn-seòrsa, coltachd tachartas, msaa) agus leasachadh mar-thà artifacts air an cruthachadh agus air an cur an sàs (mar eisimpleir, ag ath-mhìneachadh seata de chaochladairean cuir a-steach modail stèidhichte air toraidhean an tagraidh - gus cruinneas ro-innse a leasachadh, mar roghainn). Is e am prìomh phuing ann a bhith a’ tuigsinn àite CT an “tarraing às” aige bho fhìrinnean CD agus CI: cuiridh CT an gnìomh a h-uile artifact, le fòcas air mion-fhiosrachadh coimpiutaireachd agus matamataigeach an fhuasglaidh AI/ML taobh a-staigh nan comasan a tha air an toirt seachad le àrainneachdan sònraichte. Bidh uallach airson “toirt a-steach” agus “lìbhrigeadh thoraidhean” an urra ri CD agus CI.

Taobh chudromach de bhuileachadh CT ann an InterSystems IRIS: a’ cleachdadh an aonachadh gu h-àrd le àrainneachdan modaladh matamataigeach, tha comas aig an àrd-ùrlar na h-aon stuthan sin a thoirt a-mach à seiseanan obrach a tha a’ ruith fo a smachd ann an àrainneachdan matamataigeach agus (nas cudromaiche) an tionndadh. a-steach do nithean dàta àrd-ùrlair. Mar eisimpleir, faodar clàr cuairteachaidh a tha dìreach air a chruthachadh ann an seisean Python obrach a ghluasad (gun stad air an t-seisean Python) chun àrd-ùrlar ann an cruth, mar eisimpleir, cruinne (sreath dàta ioma-thaobhach InterSystems IRIS) - agus air a chleachdadh airson àireamhachadh ann an uidheamachd AI/ML- eile (air a chuir an gnìomh ann an cànan àrainneachd eile - mar eisimpleir, ann an R) - no clàr brìgheil. Eisimpleir eile: ann an co-shìnte ri “modh àbhaisteach” gnìomhachd a’ mhodail (ann an seisean obrach Python), tha “auto-ML” air a dhèanamh air an dàta cuir a-steach aige: taghadh fèin-ghluasadach de na caochladairean cuir a-steach as fheàrr agus luachan paramadair. Agus còmhla ris an trèanadh “cunbhalach”, bidh modail cinneasach ann an àm fìor cuideachd a’ faighinn “moladh airson optimization” den t-sònrachadh aige - anns am bi an seata de chaochladairean cuir a-steach ag atharrachadh, bidh luachan paramadair ag atharrachadh (chan ann mar thoradh air trèanadh tuilleadh). ann am Python, ach mar thoradh air trèanadh le dreach “eile” dheth fhèin, mar eisimpleir anns a’ chruach H2O), a’ leigeil leis an fhuasgladh iomlan AI/ML dèiligeadh gu neo-eisimeileach ri atharrachaidhean ris nach robh dùil ann an nàdar an dàta cuir a-steach agus na feallsanachdan. mhodail.

Nach faigh sinn eòlas nas mionaidiche air gnìomhachd àrd-ùrlar AI / ML InterSystems IRIS, a’ cleachdadh eisimpleir prototype fìor.

Anns an dealbh gu h-ìosal, air taobh clì an t-sleamhnag tha pàirt den phròiseas gnìomhachais a bhios a 'cur an gnìomh sgriobtaichean ann am Python agus R. Anns a' mheadhan tha clàran lèirsinneach de choileanadh cuid de na sgriobtaichean sin, fa leth, ann am Python agus R. Dìreach air an cùlaibh tha eisimpleirean de shusbaint air cànan aon is cànan eile, air a ghluasad airson a chur gu bàs gu na h-àrainneachdan iomchaidh. Aig an deireadh air an làimh dheis tha ìomhaighean stèidhichte air toraidhean coileanadh an sgriobt. Chaidh na seallaidhean aig a’ mhullach a dhèanamh air IRIS Analytics (chaidh dàta a thoirt bho Python a-steach don àrd-ùrlar dàta InterSystems IRIS agus a thaisbeanadh air deas-bhòrd a ’cleachdadh an àrd-ùrlar), aig a’ bhonn chaidh a dhèanamh gu dìreach anns an t-seisean obrach R agus toradh às an sin gu faidhlichean grafaigeach . Taobh cudromach: tha uallach air a ’chriomag a tha air a thaisbeanadh anns a’ prototype airson a bhith a ’trèanadh a’ mhodail (seòrsachadh stàitean uidheamachd) air dàta a gheibhear ann an àm fìor bhon phròiseas simuladair uidheamachd, le òrdugh bhon phròiseas sgrùdaidh càileachd seòrsachaidh a chaidh fhaicinn nuair a chaidh am modail a chuir an sàs. Thèid tuilleadh deasbaireachd a dhèanamh air buileachadh fuasgladh AI/ML ann an cruth seata de phròiseasan eadar-obrachaidh (“riochdairean”).

