इंटरसिस्टम्स आईआरआईएस - एक सार्वभौमिक वास्तविक समय एआई/एमएल प्लेटफॉर्म

लेखक: सर्गेई लुक्यान्चिकोव, इंटरसिस्टम्स में परामर्श इंजीनियर

वास्तविक समय एआई/एमएल कंप्यूटिंग कॉल

आइए इंटरसिस्टम्स में डेटा साइंस अभ्यास के अनुभव के उदाहरणों से शुरुआत करें:

• लोडेड खरीदार पोर्टल एक ऑनलाइन अनुशंसा प्रणाली से जुड़ा है। पूरे खुदरा नेटवर्क में पदोन्नति का पुनर्गठन किया जाएगा (उदाहरण के लिए, पदोन्नति की "फ्लैट" लाइन के बजाय, "सेगमेंट-रणनीति" मैट्रिक्स का उपयोग अब किया जाएगा)। अनुशंसा इंजनों का क्या होता है? सिफ़ारिश इंजन में डेटा जमा करने और अपडेट करने का क्या होता है (इनपुट डेटा की मात्रा 25000 गुना बढ़ गई है)? अनुशंसाओं के विकास का क्या होता है (उनकी संख्या और "सीमा" में एक हजार गुना वृद्धि के कारण अनुशंसा नियमों की फ़िल्टरिंग सीमा को एक हजार गुना कम करने की आवश्यकता)?
• उपकरण घटकों में दोष विकसित होने की संभावना की निगरानी के लिए एक प्रणाली है। एक स्वचालित प्रक्रिया नियंत्रण प्रणाली निगरानी प्रणाली से जुड़ी थी, जो हर सेकंड हजारों तकनीकी प्रक्रिया मापदंडों को प्रसारित करती थी। उस निगरानी प्रणाली का क्या होता है जो पहले "मैन्युअल नमूनों" पर काम करती थी (क्या यह दूसरी-दर-दूसरी संभाव्यता निगरानी प्रदान करने में सक्षम है)? यदि हाल ही में प्रक्रिया नियंत्रण प्रणाली में जोड़े गए सेंसर से रीडिंग के साथ इनपुट डेटा में कई सौ कॉलम का एक नया ब्लॉक दिखाई देता है तो क्या होगा (क्या यह आवश्यक होगा और विश्लेषण में नए सेंसर से डेटा शामिल करने के लिए निगरानी प्रणाली को कितने समय तक रोकना होगा) )?
• एआई/एमएल तंत्र (सिफारिश, निगरानी, ​​पूर्वानुमान) का एक सेट बनाया गया है जो एक दूसरे के काम के परिणामों का उपयोग करता है। इनपुट डेटा में परिवर्तन के अनुसार इस कॉम्प्लेक्स के संचालन को अनुकूलित करने के लिए हर महीने कितने मानव-घंटे की आवश्यकता होती है? प्रबंधन निर्णय लेने वाले परिसर (नए इनपुट डेटा की घटना की आवृत्ति के सापेक्ष इसमें नई सहायक जानकारी की घटना की आवृत्ति) द्वारा समर्थित होने पर सामान्य "मंदी" क्या है?

इन और कई अन्य उदाहरणों को सारांशित करते हुए, हम वास्तविक समय में मशीन लर्निंग और कृत्रिम बुद्धिमत्ता तंत्र के उपयोग की ओर बढ़ने पर उत्पन्न होने वाली चुनौतियों के सूत्रीकरण पर आए हैं:

• क्या हम अपनी कंपनी में एआई/एमएल विकास के निर्माण और अनुकूलन (बदलती स्थिति के अनुसार) की गति से संतुष्ट हैं?
• हमारे द्वारा उपयोग किए जाने वाले AI/ML समाधान वास्तविक समय के व्यवसाय प्रबंधन का कितना समर्थन करते हैं?
• क्या हमारे द्वारा उपयोग किए जाने वाले एआई/एमएल समाधान स्वतंत्र रूप से (डेवलपर्स के बिना) डेटा और व्यवसाय प्रबंधन प्रथाओं में बदलाव के अनुकूल होने में सक्षम हैं?

हमारा लेख एआई/एमएल तंत्र की तैनाती, एआई/एमएल समाधानों की असेंबली (एकीकरण), और गहनता पर एआई/एमएल समाधानों के प्रशिक्षण (परीक्षण) के लिए सार्वभौमिक समर्थन के संदर्भ में इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म की क्षमताओं का संपूर्ण अवलोकन है। डेटा स्ट्रीम. हम इस लेख में बाजार अनुसंधान, एआई/एमएल समाधानों के मामले के अध्ययन और जिसे हम वास्तविक समय एआई/एमएल प्लेटफॉर्म कहते हैं उसके वैचारिक पहलुओं पर गौर करेंगे।

हम सर्वेक्षणों से क्या जानते हैं: वास्तविक समय के अनुप्रयोग

निष्कर्ष सर्वेक्षणलाइटबेंड द्वारा 800 में लगभग 2019 आईटी पेशेवरों के बीच आयोजित, स्वयं के लिए बोलें:

चित्र 1 वास्तविक समय डेटा के अग्रणी उपभोक्ता

आइए हम इस सर्वेक्षण के परिणामों पर रिपोर्ट के महत्वपूर्ण अंशों को अपने अनुवाद में उद्धृत करें:

“... डेटा स्ट्रीम को एकीकृत करने के लिए उपकरणों की लोकप्रियता में रुझान और साथ ही, कंटेनरों में कंप्यूटिंग का समर्थन प्रभावी समाधानों के अधिक संवेदनशील, तर्कसंगत, गतिशील प्रस्ताव के लिए बाजार के अनुरोध पर एक सहक्रियात्मक प्रतिक्रिया प्रदान करता है। स्ट्रीमिंग डेटा पारंपरिक पैकेट डेटा की तुलना में तेज़ी से जानकारी स्थानांतरित करता है। इसमें कम्प्यूटेशनल तरीकों को शीघ्रता से लागू करने की क्षमता जोड़ी गई है, जैसे, उदाहरण के लिए, एआई/एमएल-आधारित सिफारिशें, बढ़ी हुई ग्राहक संतुष्टि के माध्यम से प्रतिस्पर्धी लाभ पैदा करना। चपलता की दौड़ DevOps प्रतिमान में सभी भूमिकाओं को भी प्रभावित करती है - जिससे अनुप्रयोग विकास और तैनाती अधिक कुशल हो जाती है। ... आठ सौ चार आईटी पेशेवरों ने अपने संगठनों में डेटा प्रवाह के उपयोग पर जानकारी प्रदान की। उत्तरदाता मुख्य रूप से पश्चिमी देशों (यूरोप में 41% और उत्तरी अमेरिका में 37%) में स्थित थे और छोटी, मध्यम और बड़ी कंपनियों के बीच लगभग समान रूप से वितरित थे। ...

... कृत्रिम बुद्धिमत्ता प्रचार नहीं है। उत्पादकता एआई/एमएल अनुप्रयोगों में पहले से ही डेटा स्ट्रीम प्रोसेसिंग का उपयोग करने वाले अट्ठाईस प्रतिशत लोग पुष्टि करते हैं कि एआई/एमएल के उनके उपयोग में अगले वर्ष (अन्य अनुप्रयोगों की तुलना में) सबसे बड़ी वृद्धि देखी जाएगी।

• अधिकांश उत्तरदाताओं के अनुसार, एआई/एमएल परिदृश्यों में डेटा स्ट्रीम के उपयोग में अगले वर्ष सबसे बड़ी वृद्धि देखी जाएगी।
• एआई/एमएल में अनुप्रयोग न केवल अपेक्षाकृत नए प्रकार के परिदृश्यों के कारण बढ़ेंगे, बल्कि पारंपरिक परिदृश्यों के कारण भी बढ़ेंगे जिनमें वास्तविक समय डेटा का तेजी से उपयोग किया जा रहा है।
• एआई/एमएल के अलावा, IoT डेटा पाइपलाइनों के उपयोगकर्ताओं के बीच उत्साह का स्तर प्रभावशाली है - जिन लोगों ने पहले ही IoT डेटा एकीकृत कर लिया है उनमें से 48% का कहना है कि इस डेटा पर परिदृश्य कार्यान्वयन में निकट भविष्य में उल्लेखनीय वृद्धि देखी जाएगी। ..."

