InterSystems IRIS - универсалдуу реалдуу убакыттагы AI/ML платформасы

Автор: Сергей Лукьянчиков, InterSystems компаниясынын инженер-консалтинги

Реалдуу убакыттагы AI/ML эсептөө чалуулары

Келгиле, InterSystemsтеги Data Science тажрыйбасынан мисалдардан баштайлы:

• Жүктөлгөн сатып алуучу портал онлайн сунуштоо тутумуна туташтырылган. Чекене тармагы боюнча акцияларды реструктуризациялоо болот (мисалы, акциялардын “жалпак” сызыгынын ордуна эми “сегмент-тактика” матрицасы колдонулат). Сунушталган кыймылдаткычтарга эмне болот? Сунуштоо кыймылдаткычына маалыматтарды тапшыруу жана жаңыртуу эмне болот (киргизилген маалыматтардын көлөмү 25000 XNUMX эсеге көбөйдү)? Сунуштамаларды иштеп чыгуу эмне болот (алардын санынын жана “аралыгынын” миң эсеге көбөйүшүнө байланыштуу сунуштоо эрежелеринин чыпкалоо босогосун миң эсеге кыскартуу зарылчылыгы)?
• Жабдуулардын тетиктеринде кемчиликтердин пайда болуу ыктымалдуулугуна мониторинг жүргүзүү системасы бар. Мониторинг системасына технологиялык процессти башкаруунун автоматташтырылган системасы кошулду, ал ар бир секундада миңдеген технологиялык процесстин параметрлерин берип турат. Мурда "кол үлгүлөрүндө" иштеген мониторинг системасы эмне болот (ал экинчи секунданын ыктымалдык мониторингин камсыз кыла алабы)? Процессти башкаруу тутумуна жакында кошулган сенсорлордун окуулары менен киргизүү маалыматтарында бир нече жүз мамычанын жаңы блогу пайда болсо эмне болот (анализге жаңы сенсорлордон алынган маалыматтарды киргизүү үчүн мониторинг системасын токтотуу керекпи жана канча убакытка чейин керек болот? )?
• Бири-биринин ишинин натыйжаларын колдонгон AI/ML механизмдеринин комплекси (сунуштоо, мониторинг, болжолдоо) түзүлдү. Бул комплекстин иштөөсүн киргизүү маалыматтарынын өзгөрүшүнө ылайыкташтыруу үчүн ай сайын канча адам-саат талап кылынат? Башкаруу чечимдерин кабыл алуу комплекси тарабынан колдоого алынганда жалпы “басаңдоо” кандай болот (андагы жаңы көмөкчү маалыматтын пайда болуу жыштыгы жаңы киргизилген маалыматтардын пайда болуу жыштыгына карата)?

Ушул жана башка көптөгөн мисалдарды жалпылап, биз реалдуу убакыт режиминде машиналык үйрөнүүнү жана жасалма интеллект механизмдерин колдонууга өтүүдө пайда болгон кыйынчылыктарды түзүүгө келдик:

• Биздин компанияда AI/ML иштеп чыгууларын түзүү жана ыңгайлаштыруу ылдамдыгы (өзгөрүүчү кырдаалга) бизди канааттандырабы?
• Биз колдонгон AI/ML чечимдери реалдуу убакыт режиминде бизнести башкарууну канчалык деңгээлде колдойт?
• Биз колдонгон AI/ML чечимдери өз алдынча (иштеп чыгуучуларсыз) маалыматтардагы жана бизнести башкаруу практикасындагы өзгөрүүлөргө ыңгайлаша алабы?

Биздин макалада InterSystems IRIS платформасынын AI/ML механизмдерин жайылтууга универсалдуу колдоо, AI/ML чечимдерин чогултуу (интеграциялоо) жана AI/ML чечимдерин интенсивдүү түрдө окутуу (тестирлөө) жагынан кылдат карап чыгуу. маалымат агымдары. Бул макалада биз рыноктук изилдөөлөрдү, AI/ML чечимдеринин кейстерин жана реалдуу убакыттагы AI/ML платформасы деп атаган нерсенин концептуалдык аспектилерин карайбыз.