Figear 12 Eadar-obrachadh le Python, R agus Julia ann an InterSystems IRIS

Pròiseasan àrd-ùrlar (tha iad cuideachd nan “pròiseasan gnìomhachais”, “pròiseasan anailis”, “pìobanan”, msaa - a rèir a’ cho-theacsa), an toiseach air an deasachadh ann an deasaiche pròiseas gnìomhachais grafaigeach san àrd-ùrlar fhèin, agus ann an leithid de dòigh anns a bheil an dà chuid an diagram bloca aige agus an uidheamachd AI/ML co-fhreagarrach (còd prògram) air an cruthachadh aig an aon àm. Nuair a chanas sinn gu bheil “inneal AI/ML air fhaighinn,” tha sinn an toiseach a’ ciallachadh tar-ghnèitheachd (taobh a-staigh aon phròiseas): tha susbaint ann an cànanan àrainneachdan modaladh matamataigeach ri taobh susbaint ann an SQL (a’ gabhail a-steach leudachadh bho AmalaichteML), ann an InterSystems ObjectScript, le cànanan eile le taic. A bharrachd air an sin, tha pròiseas an àrd-ùrlair a’ toirt chothroman fìor fharsaing airson “rendadh” ann an cruth mìrean neadachaidh rangachd (mar a chithear san eisimpleir san dealbh gu h-ìosal), a leigeas leat eadhon susbaint fìor iom-fhillte a chuir air dòigh gu h-èifeachdach gun a bhith a-riamh “a’ tuiteam a-mach ” den chruth grafaigeach (gu cruthan “neo-ghrafaigeach”) » dòighean/clasaichean/dòighean-obrach, msaa). Is e sin, ma tha sin riatanach (agus thathar an dùil sa mhòr-chuid de phròiseactan), faodar am fuasgladh AI / ML gu lèir a chuir an gnìomh ann an cruth fèin-chlàraidh grafaigeach. Thoir an aire gu bheil ann am meadhan na h-ìomhaigh gu h-ìosal, a tha a’ riochdachadh “ìre neadachaidh” nas àirde, tha e soilleir, a bharrachd air an fhìor obair trèanaidh am modail (a’ cleachdadh Python agus R), mion-sgrùdadh air an rud ris an canar. Tha lùb ROC den mhodail ionnsaichte air a chur ris, a 'ceadachadh gu fradharcach (agus gu àireamhachd cuideachd) càileachd an trèanaidh a mheasadh - agus tha am mion-sgrùdadh seo air a chur an gnìomh ann an cànan Julia (air a chur gu bàs, a rèir sin, ann an àrainneachd matamataigeach Julia).

Figear 13 Àrainneachd lèirsinneach airson co-dhèanamh fuasglaidhean AI/ML ann an InterSystems IRIS

Mar a chaidh a ràdh na bu thràithe, thèid / faodar a’ chiad leasachadh agus (ann an cuid de chùisean) atharrachadh air uidheamachdan AI/ML a chaidh a chuir an gnìomh san àrd-ùrlar a dhèanamh taobh a-muigh an àrd-ùrlar ann an deasaiche Jupyter. Anns an dealbh gu h-ìosal tha sinn a 'faicinn eisimpleir de bhith ag atharrachadh pròiseas àrd-ùrlair gnàthaichte (an aon rud ris an dealbh gu h-àrd) - seo mar a tha a' chriomag a tha an urra ri trèanadh a 'mhodail coltach ann an Jupyter. Tha susbaint Python ri fhaighinn airson deasachadh, debugging, agus toradh grafaigs gu dìreach ann an Jupyter. Faodar atharrachaidhean (ma tha sin riatanach) a dhèanamh le sioncronadh sa bhad a-steach don phròiseas àrd-ùrlar, a’ toirt a-steach an dreach toraidh aige. Faodar susbaint ùr a ghluasad chun àrd-ùrlar san aon dòigh (thèid pròiseas àrd-ùrlair ùr a chruthachadh gu fèin-ghluasadach).