इस दिलचस्प सर्वेक्षण से, यह स्पष्ट है कि डेटा स्ट्रीम की खपत में अग्रणी के रूप में मशीन लर्निंग और कृत्रिम बुद्धिमत्ता परिदृश्यों की धारणा पहले से ही "रास्ते में" है। लेकिन एक समान रूप से महत्वपूर्ण अवलोकन DevOps के लेंस के माध्यम से वास्तविक समय एआई/एमएल की धारणा है: यहां हम पहले से ही "पूरी तरह से सुलभ डेटा सेट के साथ डिस्पोजेबल एआई/एमएल" की अभी भी प्रमुख संस्कृति के परिवर्तन के बारे में बात करना शुरू कर सकते हैं।

वास्तविक समय एआई/एमएल प्लेटफ़ॉर्म अवधारणा

वास्तविक समय एआई/एमएल के लिए एक विशिष्ट अनुप्रयोग क्षेत्र विनिर्माण में प्रक्रिया नियंत्रण है। उनके उदाहरण का उपयोग करते हुए और पिछले विचारों को ध्यान में रखते हुए, हम एक वास्तविक समय एआई/एमएल प्लेटफॉर्म की अवधारणा तैयार करेंगे।
प्रक्रिया नियंत्रण में कृत्रिम बुद्धिमत्ता और मशीन लर्निंग के उपयोग में कई विशेषताएं हैं:

• तकनीकी प्रक्रिया की स्थिति पर डेटा गहनता से प्राप्त किया जाता है: उच्च आवृत्ति के साथ और मापदंडों की एक विस्तृत श्रृंखला के लिए (प्रक्रिया नियंत्रण प्रणाली से प्रति सेकंड प्रेषित हजारों पैरामीटर मान तक)
• दोषों की पहचान पर डेटा, उनके विकास पर डेटा का उल्लेख नहीं करना, इसके विपरीत, दुर्लभ और अनियमित हैं, जो दोषों की अपर्याप्त टाइपिंग और समय पर उनके स्थानीयकरण की विशेषता है (अक्सर कागजी रिकॉर्ड द्वारा दर्शाया जाता है)
• व्यावहारिक दृष्टिकोण से, प्रशिक्षण और मॉडल लागू करने के लिए स्रोत डेटा की केवल "प्रासंगिकता की खिड़की" उपलब्ध है, जो प्रक्रिया मापदंडों के अंतिम पढ़ने वाले मूल्यों के साथ समाप्त होने वाले उचित स्लाइडिंग अंतराल पर तकनीकी प्रक्रिया की गतिशीलता को दर्शाती है।

ये सुविधाएँ हमें तकनीकी प्रक्रिया से गहन "ब्रॉडबैंड इनपुट सिग्नल" के वास्तविक समय में बुनियादी प्रसंस्करण प्राप्त करने और बुनियादी प्रसंस्करण के अलावा, एआई के परिणामों के अनुप्रयोग, प्रशिक्षण और गुणवत्ता नियंत्रण (समानांतर में) करने के लिए मजबूर करती हैं। एमएल मॉडल - वास्तविक समय में भी। प्रासंगिकता की स्लाइडिंग विंडो में हमारे मॉडल जो "फ़्रेम" देखते हैं वह लगातार बदल रहा है - और इसके साथ, अतीत में "फ़्रेम" में से एक पर प्रशिक्षित एआई/एमएल मॉडल के काम के परिणामों की गुणवत्ता भी बदल जाती है। . यदि एआई/एमएल मॉडल के काम के परिणामों की गुणवत्ता खराब हो जाती है (उदाहरण के लिए: "अलार्म-मानदंड" वर्गीकरण त्रुटि का मूल्य हमारे द्वारा परिभाषित सीमाओं से परे चला गया है), तो मॉडल का अतिरिक्त प्रशिक्षण स्वचालित रूप से लॉन्च किया जाना चाहिए एक अधिक वर्तमान "फ्रेम" - और मॉडलों के अतिरिक्त प्रशिक्षण को शुरू करने के लिए क्षण की पसंद को ध्यान में रखना चाहिए कि प्रशिक्षण की अवधि, और मॉडलों के वर्तमान संस्करण के काम की गुणवत्ता में गिरावट की गतिशीलता (चूंकि) मॉडलों के वर्तमान संस्करणों का उपयोग तब तक जारी रहता है जब तक कि मॉडलों को प्रशिक्षित नहीं किया जाता है, और जब तक उनके "नए प्रशिक्षित" संस्करण नहीं बन जाते)।

इंटरसिस्टम्स आईआरआईएस में वास्तविक समय प्रक्रिया नियंत्रण के लिए एआई/एमएल समाधान सक्षम करने के लिए प्रमुख प्लेटफ़ॉर्म क्षमताएं हैं। इन क्षमताओं को तीन मुख्य समूहों में विभाजित किया जा सकता है:

• इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म पर वास्तविक समय में संचालित होने वाले उत्पादक समाधान में नए या अनुकूलित मौजूदा एआई/एमएल तंत्र की निरंतर तैनाती (निरंतर तैनाती/डिलीवरी, सीडी)
• आने वाली तकनीकी प्रक्रिया डेटा धाराओं के एकल उत्पादक समाधान में निरंतर एकीकरण (सीआई), एआई/एमएल तंत्र के अनुप्रयोग/प्रशिक्षण/गुणवत्ता नियंत्रण के लिए डेटा कतारें और गणितीय मॉडलिंग वातावरण के साथ डेटा/कोड/नियंत्रण क्रियाओं का आदान-प्रदान, वास्तविक समय में व्यवस्थित प्लेटफ़ॉर्म इंटरसिस्टम्स आईआरआईएस
• एआई/एमएल तंत्र का निरंतर (स्वयं) प्रशिक्षण (कंटीन्यूअस ट्रेनिंग, सीटी), इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म द्वारा प्रेषित डेटा, कोड और नियंत्रण क्रियाओं ("किए गए निर्णय") का उपयोग करके गणितीय मॉडलिंग वातावरण में किया जाता है।

मशीन लर्निंग और कृत्रिम बुद्धिमत्ता के संबंध में प्लेटफ़ॉर्म क्षमताओं का इन समूहों में वर्गीकरण आकस्मिक नहीं है। आइए हम कार्यप्रणाली को उद्धृत करें प्रकाशन Google, जो हमारे अनुवाद में इस वर्गीकरण के लिए एक वैचारिक आधार प्रदान करता है:

“... DevOps अवधारणा, जो इन दिनों लोकप्रिय है, बड़े पैमाने पर सूचना प्रणालियों के विकास और संचालन को कवर करती है। इस अवधारणा को लागू करने के फायदे विकास चक्रों की अवधि में कमी, विकास की तेजी से तैनाती और रिलीज योजना में लचीलेपन हैं। इन लाभों को प्राप्त करने के लिए, DevOps में कम से कम दो प्रथाओं का कार्यान्वयन शामिल है:

• निरंतर एकीकरण (CI)
• सतत वितरण (सीडी)

उत्पादक एआई/एमएल समाधानों की विश्वसनीय और निष्पादन योग्य असेंबली सुनिश्चित करने के लिए ये प्रथाएं एआई/एमएल प्लेटफार्मों पर भी लागू होती हैं।

एआई/एमएल प्लेटफॉर्म निम्नलिखित पहलुओं में अन्य सूचना प्रणालियों से भिन्न हैं:

• टीम दक्षताएँ: एआई/एमएल समाधान बनाते समय, टीम में आमतौर पर डेटा अनुसंधान के क्षेत्र में डेटा वैज्ञानिक या "अकादमिक" विशेषज्ञ शामिल होते हैं जो डेटा विश्लेषण करते हैं, मॉडल विकसित करते हैं और परीक्षण करते हैं। ये टीम सदस्य पेशेवर उत्पादक कोड डेवलपर नहीं हो सकते हैं।
• विकास: एआई/एमएल इंजन प्रायोगिक प्रकृति के हैं। किसी समस्या को सबसे कुशल तरीके से हल करने के लिए, इनपुट चर, एल्गोरिदम, मॉडलिंग विधियों और मॉडल मापदंडों के विभिन्न संयोजनों से गुजरना आवश्यक है। इस तरह की खोज की जटिलता "क्या काम किया/क्या काम नहीं किया" का पता लगाने, एपिसोड की पुनरुत्पादकता सुनिश्चित करने, बार-बार कार्यान्वयन के लिए विकास के सामान्यीकरण को सुनिश्चित करने में निहित है।
• परीक्षण: एआई/एमएल इंजनों के परीक्षण के लिए अधिकांश अन्य विकासों की तुलना में व्यापक श्रेणी के परीक्षणों की आवश्यकता होती है। मानक इकाई और एकीकरण परीक्षणों के अलावा, डेटा वैधता और मॉडल को प्रशिक्षण और नियंत्रण नमूनों में लागू करने के परिणामों की गुणवत्ता का परीक्षण किया जाता है।
• तैनाती: एआई/एमएल समाधानों की तैनाती उन पूर्वानुमानित सेवाओं तक सीमित नहीं है जो एक बार प्रशिक्षित मॉडल का उपयोग करती हैं। एआई/एमएल समाधान मल्टी-स्टेज पाइपलाइनों के आसपास बनाए जाते हैं जो स्वचालित मॉडल प्रशिक्षण और अनुप्रयोग करते हैं। ऐसी पाइपलाइनों को तैनात करने में मॉडलों को प्रशिक्षित करने और परीक्षण करने में सक्षम होने के लिए डेटा वैज्ञानिकों द्वारा पारंपरिक रूप से मैन्युअल रूप से की जाने वाली गैर-तुच्छ क्रियाओं को स्वचालित करना शामिल है।
• उत्पादकता: एआई/एमएल इंजन में न केवल अकुशल प्रोग्रामिंग के कारण, बल्कि इनपुट डेटा की लगातार बदलती प्रकृति के कारण भी उत्पादकता में कमी हो सकती है। दूसरे शब्दों में, एआई/एमएल तंत्र का प्रदर्शन पारंपरिक विकास के प्रदर्शन की तुलना में व्यापक कारणों से खराब हो सकता है। जिससे हमारे एआई/एमएल इंजनों के प्रदर्शन की निगरानी (ऑनलाइन) करने की आवश्यकता होती है, साथ ही यदि प्रदर्शन संकेतक अपेक्षाओं को पूरा नहीं करते हैं तो अलर्ट भेजने या परिणामों को अस्वीकार करने की आवश्यकता होती है।

एआई/एमएल प्लेटफॉर्म अन्य सूचना प्रणालियों के समान हैं, जिनमें दोनों को संस्करण नियंत्रण, इकाई परीक्षण, एकीकरण परीक्षण और निरंतर विकास परिनियोजन के साथ निरंतर कोड एकीकरण की आवश्यकता होती है। हालाँकि, AI/ML के मामले में, कई महत्वपूर्ण अंतर हैं:

• सीआई (सतत एकीकरण) अब तैनात घटकों के कोड के परीक्षण और सत्यापन तक सीमित नहीं है - इसमें डेटा और एआई/एमएल मॉडल का परीक्षण और सत्यापन भी शामिल है।
• सीडी (निरंतर वितरण/परिनियोजन, निरंतर तैनाती) पैकेज या सेवाओं को लिखने और जारी करने तक ही सीमित नहीं है, बल्कि एआई/एमएल समाधानों की संरचना, प्रशिक्षण और अनुप्रयोग के लिए एक मंच का तात्पर्य है।
• सीटी (सतत प्रशिक्षण, सतत प्रशिक्षण) एक नया तत्व है [लगभग। लेख के लेखक: DevOps की पारंपरिक अवधारणा के संबंध में एक नया तत्व, जिसमें CT, एक नियम के रूप में, सतत परीक्षण है], AI/ML प्लेटफार्मों में निहित है, जो AI को प्रशिक्षित करने और लागू करने के लिए तंत्र के स्वायत्त प्रबंधन के लिए जिम्मेदार है। /एमएल मॉडल। ..."

हम कह सकते हैं कि वास्तविक समय डेटा पर काम करने वाली मशीन लर्निंग और कृत्रिम बुद्धिमत्ता के लिए उपकरणों और दक्षताओं के व्यापक सेट (कोड विकास से लेकर गणितीय मॉडलिंग वातावरण के ऑर्केस्ट्रेशन तक), सभी कार्यात्मक और विषय क्षेत्रों के बीच घनिष्ठ एकीकरण, मानव और अधिक कुशल संगठन की आवश्यकता होती है। मशीन संसाधन.

वास्तविक समय परिदृश्य: फ़ीड पंपों में दोषों के विकास को पहचानना

एक उदाहरण के रूप में प्रक्रिया नियंत्रण क्षेत्र का उपयोग जारी रखते हुए, एक विशिष्ट समस्या पर विचार करें (हमने पहले ही शुरुआत में उल्लेख किया है): हमें प्रक्रिया पैरामीटर मानों के प्रवाह के आधार पर पंपों में दोषों के विकास की वास्तविक समय की निगरानी प्रदान करने की आवश्यकता है। और पहचाने गए दोषों के बारे में मरम्मत कर्मियों से रिपोर्ट।

चित्र 2 दोषों के विकास की निगरानी के लिए समस्या सूत्रीकरण

व्यवहार में इस तरह से प्रस्तुत अधिकांश कार्यों की एक विशेषता यह है कि विभिन्न प्रकार के दोषों की प्रासंगिक और अनियमित घटना (और पंजीकरण) की पृष्ठभूमि के खिलाफ डेटा प्राप्ति (एपीसीएस) की नियमितता और दक्षता पर विचार किया जाना चाहिए। दूसरे शब्दों में: प्रक्रिया नियंत्रण प्रणाली से डेटा एक सेकंड में एक बार आता है, सही और सटीक, और दोषों के बारे में नोट्स एक रासायनिक पेंसिल के साथ कार्यशाला में एक सामान्य नोटबुक में तारीख का संकेत देते हुए बनाए जाते हैं (उदाहरण के लिए: "12.01 - कवर में रिसाव तीसरे बियरिंग की ओर से")।

इस प्रकार, हम निम्नलिखित महत्वपूर्ण सीमाओं के साथ समस्या के सूत्रीकरण को पूरक कर सकते हैं: हमारे पास एक विशिष्ट प्रकार के दोष का केवल एक "लेबल" है (यानी, एक विशिष्ट प्रकार के दोष का एक उदाहरण प्रक्रिया नियंत्रण से डेटा द्वारा दर्शाया गया है) एक विशिष्ट तिथि पर सिस्टम - और हमारे पास इस विशेष प्रकार के दोष के अधिक उदाहरण नहीं हैं)। यह सीमा हमें तुरंत शास्त्रीय मशीन लर्निंग (पर्यवेक्षित शिक्षण) के दायरे से परे ले जाती है, जिसके लिए बहुत सारे "टैग" होने चाहिए।

चित्र 3 दोषों के विकास की निगरानी के कार्य का स्पष्टीकरण

क्या हम किसी तरह हमारे पास मौजूद एकमात्र "टैग" को "गुणा" कर सकते हैं? हाँ हम कर सकते हैं। पंप की वर्तमान स्थिति पंजीकृत दोषों की समानता की डिग्री की विशेषता है। मात्रात्मक तरीकों के उपयोग के बिना भी, दृश्य धारणा के स्तर पर, प्रक्रिया नियंत्रण प्रणाली से आने वाले डेटा मूल्यों की गतिशीलता को देखकर, आप पहले से ही बहुत कुछ सीख सकते हैं:

चित्र 4 किसी दिए गए प्रकार के दोष के "चिह्न" की पृष्ठभूमि के विरुद्ध पंप की स्थिति की गतिशीलता

लेकिन दृश्य धारणा (कम से कम अभी के लिए) हमारे तेजी से बदलते परिदृश्य में "टैग" का सबसे उपयुक्त जनरेटर नहीं है। हम एक सांख्यिकीय परीक्षण का उपयोग करके रिपोर्ट किए गए दोषों के साथ वर्तमान पंप स्थिति की समानता का मूल्यांकन करेंगे।

चित्र 5 दोष "लेबल" की पृष्ठभूमि के विरुद्ध आने वाले डेटा पर एक सांख्यिकीय परीक्षण लागू करना