Сурамжылоолордон биз билебиз: реалдуу убакыт тиркемелери

натыйжалары сурамжылооLightbend тарабынан 800-жылы 2019гө жакын IT адистеринин арасында жүргүзүлгөн, өздөрү үчүн сүйлөйт:

1-сүрөт Реалдуу убакыттагы маалыматтардын алдыңкы керектөөчүлөрү

Бул сурамжылоонун жыйынтыгы боюнча баяндаманын маанилүү фрагменттерин котормобузда келтирели:

«... Маалымат агымдарын интеграциялоо жана ошол эле учурда контейнерлерде эсептөөнү колдоо куралдарынын популярдуулугунун тенденциялары рыноктун эффективдүү чечимдердин көбүрөөк жооп берүүчү, рационалдуу, динамикалык сунушуна болгон суроо-талабына синергетикалык жооп берет. Агымдуу берилиштер маалыматты кадимки пакеттик маалыматтарга караганда тезирээк өткөрөт. Буга кошумча, мисалы, AI/ML негизиндеги сунуштар сыяктуу эсептөө ыкмаларын тез колдонуу, кардарлардын канааттануусун жогорулатуу аркылуу атаандаштык артыкчылыктарды түзүү. Шамдагайлык үчүн жарыш DevOps парадигмасындагы бардык ролдорго да таасирин тийгизет - тиркемени иштеп чыгууну жана жайылтууну натыйжалуураак кылат. ... Сегиз жүз төрт IT адистери өз уюмдарында маалымат агымын колдонуу боюнча маалымат беришти. Респонденттердин басымдуу бөлүгү Батыш өлкөлөрүндө (Европада 41% жана Түндүк Америкада 37%) жана чакан, орто жана ири компаниялардын ортосунда дээрлик бирдей бөлүштүрүлгөн. ...

... Жасалма интеллект сейрек эмес. Өндүрүмдүүлүктүн AI/ML тиркемелеринде маалымат агымын иштетүүнү колдонгондордун 58 пайызы алардын AI/ML колдонуусу кийинки жылы эң чоң өсүшкө ээ болорун ырасташууда (башка тиркемелерге салыштырмалуу).

• Респонденттердин көпчүлүгүнүн айтымында, AI/ML сценарийлеринде маалымат агымдарын колдонуу кийинки жылы эң чоң өсүштү байкайт.
• AI/MLдеги тиркемелер сценарийлердин салыштырмалуу жаңы түрлөрүнөн гана эмес, ошондой эле реалдуу убакыттагы маалыматтар көбүрөөк колдонулган салттуу сценарийлердин эсебинен өсөт.
• AI/MLден тышкары, IoT маалымат түтүктөрүн колдонуучулардын шыктануу деңгээли таасирдүү - IoT маалыматтарын интеграциялагандардын 48% бул маалыматтар боюнча сценарийди ишке ашыруу жакынкы келечекте олуттуу өсүшкө күбө болот деп айтышат. ..."

Бул абдан кызыктуу сурамжылоодон көрүнүп тургандай, машинаны үйрөнүү жана жасалма интеллект сценарийлерин маалымат агымдарын керектөөдө лидер катары кабыл алуу азыртадан эле "жолдо". Бирок бирдей маанилүү байкоо - бул реалдуу убакыт режиминде AI/MLди DevOps объективи аркылуу кабыл алуу: бул жерде биз "толугу менен жеткиликтүү маалымат топтому менен бир жолу колдонулуучу AI / ML" дагы эле үстөмдүк кылуучу маданиятынын трансформациясы жөнүндө айта баштайбыз.

Реалдуу убакыттагы AI/ML платформа концепциясы

Реалдуу убакытта AI/ML үчүн типтүү колдонуу аймагы өндүрүштө процессти көзөмөлдөө болуп саналат. Анын мисалын колдонуп жана мурунку ойлорду эске алуу менен биз реалдуу убакыт режиминде AI/ML платформасынын концепциясын түзөбүз.
Процессти башкарууда жасалма интеллектти жана машинаны үйрөнүүнү колдонуу бир катар өзгөчөлүктөргө ээ:

• Технологиялык процесстин абалы жөнүндө маалыматтар интенсивдүү түрдө кабыл алынат: жогорку жыштык менен жана параметрлердин кеңири диапазону үчүн (процессти башкаруу тутумунан секундасына он миңдеген параметр маанилерине чейин)
• Кемчиликтерди аныктоо боюнча маалыматтар, алардын өнүгүшү жөнүндө маалыматтарды айтпаганда да, тескерисинче, жетишсиз жана туура эмес, кемчиликтерди жетишсиз типтештирүү жана аларды өз убагында локализациялоо менен мүнөздөлөт (көбүнчө кагаздагы жазуулар менен көрсөтүлөт).
• Практикалык көз караштан алганда, технологиялык процесстин динамикасын процесстин параметрлеринин акыркы окуу маанилери менен аяктаган акылга сыярлык жылма интервалда чагылдырган моделдерди окутуу жана колдонуу үчүн баштапкы маалыматтардын “акылдуулугунун терезеси” гана жеткиликтүү.