Figear 14 A’ cleachdadh Jupyter Notebook gus an einnsean AI/ML a dheasachadh anns an àrd-ùrlar InterSystems IRIS

Faodar pròiseas àrd-ùrlair atharrachadh chan ann a-mhàin ann an cruth grafaigeach no laptop - ach cuideachd ann an cruth IDE “iomlan” (Àrainneachd Leasachaidh Amalaichte). Is iad na IDEan sin IRIS Studio (stiùidio dùthchasach IRIS), Còd Stiùidio Lèirsinneach (leudachadh IRIS InterSystems airson VSCode) agus Eclipse (plugan Atelier). Ann an cuid de chùisean, bidh e comasach do sgioba leasachaidh na trì IDEan a chleachdadh aig an aon àm. Tha an diagram gu h-ìosal a’ sealltainn eisimpleir de bhith a’ deasachadh an aon phròiseas ann an stiùidio IRIS, ann an Visual Studio Code agus ann an Eclipse. Tha a h-uile susbaint ri fhaighinn airson deasachadh: Python/R/Julia/SQL, ObjectScript, agus pròiseas gnìomhachais.

Figear 15 Leasachadh pròiseas gnìomhachais InterSystems IRIS ann an grunn IDEan

Tha na h-innealan airson a bhith a’ toirt cunntas air agus a’ cur an gnìomh pròiseasan gnìomhachais InterSystems IRIS anns a’ chànan pròiseas gnìomhachais (BPL) airidh air iomradh sònraichte. Tha BPL ga dhèanamh comasach “pàirtean amalachaidh deiseil” (gnìomhan) a chleachdadh ann am pròiseasan gnìomhachais - a tha, gu dearbh, a’ toirt a h-uile adhbhar a ràdh gu bheil “amalachadh leantainneach” air a chuir an gnìomh ann an InterSystems IRIS. Tha co-phàirtean pròiseas gnìomhachais deiseil (gnìomhan agus ceanglaichean eatarra) nan luathadair cumhachdach airson fuasgladh AI / ML a cho-chruinneachadh. Agus chan e a-mhàin co-chruinneachaidhean: mar thoradh air na gnìomhan agus na ceanglaichean eatorra a thaobh leasachaidhean agus uidheamachdan eadar-dhealaichte AI / ML, tha “sreath riaghlaidh fèin-riaghailteach” ag èirigh, comasach air co-dhùnaidhean a dhèanamh a rèir an t-suidheachaidh, ann an àm fìor.

Figear 16 Co-phàirtean pròiseas gnìomhachais deiseil airson amalachadh leantainneach (CI) air àrd-ùrlar InterSystems IRIS

Tha suidheachadh làidir aig bun-bheachd siostaman àidseant (ris an canar cuideachd “siostaman ioma-àidseant”) ann an robotachadh, agus tha àrd-ùrlar InterSystems IRIS a’ toirt taic organach dha tron ​​​​togail “pròiseas toraidh”. A bharrachd air na cothroman gun chrìoch airson “stuffing” gach pròiseas leis a’ ghnìomhachd a tha riatanach airson an fhuasglaidh iomlan, le bhith a’ toirt an t-siostam de phròiseasan àrd-ùrlair le seilbh “buidheann” leigidh sin dhut fuasglaidhean èifeachdach a chruthachadh airson uinneanan samhlachail air leth neo-sheasmhach (giùlan sòisealta/buidheann). bith-shiostaman, pròiseasan teicneòlach a chithear gu ìre, msaa).

Figear 16 Obrachadh fuasgladh AI/ML mar shiostam pròiseas gnìomhachais stèidhichte air àidseant ann an InterSystems IRIS

Tha sinn a’ leantainn leis an ath-sgrùdadh againn air InterSystems IRIS le sgeulachd mu chleachdadh gnìomhaichte an àrd-ùrlair airson fuasgladh fhaighinn air clasaichean iomlan de dhuilgheadasan fìor-ùine (gheibhear ro-ràdh gu math mionaideach air cuid de na cleachdaidhean as fheàrr aig àrd-ùrlar AI/ML air InterSystems IRIS ann an aon. den fhear a bh’ againn roimhe co-labhairtean-lìn).