एक सांख्यिकीय परीक्षण इस संभावना को निर्धारित करता है कि प्रक्रिया नियंत्रण प्रणाली से प्राप्त "फ्लो-पैकेट" में तकनीकी प्रक्रिया मापदंडों के मूल्यों वाले रिकॉर्ड एक निश्चित प्रकार के दोष के "टैग" के रिकॉर्ड के समान हैं। सांख्यिकीय परीक्षण लागू करने के परिणामस्वरूप गणना की जाने वाली संभाव्यता मान (सांख्यिकीय समानता सूचकांक) को 0 या 1 के मान में बदल दिया जाता है, जो समानता के लिए जांचे जा रहे पैकेट में प्रत्येक विशिष्ट रिकॉर्ड में मशीन सीखने के लिए "लेबल" बन जाता है। अर्थात्, एक सांख्यिकीय परीक्षण के साथ पंप स्थिति रिकॉर्ड के नए प्राप्त पैकेज को संसाधित करने के बाद, हमारे पास (ए) इस पैकेज को एआई/एमएल मॉडल के प्रशिक्षण के लिए प्रशिक्षण सेट में जोड़ने और (बी) की गुणवत्ता नियंत्रण करने का अवसर है। इस पैकेज में उपयोग करते समय मॉडल का वर्तमान संस्करण।

चित्र 6 एक दोष "लेबल" की पृष्ठभूमि के विरुद्ध आने वाले डेटा पर मशीन लर्निंग मॉडल लागू करना

हमारे पिछले में से एक में वेबिनार हम दिखाते हैं और समझाते हैं कि कैसे इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म आपको लगातार चलने वाली व्यावसायिक प्रक्रियाओं के रूप में किसी भी एआई/एमएल तंत्र को लागू करने की अनुमति देता है जो मॉडलिंग परिणामों की विश्वसनीयता की निगरानी करता है और मॉडल मापदंडों को अनुकूलित करता है। पंपों के साथ हमारे परिदृश्य के एक प्रोटोटाइप को कार्यान्वित करते समय, हम वेबिनार के दौरान प्रस्तुत सभी इंटरसिस्टम आईआरआईएस कार्यक्षमता का उपयोग करते हैं - हमारे समाधान के हिस्से के रूप में विश्लेषक प्रक्रिया में कार्यान्वयन शास्त्रीय पर्यवेक्षित शिक्षण नहीं, बल्कि सुदृढीकरण शिक्षण, जो स्वचालित रूप से प्रशिक्षण मॉडल के लिए चयन का प्रबंधन करता है . प्रशिक्षण नमूने में ऐसे रिकॉर्ड होते हैं जिन पर सांख्यिकीय परीक्षण और मॉडल के वर्तमान संस्करण दोनों को लागू करने के बाद "पहचान सर्वसम्मति" उत्पन्न होती है - यानी, दोनों सांख्यिकीय परीक्षण (समानता सूचकांक को 0 या 1 में बदलने के बाद) और मॉडल ने परिणाम उत्पन्न किया ऐसे रिकॉर्ड पर 1. मॉडल के नए प्रशिक्षण के दौरान, इसके सत्यापन के दौरान (नए प्रशिक्षित मॉडल को अपने स्वयं के प्रशिक्षण नमूने पर लागू किया जाता है, इसमें एक सांख्यिकीय परीक्षण के प्रारंभिक अनुप्रयोग के साथ), रिकॉर्ड करता है कि प्रसंस्करण के बाद परिणाम 1 "बरकरार नहीं रखा गया" सांख्यिकीय परीक्षण द्वारा (प्रशिक्षण में दोष के मूल "लेबल" से रिकॉर्ड का एक नमूना निरंतर उपस्थिति के कारण), प्रशिक्षण सेट से हटा दिया जाता है, और मॉडल का एक नया संस्करण "लेबल" से सीखता है दोष और धारा से "बरकरार रखे गए" रिकॉर्ड।

चित्र 7 इंटरसिस्टम्स आईआरआईएस में एआई/एमएल गणनाओं का रोबोटीकरण

यदि इंटरसिस्टम्स आईआरआईएस में स्थानीय गणना के दौरान प्राप्त पहचान की गुणवत्ता पर किसी प्रकार की "दूसरी राय" की आवश्यकता होती है, तो क्लाउड सेवाओं (उदाहरण के लिए, माइक्रोसॉफ्ट) का उपयोग करके नियंत्रण डेटासेट पर मॉडलों के प्रशिक्षण और अनुप्रयोग को निष्पादित करने के लिए एक सलाहकार प्रक्रिया बनाई जाती है। Azure, Amazon Web Services , Google Cloud प्लेटफ़ॉर्म, आदि):

चित्र 8 इंटरसिस्टम्स आईआरआईएस द्वारा व्यवस्थित माइक्रोसॉफ्ट एज़्योर से दूसरी राय

इंटरसिस्टम्स आईआरआईएस में हमारे परिदृश्य का प्रोटोटाइप विश्लेषणात्मक प्रक्रियाओं की एक एजेंट-आधारित प्रणाली के रूप में डिज़ाइन किया गया है जो एक उपकरण ऑब्जेक्ट (पंप), गणितीय मॉडलिंग वातावरण (पायथन, आर और जूलिया) के साथ बातचीत करता है, और सभी शामिल एआई/की स्व-शिक्षा सुनिश्चित करता है। एमएल तंत्र - वास्तविक समय डेटा स्ट्रीम पर।

चित्र 9 इंटरसिस्टम्स आईआरआईएस में वास्तविक समय एआई/एमएल समाधान की मुख्य कार्यक्षमता

हमारे प्रोटोटाइप का व्यावहारिक परिणाम:

• मॉडल द्वारा पहचाना गया नमूना दोष (12 जनवरी):

• मॉडल द्वारा पहचाना गया एक विकासशील दोष जो नमूने में शामिल नहीं था (11 सितंबर, दोष की पहचान केवल दो दिन बाद, 13 सितंबर को मरम्मत टीम द्वारा की गई थी):

एक ही दोष के कई एपिसोड वाले वास्तविक डेटा पर सिमुलेशन से पता चला कि हमारा समाधान, इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म पर कार्यान्वित किया गया है, जो हमें मरम्मत टीम द्वारा पता लगाए जाने से कई दिन पहले इस प्रकार के दोषों के विकास की पहचान करने की अनुमति देता है।

इंटरसिस्टम्स आईआरआईएस - एक सार्वभौमिक वास्तविक समय एआई/एमएल कंप्यूटिंग प्लेटफॉर्म

इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म वास्तविक समय डेटा समाधानों के विकास, तैनाती और संचालन को सरल बनाता है। इंटरसिस्टम्स आईआरआईएस एक साथ लेनदेन और विश्लेषणात्मक डेटा प्रोसेसिंग करने में सक्षम है; कई मॉडलों (संबंधपरक, पदानुक्रमित, ऑब्जेक्ट और दस्तावेज़ सहित) के अनुसार सिंक्रनाइज़ डेटा दृश्यों का समर्थन करें; डेटा स्रोतों और व्यक्तिगत अनुप्रयोगों की एक विस्तृत श्रृंखला को एकीकृत करने के लिए एक मंच के रूप में कार्य करना; संरचित और असंरचित डेटा पर उन्नत वास्तविक समय विश्लेषण प्रदान करें। इंटरसिस्टम्स आईआरआईएस बाहरी विश्लेषणात्मक उपकरणों का उपयोग करने के लिए तंत्र भी प्रदान करता है और क्लाउड और स्थानीय सर्वर पर होस्टिंग के लचीले संयोजन की अनुमति देता है।

इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म पर निर्मित एप्लिकेशन विभिन्न प्रकार के उद्योगों में तैनात किए जाते हैं, जिससे कंपनियों को रणनीतिक और परिचालन परिप्रेक्ष्य से महत्वपूर्ण आर्थिक लाभ प्राप्त करने में मदद मिलती है, सूचित निर्णय लेने में वृद्धि होती है और घटना, विश्लेषण और कार्रवाई के बीच अंतराल को कम किया जाता है।