Бул өзгөчөлүктөр бизди технологиялык процесстен интенсивдүү "керек тилкелүү киргизүү сигналын" реалдуу убакыт режиминде кабыл алуудан жана негизги иштетүүдөн тышкары (параллельде) колдонууну, окутууну жана AI натыйжаларынын сапатын көзөмөлдөөнү талап кылат. ML моделдери - ошондой эле реалдуу убакытта. Биздин моделдер актуалдуулуктун жылма терезесинде "көргөн" "кадр" тынымсыз өзгөрүп турат - жана аны менен бирге, өткөн "кадрлардын" биринде үйрөтүлгөн AI/ML моделдеринин ишинин натыйжаларынын сапаты да өзгөрөт. . Эгерде AI/ML моделдеринин ишинин натыйжаларынын сапаты начарласа (мисалы: “сигнал-норма” классификациясынын катасынын мааниси биз аныктаган чектен чыгып кетсе), моделдерди кошумча окутуу автоматтык түрдө ишке киргизилиши керек. бир кыйла актуалдуу "кадр" - жана моделдерди кошумча окутууну баштоо үчүн учурду тандоодо окутуунун узактыгы кандайча жана моделдердин учурдагы версиясынын ишинин сапатынын начарлашынын динамикасын эске алуу керек. моделдердин учурдагы версиялары моделдер үйрөтүлгөндө жана алардын "жаңы үйрөтүлгөн" версиялары түзүлгөнгө чейин колдонула берет).

InterSystems IRIS реалдуу убакыт процессин башкаруу үчүн AI/ML чечимдерин иштетүү үчүн негизги платформа мүмкүнчүлүктөрүнө ээ. Бул мүмкүнчүлүктөрдү үч негизги топко бөлүүгө болот:

• InterSystems IRIS платформасында реалдуу убакыт режиминде иштеген жемиштүү чечимге жаңы же ылайыкташтырылган AI/ML механизмдерин үзгүлтүксүз жайылтуу (Үзгүлтүксүз жайылтуу/жеткирүү, CD)
• Кирүүчү технологиялык процесстердин маалымат агымдарынын бирдиктүү жемиштүү чечимине үзгүлтүксүз интеграциялоо (CI) реалдуу убакыт режиминде уюштурулган, AI/ML механизмдерин колдонуу/окутуу/ сапатын көзөмөлдөө жана маалымат/код/башкаруу иш-аракеттерин математикалык моделдөө чөйрөлөрү менен алмашуу. платформа InterSystems IRIS
• InterSystems IRIS платформасы аркылуу берилүүчү маалыматтарды, кодду жана башкаруу аракеттерин («кабыл алынган чечимдер») колдонуу менен математикалык моделдөө чөйрөлөрүндө аткарылган AI/ML механизмдерин үзгүлтүксүз (өз алдынча) окутуу (Үзгүлтүксүз окутуу, КТ)

Машина үйрөнүү жана жасалма интеллектке карата платформа мүмкүнчүлүктөрүн так ушул топторго классификациялоо кокусунан эмес. Методикалык жактан цитата келтирели жарыялоо Бул классификациянын концептуалдык негизин берген Google биздин котормодо:

«... Бүгүнкү күндө популярдуу болгон DevOps концепциясы масштабдуу маалымат системаларын иштеп чыгууну жана иштетүүнү камтыйт. Бул концепцияны ишке ашыруунун артыкчылыктары болуп иштеп чыгуу циклдеринин узактыгын кыскартуу, иштеп чыгууларды тезирээк жайылтуу жана чыгарууну пландаштырууда ийкемдүүлүк саналат. Бул артыкчылыктарга жетүү үчүн, DevOps кеминде эки тажрыйбаны ишке ашырууну камтыйт:

• Үзгүлтүксүз интеграция (CI)
• Үзгүлтүксүз жеткирүү (CD)

Бул тажрыйбалар AI/ML платформаларына да тиешелүү жемиштүү AI/ML чечимдеринин ишенимдүү жана натыйжалуу чогулушун камсыз кылуу үчүн.