Teth air sàilean an diagram roimhe, gu h-ìosal tha diagram nas mionaidiche den t-siostam àidseant. Tha an diagram a’ sealltainn an aon prototype, tha na ceithir pròiseasan àidseant rim faicinn, tha na dàimhean eatorra air an tarraing gu sgeamach: GENERATOR - pròiseasan cruthachadh dàta le mothachairean uidheamachd, BUFFER - a’ riaghladh ciudhaichean dàta, ANALYZER - a’ coileanadh ionnsachadh innealan fhèin, SGRÙDADH - a’ cumail sùil air an càileachd ionnsachadh innealan agus a’ cur a-steach comharra mun fheum air a’ mhodail ath-thrèanadh.

Figear 17 Dèanamh fuasgladh AI/ML ann an cruth siostam pròiseas gnìomhachais stèidhichte air àidseant ann an InterSystems IRIS

Tha an diagram gu h-ìosal a’ sealltainn gnìomhachd fèin-riaghailteach prototype robotach eile (aithneachadh air dath tòcail theacsaichean) airson ùine. Anns a 'phàirt gu h-àrd tha mean-fhàs comharra càileachd trèanadh modail (càileachd a' fàs), anns a 'phàirt ìosal tha daineamaigs comharra càileachd tagradh modail agus fìrinnean trèanaidh a-rithist (stiallan dearga). Mar a chì thu, tha am fuasgladh air ionnsachadh gu h-èifeachdach agus gu neo-eisimeileach, agus ag obair aig ìre càileachd sònraichte (chan eil luachan sgòr càileachd a 'tuiteam fo 80%).

Figear 18 Trèanadh leantainneach (fèin) (CT) air àrd-ùrlar InterSystems IRIS

Thug sinn iomradh cuideachd air “auto-ML” na bu thràithe, ach tha an dealbh gu h-ìosal a’ sealltainn cleachdadh a’ ghnìomhachd seo gu mionaideach a’ cleachdadh eisimpleir prototype eile. Tha an diagram grafaigeach de chriomag de phròiseas gnìomhachais a’ sealltainn a’ ghnìomhachd a bhrosnaicheas am modaladh anns a’ chruach H2O, a’ sealltainn toraidhean a’ mhodail seo (ceannachd soilleir a’ mhodail a thàinig às a dhèidh thairis air modalan “rinn-dhuine”, a rèir an diagram coimeasach de cromagan ROC, a bharrachd air comharrachadh fèin-ghluasadach de na “caochladairean as buadhaiche” a tha rim faighinn san t-seata dàta tùsail). Is e puing chudromach an seo sàbhaladh ùine agus goireasan eòlach a thèid a choileanadh tro “auto-ML”: faodaidh na bhios am pròiseas àrd-ùrlar againn a ’dèanamh ann an leth-mhionaid (lorg agus trèanadh am modail as fheàrr) eòlaiche a thoirt bho sheachdain gu mìos.

Figear 19 Amalachadh “auto-ML” ann am fuasgladh AI/ML air àrd-ùrlar InterSystems IRIS

Tha an diagram gu h-ìosal ag ionndrainn a’ phuing beagan, ach tha e na dhòigh math air an sgeulachd mu na clasaichean de dhuilgheadasan fìor-ùine fhuasgladh: tha sinn gad chuimhneachadh, leis a h-uile comas aig àrd-ùrlar InterSystems IRIS, gu bheil modalan trèanaidh fo a smachd. chan eil e riatanach. Gheibh an àrd-ùrlar bhon taobh a-muigh an sònrachadh PMML ris an canar a ’mhodail, air a thrèanadh ann an inneal nach eil fo smachd an àrd-ùrlar - agus cuir am modail seo an sàs ann an àm fìor bhon mhionaid a thèid a thoirt a-steach. Sònrachaidhean PMML. Tha e cudromach cuimhneachadh nach urrainnear a h-uile artifact AI/ML a lughdachadh gu sònrachadh PMML, eadhon ged a cheadaicheas a’ mhòr-chuid de na stuthan as cumanta seo. Mar sin, tha an àrd-ùrlar InterSystems IRIS na “lùb fosgailte” agus chan eil e a’ ciallachadh “tràilleachd àrd-ùrlar” dha luchd-cleachdaidh.