वास्तविक समय एआई/एमएल के संदर्भ में चित्र 10 इंटरसिस्टम्स आईआरआईएस आर्किटेक्चर

पिछले आरेख की तरह, नीचे दिया गया आरेख प्लेटफ़ॉर्म के कार्यशील तत्वों के बीच सूचना के प्रवाह के आरेख के साथ नई "समन्वय प्रणाली" (सीडी/सीआई/सीटी) को जोड़ता है। विज़ुअलाइज़ेशन मैक्रोमैकेनिज्म सीडी से शुरू होता है और मैक्रोमैकेनिज्म सीआई और सीटी के साथ जारी रहता है।

चित्र 11 इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म के एआई/एमएल तत्वों के बीच सूचना प्रवाह का आरेख

इंटरसिस्टम्स आईआरआईएस में सीडी तंत्र का सार: प्लेटफ़ॉर्म उपयोगकर्ता (एआई/एमएल समाधान के डेवलपर्स) एआई/एमएल तंत्र के लिए एक विशेष कोड संपादक का उपयोग करके मौजूदा और/या नए एआई/एमएल विकास को अनुकूलित करते हैं: ज्यूपिटर (पूरा नाम: ज्यूपिटर नोटबुक; संक्षिप्तता के लिए, इस संपादक में बनाए गए दस्तावेज़ों को कभी-कभी भी कहा जाता है)। ज्यूपिटर में, एक डेवलपर के पास इंटरसिस्टम्स आईआरआईएस में रखे जाने ("तैनात") से पहले एक विशिष्ट एआई/एमएल विकास के प्रदर्शन को लिखने, डिबग करने और सत्यापित करने (ग्राफिक्स का उपयोग करने सहित) का अवसर होता है। यह स्पष्ट है कि इस तरह से बनाए गए एक नए विकास को केवल बुनियादी डिबगिंग प्राप्त होगी (चूंकि, विशेष रूप से, ज्यूपिटर वास्तविक समय डेटा स्ट्रीम के साथ काम नहीं करता है) - यह चीजों के क्रम में है, क्योंकि ज्यूपिटर में विकास का मुख्य परिणाम एक अलग एआई/एमएल तंत्र की मौलिक संचालन क्षमता की पुष्टि है ("डेटा नमूने पर अपेक्षित परिणाम दिखाता है")। इसी प्रकार, ज्यूपिटर में डिबगिंग से पहले प्लेटफ़ॉर्म में पहले से ही रखे गए एक तंत्र (निम्न मैक्रो-मैकेनिज्म देखें) को "प्री-प्लेटफ़ॉर्म" फॉर्म में "रोलबैक" की आवश्यकता हो सकती है (फ़ाइलों से डेटा पढ़ना, तालिकाओं के बजाय xDBC के माध्यम से डेटा के साथ काम करना, ग्लोबल्स के साथ सीधा संपर्क - बहुआयामी डेटा सरणियाँ इंटरसिस्टम्स आईआरआईएस - आदि)।

इंटरसिस्टम्स आईआरआईएस में सीडी कार्यान्वयन का एक महत्वपूर्ण पहलू: प्लेटफ़ॉर्म और ज्यूपिटर के बीच द्विदिश एकीकरण लागू किया गया है, जिससे पायथन, आर और जूलिया में सामग्री को प्लेटफ़ॉर्म पर स्थानांतरित किया जा सकता है (और, बाद में, प्लेटफ़ॉर्म में संसाधित किया जा सकता है) (तीनों प्रोग्रामिंग हैं) संबंधित प्रमुख ओपन-सोर्स भाषाओं में भाषाएँ)। स्रोत गणितीय मॉडलिंग वातावरण)। इस प्रकार, एआई/एमएल सामग्री डेवलपर्स के पास प्लेटफ़ॉर्म में इस सामग्री की "निरंतर तैनाती" करने का अवसर है, वे अपने परिचित ज्यूपिटर संपादक में काम कर रहे हैं, पायथन, आर, जूलिया में उपलब्ध परिचित पुस्तकालयों के साथ, और बुनियादी डिबगिंग (यदि आवश्यक हो) कर रहे हैं। मंच के बाहर.

आइए इंटरसिस्टम्स आईआरआईएस में सीआई मैक्रो तंत्र पर आगे बढ़ें। आरेख "वास्तविक समय रोबोटाइज़र" (गणितीय भाषाओं और ऑब्जेक्टस्क्रिप्ट - इंटरसिस्टम्स आईआरआईएस की मूल विकास भाषा) में उनके द्वारा व्यवस्थित डेटा संरचनाओं, व्यावसायिक प्रक्रियाओं और कोड टुकड़ों का एक जटिल प्रक्रिया दिखाता है। इस मैक्रो प्रक्रिया का कार्य एआई/एमएल तंत्र के संचालन के लिए आवश्यक डेटा कतारों को बनाए रखना है (वास्तविक समय में प्लेटफ़ॉर्म पर प्रसारित डेटा स्ट्रीम के आधार पर), एप्लिकेशन के अनुक्रम और एआई/के "वर्गीकरण" के बारे में निर्णय लेना है। एमएल तंत्र (वे "गणितीय एल्गोरिदम", "मॉडल" आदि भी हैं - कार्यान्वयन और शब्दावली प्राथमिकताओं की विशिष्टताओं के आधार पर अलग-अलग कहा जा सकता है), एआई के काम के परिणामों का विश्लेषण करने के लिए डेटा संरचनाओं को अद्यतित रखें/ एमएल तंत्र (क्यूब्स, टेबल, बहुआयामी डेटा सरणी, आदि) आदि - रिपोर्ट, डैशबोर्ड आदि के लिए)।

इंटरसिस्टम्स आईआरआईएस में सीआई कार्यान्वयन का एक महत्वपूर्ण पहलू: प्लेटफ़ॉर्म और गणितीय मॉडलिंग वातावरण के बीच द्विदिश एकीकरण लागू किया गया है, जिससे आप अपने संबंधित वातावरण में पायथन, आर और जूलिया में प्लेटफ़ॉर्म में होस्ट की गई सामग्री को निष्पादित कर सकते हैं और निष्पादन परिणाम वापस प्राप्त कर सकते हैं। यह एकीकरण "टर्मिनल मोड" (यानी, एआई/एमएल सामग्री को ऑब्जेक्टस्क्रिप्ट कोड के रूप में तैयार किया जाता है जो पर्यावरण को कॉल करता है) और "बिजनेस प्रोसेस मोड" (यानी, एआई/एमएल सामग्री को एक व्यावसायिक प्रक्रिया के रूप में तैयार किया जाता है) दोनों में लागू किया जाता है। ग्राफ़िकल संपादक का उपयोग करना, या कभी-कभी ज्यूपिटर का उपयोग करना, या आईडीई - आईआरआईएस स्टूडियो, एक्लिप्स, विज़ुअल स्टूडियो कोड का उपयोग करना)। ज्यूपिटर में संपादन के लिए व्यावसायिक प्रक्रियाओं की उपलब्धता सीआई स्तर पर आईआरआईएस और सीडी स्तर पर ज्यूपिटर के बीच कनेक्शन के माध्यम से परिलक्षित होती है। गणितीय मॉडलिंग वातावरण के साथ एकीकरण का अधिक विस्तृत अवलोकन नीचे दिया गया है। इस स्तर पर, हमारी राय में, यह सुनिश्चित करने का हर कारण है कि प्लेटफ़ॉर्म में वास्तविक समय एआई/एमएल समाधानों में एआई/एमएल विकास ("निरंतर तैनाती" से आने वाले) के "निरंतर एकीकरण" को लागू करने के लिए सभी आवश्यक उपकरण हैं।