Figear 20 Amalachadh “auto-ML” ann am fuasgladh AI/ML air àrd-ùrlar InterSystems IRIS

Leig leinn liosta a dhèanamh de na buannachdan àrd-ùrlair a bharrachd a tha aig InterSystems IRIS (airson soilleireachd, a thaobh smachd pròiseas), a tha air leth cudromach ann an fèin-ghluasad inntleachd fuadain agus ionnsachadh inneal fìor-ùine:

• Leasaich innealan amalachaidh le stòran dàta agus luchd-cleachdaidh sam bith (siostam smachd pròiseas / SCADA, uidheamachd, MRO, ERP, msaa.)
• Togalach DBMS ioma-mhodail airson giollachd gnìomh agus mion-sgrùdaidh àrd-choileanadh (Gnìomh Hybrid / Giullachd Mion-sgrùdadh, HTAP) de mheud sam bith de dhàta pròiseas teicneòlasach
• Innealan leasachaidh airson cleachdadh leantainneach de einnseanan AI / ML airson fuasglaidhean fìor-ùine stèidhichte air Python, R, Julia
• Pròiseasan gnìomhachais freagarrach airson amalachadh leantainneach agus (fèin) ionnsachadh einnseanan fuasglaidh AI/ML fìor-ùine
• Innealan Fiosrachaidh Gnìomhachais togte airson dàta pròiseas fhaicinn agus toraidhean fuasgladh AI / ML
• Riaghladh API airson toraidhean an fhuasglaidh AI / ML a lìbhrigeadh gu siostaman smachd pròiseas / SCADA, siostaman fiosrachaidh is anailis, a’ cur rabhaidhean, msaa.

Bidh fuasglaidhean AI / ML air an àrd-ùrlar InterSystems IRIS gu furasta a ’freagairt air a’ bhun-structar IT a th ’ann. Bidh an àrd-ùrlar InterSystems IRIS a’ dèanamh cinnteach gu bheil fuasglaidhean AI / ML àrd earbsach le bhith a’ toirt taic do rèiteachaidhean fulangach ri lochdan agus fulangas mòr-thubaist agus cleachdadh sùbailte ann an àrainneachdan brìgheil, air frithealaichean fiosaigeach, ann an sgòthan prìobhaideach is poblach, agus soithichean Docker.

Mar sin, tha InterSystems IRIS na àrd-ùrlar coimpiutaireachd fìor-ùine AI / ML. Tha uile-choitcheannachd an àrd-ùrlar againn air a dhearbhadh ann an cleachdadh leis nach eil cuingealachaidhean de facto air iom-fhillteachd àireamhachadh gnìomhaichte, comas InterSystems IRIS a bhith a’ cothlamadh (ann an àm fìor) giullachd shuidheachaidhean bho raon farsaing de ghnìomhachasan, agus sùbailteachd sònraichte. gnìomhan àrd-ùrlar agus uidheamachd sam bith a rèir feumalachdan sònraichte luchd-cleachdaidh.

Figear 21 InterSystems IRIS - àrd-ùrlar coimpiutaireachd fìor-ùine AI/ML uile-choitcheann

Airson eadar-obrachadh nas susbainteach leis an fheadhainn aig ar luchd-leughaidh aig a bheil ùidh anns an stuth a tha air a thaisbeanadh an seo, tha sinn a’ moladh gun a bhith gad chuingealachadh fhèin ri bhith ga leughadh agus a ’leantainn air adhart leis a’ chòmhradh “beò.” Bidh sinn toilichte taic a thoirt seachad le bhith a’ cruthachadh shuidheachaidhean AI/ML fìor-ùine a thaobh mion-fhiosrachadh a’ chompanaidh agad, a’ dèanamh prototyping còmhla air àrd-ùrlar InterSystems IRIS, a’ cruthachadh agus a’ cur an gnìomh mapa-rathaid airson a bhith a’ toirt a-steach inntleachd fuadain agus ionnsachadh innealan. a-steach do na pròiseasan toraidh agus riaghlaidh agad. Post-d fios an Sgioba Eòlaiche AI/ML againn - [post-d fo dhìon].

Source: www.habr.com