और मुख्य मैक्रो तंत्र: सीटी. इसके बिना, कोई एआई/एमएल प्लेटफॉर्म नहीं होगा (हालांकि "वास्तविक समय" सीडी/सीआई के माध्यम से लागू किया जाएगा)। सीटी का सार गणितीय मॉडलिंग वातावरण के कामकाजी सत्रों में सीधे मशीन लर्निंग और कृत्रिम बुद्धिमत्ता की "कलाकृतियों" के साथ मंच का काम है: मॉडल, वितरण तालिकाएं, मैट्रिक्स वैक्टर, तंत्रिका नेटवर्क की परतें, आदि। यह "कार्य", ज्यादातर मामलों में, वातावरण में उल्लिखित कलाकृतियों का निर्माण करना शामिल है (उदाहरण के लिए, मॉडल के मामले में, "निर्माण" में मॉडल के विनिर्देश निर्धारित करना और उसके मापदंडों के मूल्यों का बाद में चयन करना शामिल है - मॉडल का तथाकथित "प्रशिक्षण"), उनका अनुप्रयोग (मॉडल के लिए: लक्ष्य चर के "मॉडल" मूल्यों की सहायता से गणना - पूर्वानुमान, श्रेणी सदस्यता, किसी घटना की संभावना, आदि) और पहले से ही सुधार कलाकृतियाँ बनाई और लागू की गईं (उदाहरण के लिए, अनुप्रयोग के परिणामों के आधार पर मॉडल इनपुट चर के एक सेट को फिर से परिभाषित करना - एक विकल्प के रूप में पूर्वानुमान सटीकता में सुधार करने के लिए)। सीटी की भूमिका को समझने में मुख्य बिंदु सीडी और सीआई की वास्तविकताओं से इसका "अमूर्तीकरण" है: सीटी विशिष्ट वातावरण द्वारा प्रदान की गई क्षमताओं के भीतर एआई/एमएल समाधान की कम्प्यूटेशनल और गणितीय विशिष्टताओं पर ध्यान केंद्रित करते हुए सभी कलाकृतियों को लागू करेगा। "इनपुट प्रदान करने" और "आउटपुट देने" की जिम्मेदारी सीडी और सीआई की होगी।

विशेष रूप से इंटरसिस्टम्स आईआरआईएस में सीटी के कार्यान्वयन का एक महत्वपूर्ण पहलू: पहले से ही ऊपर उल्लिखित गणितीय मॉडलिंग वातावरण के साथ एकीकरण का उपयोग करके, प्लेटफ़ॉर्म में गणितीय वातावरण में इसके नियंत्रण में चल रहे कार्य सत्रों से उन्हीं कलाकृतियों को निकालने की क्षमता है और (सबसे महत्वपूर्ण) बारी उन्हें प्लेटफ़ॉर्म डेटा ऑब्जेक्ट में। उदाहरण के लिए, एक वितरण तालिका जो अभी-अभी एक कार्यशील पायथन सत्र में बनाई गई है, उसे (पायथन सत्र को रोके बिना) एक वैश्विक (एक बहुआयामी इंटरसिस्टम आईआरआईएस डेटा सरणी) के रूप में प्लेटफ़ॉर्म पर स्थानांतरित किया जा सकता है - और उपयोग किया जा सकता है किसी अन्य एआई/एमएल- तंत्र में गणना के लिए (किसी अन्य वातावरण की भाषा में लागू - उदाहरण के लिए, आर में) - या एक आभासी तालिका। एक अन्य उदाहरण: मॉडल के संचालन के "सामान्य मोड" (पायथन कार्य सत्र में) के समानांतर, इसके इनपुट डेटा पर "ऑटो-एमएल" किया जाता है: इष्टतम इनपुट चर और पैरामीटर मानों का स्वचालित चयन। और "नियमित" प्रशिक्षण के साथ, वास्तविक समय में एक उत्पादक मॉडल को अपने विनिर्देश के "अनुकूलन के लिए प्रस्ताव" भी प्राप्त होता है - जिसमें इनपुट चर का सेट बदलता है, पैरामीटर मान बदलते हैं (अब प्रशिक्षण के परिणामस्वरूप नहीं) पायथन में, लेकिन स्वयं के "वैकल्पिक" संस्करण के साथ प्रशिक्षण के परिणामस्वरूप, जैसे कि एच2ओ स्टैक), समग्र एआई/एमएल समाधान को इनपुट डेटा और मॉडलिंग की जा रही घटनाओं की प्रकृति में अप्रत्याशित परिवर्तनों से स्वायत्त रूप से निपटने की अनुमति देता है। .

आइए वास्तविक जीवन के प्रोटोटाइप के उदाहरण का उपयोग करके, इंटरसिस्टम्स आईआरआईएस के प्लेटफ़ॉर्म एआई/एमएल कार्यक्षमता के बारे में अधिक विस्तार से परिचित हों।

नीचे दिए गए चित्र में, स्लाइड के बाईं ओर व्यवसाय प्रक्रिया का एक हिस्सा है जो पायथन और आर में स्क्रिप्ट के निष्पादन को लागू करता है। मध्य भाग में क्रमशः इनमें से कुछ स्क्रिप्ट के निष्पादन के दृश्य लॉग हैं, पायथन और आर में। उनके ठीक पीछे एक और दूसरी भाषा पर सामग्री के उदाहरण हैं, जिन्हें उपयुक्त वातावरण में निष्पादन के लिए स्थानांतरित किया गया है। अंत में दाईं ओर स्क्रिप्ट निष्पादन के परिणामों पर आधारित विज़ुअलाइज़ेशन हैं। शीर्ष पर विज़ुअलाइज़ेशन आईआरआईएस एनालिटिक्स पर बनाए गए थे (डेटा को पायथन से इंटरसिस्टम्स आईआरआईएस डेटा प्लेटफ़ॉर्म में लिया गया था और प्लेटफ़ॉर्म का उपयोग करके डैशबोर्ड पर प्रदर्शित किया गया था), नीचे सीधे आर कार्य सत्र में बनाया गया था और वहां से ग्राफिक फ़ाइलों में आउटपुट किया गया था . एक महत्वपूर्ण पहलू: प्रोटोटाइप में प्रस्तुत टुकड़ा मॉडल के अनुप्रयोग के दौरान देखी गई वर्गीकरण गुणवत्ता मॉनिटर प्रक्रिया से आदेश पर, उपकरण सिम्युलेटर प्रक्रिया से वास्तविक समय में प्राप्त डेटा पर मॉडल (उपकरण राज्यों का वर्गीकरण) को प्रशिक्षित करने के लिए जिम्मेदार है। इंटरैक्टिंग प्रक्रियाओं ("एजेंट") के एक सेट के रूप में एआई/एमएल समाधान के कार्यान्वयन पर आगे चर्चा की जाएगी।

चित्र 12 इंटरसिस्टम्स आईआरआईएस में पायथन, आर और जूलिया के साथ इंटरेक्शन

प्लेटफ़ॉर्म प्रक्रियाएं (वे "व्यावसायिक प्रक्रियाएं", "विश्लेषणात्मक प्रक्रियाएं", "पाइपलाइन" आदि भी हैं - संदर्भ के आधार पर), सबसे पहले, प्लेटफ़ॉर्म में ही ग्राफिकल बिजनेस प्रोसेस एडिटर में संपादित की जाती हैं, और ऐसे में इस तरह कि इसके ब्लॉक आरेख और संबंधित एआई/एमएल तंत्र (प्रोग्राम कोड) दोनों एक साथ बनाए जाते हैं। जब हम कहते हैं कि "एक एआई/एमएल तंत्र प्राप्त होता है," तो हमारा शुरू में मतलब संकरता (एक प्रक्रिया के भीतर) से होता है: गणितीय मॉडलिंग वातावरण की भाषाओं में सामग्री एसक्यूएल में सामग्री के निकट होती है (इसमें एक्सटेंशन भी शामिल हैं) इंटीग्रेटेडएमएल), इंटरसिस्टम्स ऑब्जेक्टस्क्रिप्ट में, अन्य समर्थित भाषाओं के साथ। इसके अलावा, प्लेटफ़ॉर्म प्रक्रिया पदानुक्रमित रूप से नेस्टेड टुकड़ों के रूप में "प्रतिपादन" के लिए बहुत व्यापक अवसर प्रदान करती है (जैसा कि नीचे दिए गए चित्र में उदाहरण में देखा जा सकता है), जो आपको कभी भी "गिरे हुए" बिना बहुत जटिल सामग्री को प्रभावी ढंग से व्यवस्थित करने की अनुमति देता है। ग्राफ़िकल प्रारूप का ("गैर-ग्राफ़िकल" प्रारूपों में)। »तरीके/वर्ग/प्रक्रियाएँ, आदि)। यानी, यदि आवश्यक हो (और यह अधिकांश परियोजनाओं में अपेक्षित है), तो संपूर्ण एआई/एमएल समाधान को ग्राफिकल स्व-दस्तावेजीकरण प्रारूप में लागू किया जा सकता है। कृपया ध्यान दें कि नीचे दिए गए चित्र के मध्य भाग में, जो उच्च "नेस्टिंग के स्तर" का प्रतिनिधित्व करता है, यह स्पष्ट है कि मॉडल को प्रशिक्षित करने के वास्तविक कार्य (पायथन और आर का उपयोग करके) के अलावा, तथाकथित का विश्लेषण प्रशिक्षित मॉडल का आरओसी वक्र जोड़ा जाता है, जिससे दृश्य रूप से (और कम्प्यूटेशनल रूप से भी) प्रशिक्षण की गुणवत्ता का मूल्यांकन किया जा सकता है - और यह विश्लेषण जूलिया भाषा में लागू किया जाता है (तदनुसार, जूलिया गणितीय वातावरण में निष्पादित)।

चित्र 13 इंटरसिस्टम्स आईआरआईएस में एआई/एमएल समाधानों की संरचना के लिए दृश्य वातावरण

जैसा कि पहले उल्लेख किया गया है, प्लेटफ़ॉर्म में पहले से लागू एआई/एमएल तंत्र का प्रारंभिक विकास और (कुछ मामलों में) अनुकूलन ज्यूपिटर संपादक में प्लेटफ़ॉर्म के बाहर किया जाएगा/किया जा सकता है। नीचे दिए गए चित्र में हम मौजूदा प्लेटफ़ॉर्म प्रक्रिया को अनुकूलित करने का एक उदाहरण देखते हैं (उपरोक्त चित्र के समान) - मॉडल को प्रशिक्षित करने के लिए जिम्मेदार टुकड़ा जुपिटर में इस तरह दिखता है। पायथन सामग्री सीधे ज्यूपिटर में संपादन, डिबगिंग और ग्राफिक्स आउटपुट के लिए उपलब्ध है। परिवर्तन (यदि आवश्यक हो) प्लेटफ़ॉर्म प्रक्रिया में तत्काल सिंक्रनाइज़ेशन के साथ किया जा सकता है, जिसमें इसका उत्पादक संस्करण भी शामिल है। नई सामग्री को इसी तरह से प्लेटफ़ॉर्म पर स्थानांतरित किया जा सकता है (एक नई प्लेटफ़ॉर्म प्रक्रिया स्वचालित रूप से उत्पन्न होती है)।

चित्र 14 इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म में एआई/एमएल इंजन को संपादित करने के लिए ज्यूपिटर नोटबुक का उपयोग करना

प्लेटफ़ॉर्म प्रक्रिया का अनुकूलन न केवल ग्राफिकल या लैपटॉप प्रारूप में किया जा सकता है - बल्कि "कुल" आईडीई (एकीकृत विकास पर्यावरण) प्रारूप में भी किया जा सकता है। ये आईडीई आईआरआईएस स्टूडियो (मूल आईआरआईएस स्टूडियो), विजुअल स्टूडियो कोड (वीएसकोड के लिए इंटरसिस्टम्स आईआरआईएस एक्सटेंशन) और एक्लिप्स (एटेलियर प्लगइन) हैं। कुछ मामलों में, एक विकास टीम के लिए सभी तीन आईडीई का एक साथ उपयोग करना संभव है। नीचे दिया गया चित्र आईआरआईएस स्टूडियो, विज़ुअल स्टूडियो कोड और एक्लिप्स में समान प्रक्रिया को संपादित करने का एक उदाहरण दिखाता है। संपूर्ण सामग्री संपादन के लिए उपलब्ध है: पायथन/आर/जूलिया/एसक्यूएल, ऑब्जेक्टस्क्रिप्ट, और व्यावसायिक प्रक्रिया।

चित्र 15 विभिन्न आईडीई में इंटरसिस्टम्स आईआरआईएस व्यवसाय प्रक्रिया का विकास

बिजनेस प्रोसेस लैंग्वेज (बीपीएल) में इंटरसिस्टम्स आईआरआईएस बिजनेस प्रक्रियाओं का वर्णन और निष्पादन करने के लिए उपकरण विशेष उल्लेख के पात्र हैं। बीपीएल व्यावसायिक प्रक्रियाओं में "तैयार एकीकरण घटकों" (गतिविधियों) का उपयोग करना संभव बनाता है - जो वास्तव में, यह कहने का हर कारण देता है कि इंटरसिस्टम्स आईआरआईएस में "निरंतर एकीकरण" लागू किया गया है। रेडी-मेड व्यवसाय प्रक्रिया घटक (उनके बीच की गतिविधियाँ और कनेक्शन) एआई/एमएल समाधान को असेंबल करने के लिए एक शक्तिशाली त्वरक हैं। और न केवल असेंबली: असमान एआई/एमएल विकास और तंत्र पर उनके बीच की गतिविधियों और कनेक्शन के लिए धन्यवाद, एक "स्वायत्त प्रबंधन परत" उत्पन्न होती है, जो वास्तविक समय में स्थिति के अनुसार निर्णय लेने में सक्षम होती है।

चित्र 16 इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म पर निरंतर एकीकरण (सीआई) के लिए तैयार व्यवसाय प्रक्रिया घटक

एजेंट सिस्टम की अवधारणा (जिसे "मल्टी-एजेंट सिस्टम" के रूप में भी जाना जाता है) की रोबोटीकरण में एक मजबूत स्थिति है, और इंटरसिस्टम्स आईआरआईएस प्लेटफ़ॉर्म "उत्पाद-प्रक्रिया" निर्माण के माध्यम से इसे व्यवस्थित रूप से समर्थन देता है। समग्र समाधान के लिए आवश्यक कार्यक्षमता के साथ प्रत्येक प्रक्रिया को "भरने" की असीमित संभावनाओं के अलावा, प्लेटफ़ॉर्म प्रक्रियाओं की प्रणाली को "एजेंसी" की संपत्ति प्रदान करने से आप बेहद अस्थिर सिम्युलेटेड घटनाओं (सामाजिक / व्यवहार) के लिए प्रभावी समाधान बनाने की अनुमति देते हैं। बायोसिस्टम्स, आंशिक रूप से देखने योग्य तकनीकी प्रक्रियाएं, आदि)।

चित्र 16 इंटरसिस्टम्स आईआरआईएस में एजेंट-आधारित व्यवसाय प्रक्रिया प्रणाली के रूप में एआई/एमएल समाधान का संचालन

हम वास्तविक समय की समस्याओं की संपूर्ण कक्षाओं को हल करने के लिए प्लेटफ़ॉर्म के व्यावहारिक उपयोग के बारे में एक कहानी के साथ इंटरसिस्टम्स आईआरआईएस की अपनी समीक्षा जारी रखते हैं (इंटरसिस्टम्स आईआरआईएस पर प्लेटफ़ॉर्म एआई/एमएल की कुछ सर्वोत्तम प्रथाओं का काफी विस्तृत परिचय एक में पाया जा सकता है) हमारे पिछले का वेबिनार).

पिछले आरेख के बाद, नीचे एजेंट प्रणाली का अधिक विस्तृत आरेख है। आरेख एक ही प्रोटोटाइप दिखाता है, सभी चार एजेंट प्रक्रियाएं दिखाई देती हैं, उनके बीच संबंध योजनाबद्ध रूप से खींचे जाते हैं: जेनरेटर - उपकरण सेंसर द्वारा डेटा के निर्माण की प्रक्रिया करता है, बफर - डेटा कतारों का प्रबंधन करता है, विश्लेषक - मशीन लर्निंग स्वयं करता है, मॉनिटर - मॉनिटर करता है मशीन लर्निंग की गुणवत्ता और मॉडल को फिर से प्रशिक्षित करने की आवश्यकता के बारे में एक संकेत प्रस्तुत करती है।

चित्र 17 इंटरसिस्टम्स आईआरआईएस में एजेंट-आधारित व्यवसाय प्रक्रिया प्रणाली के रूप में एआई/एमएल समाधान की संरचना

नीचे दिया गया चित्र कुछ समय के लिए एक अन्य रोबोटिक प्रोटोटाइप (पाठ के भावनात्मक रंग की पहचान) की स्वायत्त कार्यप्रणाली को दर्शाता है। ऊपरी हिस्से में मॉडल प्रशिक्षण के गुणवत्ता संकेतक का विकास (गुणवत्ता बढ़ रही है) है, निचले हिस्से में मॉडल अनुप्रयोग के गुणवत्ता संकेतक की गतिशीलता और बार-बार प्रशिक्षण (लाल धारियां) के तथ्य हैं। जैसा कि आप देख सकते हैं, समाधान ने खुद को कुशलतापूर्वक और स्वायत्त रूप से सीखा है, और एक दिए गए गुणवत्ता स्तर पर काम करता है (गुणवत्ता स्कोर मान 80% से नीचे नहीं आते हैं)।

चित्र 18 इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म पर सतत (स्वयं) प्रशिक्षण (सीटी)

हमने पहले "ऑटो-एमएल" का भी उल्लेख किया था, लेकिन नीचे दिया गया चित्र एक अन्य प्रोटोटाइप के उदाहरण का उपयोग करके इस कार्यक्षमता के उपयोग को विस्तार से दिखाता है। व्यावसायिक प्रक्रिया के एक टुकड़े का ग्राफिकल आरेख उस गतिविधि को दर्शाता है जो H2O स्टैक में मॉडलिंग को ट्रिगर करता है, इस मॉडलिंग के परिणाम दिखाता है ("मानव निर्मित" मॉडल पर परिणामी मॉडल का स्पष्ट प्रभुत्व, तुलनात्मक आरेख के अनुसार) आरओसी वक्र, साथ ही मूल डेटा सेट में उपलब्ध "सबसे प्रभावशाली चर" की स्वचालित पहचान)। यहां एक महत्वपूर्ण बिंदु समय और विशेषज्ञ संसाधनों की बचत है जो "ऑटो-एमएल" के माध्यम से हासिल की जाती है: हमारी प्लेटफ़ॉर्म प्रक्रिया आधे मिनट में जो करती है (इष्टतम मॉडल को ढूंढना और प्रशिक्षित करना) एक विशेषज्ञ को एक सप्ताह से एक महीने तक का समय लग सकता है।

चित्र 19 इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म पर एआई/एमएल समाधान में "ऑटो-एमएल" का एकीकरण

नीचे दिया गया चित्र बिंदु को थोड़ा याद करता है, लेकिन यह वास्तविक समय की समस्याओं को हल करने की कक्षाओं के बारे में कहानी को समाप्त करने का एक अच्छा तरीका है: हम आपको याद दिलाते हैं कि इंटरसिस्टम्स आईआरआईएस प्लेटफ़ॉर्म की सभी क्षमताओं के साथ, इसके नियंत्रण में प्रशिक्षण मॉडल हैं अनिवार्य नहीं। प्लेटफ़ॉर्म बाहर से मॉडल के तथाकथित पीएमएमएल विनिर्देश प्राप्त कर सकता है, जो प्लेटफ़ॉर्म के नियंत्रण में नहीं होने वाले टूल में प्रशिक्षित है - और इस मॉडल को आयात होने के क्षण से वास्तविक समय में लागू कर सकता है। पीएमएमएल विनिर्देश. यह ध्यान रखना महत्वपूर्ण है कि सभी एआई/एमएल कलाकृतियों को पीएमएमएल विनिर्देश में कम नहीं किया जा सकता है, भले ही अधिकांश सामान्य कलाकृतियां इसकी अनुमति देती हों। इस प्रकार, इंटरसिस्टम्स आईआरआईएस प्लेटफ़ॉर्म "ओपन लूप" है और इसका मतलब उपयोगकर्ताओं के लिए "प्लेटफ़ॉर्म गुलामी" नहीं है।

चित्र 20 इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म पर एआई/एमएल समाधान में "ऑटो-एमएल" का एकीकरण

आइए हम इंटरसिस्टम्स आईआरआईएस (स्पष्टता के लिए, प्रक्रिया नियंत्रण के संबंध में) के अतिरिक्त प्लेटफ़ॉर्म लाभों को सूचीबद्ध करें, जो कृत्रिम बुद्धिमत्ता और वास्तविक समय मशीन लर्निंग के स्वचालन में बहुत महत्वपूर्ण हैं:

• किसी भी डेटा स्रोत और उपभोक्ताओं (प्रक्रिया नियंत्रण प्रणाली/स्काडा, उपकरण, एमआरओ, ईआरपी, आदि) के साथ एकीकरण उपकरण विकसित किए गए।
• में निर्मित मल्टी-मॉडल डीबीएमएस तकनीकी प्रक्रिया डेटा की किसी भी मात्रा के उच्च-प्रदर्शन लेनदेन और विश्लेषणात्मक प्रसंस्करण (हाइब्रिड लेनदेन/विश्लेषणात्मक प्रसंस्करण, HTAP) के लिए
• पायथन, आर, जूलिया पर आधारित वास्तविक समय समाधानों के लिए एआई/एमएल इंजनों की निरंतर तैनाती के लिए विकास उपकरण
• वास्तविक समय एआई/एमएल समाधान इंजनों के निरंतर एकीकरण और (स्वयं) सीखने के लिए अनुकूली व्यावसायिक प्रक्रियाएं
• प्रक्रिया डेटा और एआई/एमएल समाधान के परिणामों को देखने के लिए अंतर्निहित बिजनेस इंटेलिजेंस उपकरण
• एपीआई प्रबंधन प्रक्रिया नियंत्रण प्रणालियों/एससीएडीए, सूचना और विश्लेषणात्मक प्रणालियों, अलर्ट भेजने आदि के लिए एआई/एमएल समाधान के परिणाम देने के लिए।

इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म पर एआई/एमएल समाधान मौजूदा आईटी बुनियादी ढांचे में आसानी से फिट हो जाते हैं। इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म गलती-सहिष्णु और आपदा-सहिष्णु कॉन्फ़िगरेशन और वर्चुअल वातावरण में, भौतिक सर्वर पर, निजी और सार्वजनिक क्लाउड और डॉकर कंटेनरों में लचीली तैनाती का समर्थन करके एआई/एमएल समाधानों की उच्च विश्वसनीयता सुनिश्चित करता है।

इस प्रकार, इंटरसिस्टम्स आईआरआईएस एक सार्वभौमिक वास्तविक समय एआई/एमएल कंप्यूटिंग प्लेटफॉर्म है। व्यवहार में हमारे प्लेटफ़ॉर्म की सार्वभौमिकता की पुष्टि कार्यान्वित गणनाओं की जटिलता पर वास्तविक प्रतिबंधों की अनुपस्थिति, विभिन्न प्रकार के उद्योगों से परिदृश्यों के प्रसंस्करण (वास्तविक समय में) को संयोजित करने की इंटरसिस्टम्स आईआरआईएस की क्षमता और असाधारण अनुकूलन क्षमता से होती है। उपयोगकर्ताओं की विशिष्ट आवश्यकताओं के लिए कोई भी प्लेटफ़ॉर्म कार्य और तंत्र।

चित्र 21 इंटरसिस्टम्स आईआरआईएस - एक सार्वभौमिक वास्तविक समय एआई/एमएल कंप्यूटिंग प्लेटफॉर्म

हमारे उन पाठकों के साथ अधिक ठोस बातचीत के लिए जो यहां प्रस्तुत सामग्री में रुचि रखते हैं, हम अनुशंसा करते हैं कि आप खुद को इसे पढ़ने तक ही सीमित न रखें और संवाद "लाइव" जारी रखें। हमें आपकी कंपनी की विशिष्टताओं के संबंध में वास्तविक समय एआई/एमएल परिदृश्यों के निर्माण में सहायता प्रदान करने, इंटरसिस्टम्स आईआरआईएस प्लेटफॉर्म पर संयुक्त प्रोटोटाइप करने, कृत्रिम बुद्धिमत्ता और मशीन लर्निंग को पेश करने के लिए एक रोडमैप तैयार करने और व्यवहार में लागू करने में खुशी होगी। आपके उत्पादन और प्रबंधन प्रक्रियाओं में। हमारी एआई/एमएल विशेषज्ञ टीम संपर्क ईमेल - [ईमेल संरक्षित].

स्रोत: www.habr.com