AI/ML платформалары башка маалымат системаларынан төмөнкү аспектилери боюнча айырмаланат:

• Команданын компетенциялары: AI/ML чечимин түзүп жатканда, командага, адатта, маалыматтарды талдоо жүргүзгөн, моделдерди иштеп чыккан жана сынаган маалымат изилдөөчүлөрү же "академиялык" эксперттер кирет. Бул команда мүчөлөрү профессионалдуу жемиштүү кодду иштеп чыгуучулар болушу мүмкүн эмес.
• Өнүгүү: AI/ML кыймылдаткычтары эксперименталдык мүнөзгө ээ. Маселени эң эффективдүү жол менен чечүү үчүн киргизүү өзгөрмөлөрүнүн, алгоритмдердин, моделдөө ыкмаларынын жана моделдин параметрлеринин ар кандай комбинацияларынан өтүү керек. Мындай издөөнүн татаалдыгы "эмне иштеген/иштеген эмес" дегенди издөөдө, эпизоддордун кайталануусун камсыз кылууда, кайталап ишке ашыруу үчүн иштеп чыгууларды жалпылоодо.
• Сыноо: AI/ML кыймылдаткычтарын сыноо башка иштеп чыгууларга караганда кененирээк тесттерди талап кылат. Стандарттык бирдик жана интеграциялык тесттерден тышкары, маалыматтардын тууралыгы жана моделди окутуу жана контролдоо үлгүлөрүнө колдонуунун натыйжаларынын сапаты текшерилет.
• Жайгаштыруу: AI/ML чечимдерин жайылтуу бир жолу үйрөтүлгөн моделди колдонгон алдын ала айтуу кызматтары менен эле чектелбейт. AI/ML чечимдери автоматташтырылган моделди окутууну жана колдонууну жүзөгө ашырган көп баскычтуу түтүктөрдүн айланасында курулган. Мындай түтүктөрдү жайылтуу моделдерди үйрөтүп, сынай алуу үчүн маалымат таануучулар тарабынан салттуу түрдө кол менен аткарылуучу майда-чүйдө эмес иш-аракеттерди автоматташтырууну камтыйт.
• Өндүрүмдүүлүк: AI/ML кыймылдаткычтары натыйжасыз программалоодон улам гана эмес, ошондой эле киргизилген маалыматтардын тынымсыз өзгөрүп туруучу табиятынан улам өндүрүмдүүлүккө жетишпей калышы мүмкүн. Башка сөз менен айтканда, AI/ML механизмдеринин иштеши кадимки иштеп чыгууларга караганда бир топ себептерден улам начарлашы мүмкүн. Бул биздин AI/ML кыймылдаткычтарыбыздын иштешине мониторинг жүргүзүү (онлайн) зарылдыгына алып келет, ошондой эле көрсөткүчтөр күтүүлөргө жооп бербесе, эскертүүлөрдү жөнөтүү же натыйжаларды четке кагуу.

AI/ML платформалары башка маалымат тутумдарына окшош, анткени экөө тең версияны башкаруу, бирдикти тестирлөө, интеграциялык тестирлөө жана үзгүлтүксүз иштеп чыгуу менен үзгүлтүксүз код интеграциясын талап кылат. Бирок, AI / ML учурда, бир нече маанилүү айырмачылыктар бар:

• CI (Үзгүлтүксүз интеграция) орнотулган компоненттердин кодун сыноо жана текшерүү менен гана чектелбейт - ал ошондой эле маалыматтарды жана AI/ML моделдерин тестирлөө жана текшерүүнү камтыйт.
• CD (Үзгүлтүксүз жеткирүү/Жайгаштыруу, үзгүлтүксүз жайылтуу) пакеттерди же кызматтарды жазуу жана чыгаруу менен эле чектелбейт, бирок AI/ML чечимдерин түзүү, окутуу жана колдонуу үчүн платформаны билдирет.
• КТ (Үзгүлтүксүз окутуу, үзгүлтүксүз окутуу) жаңы элемент [болжол менен. макаланын автору: салттуу DevOps концепциясына карата жаңы элемент, мында КТ, эреже катары, Үзгүлтүксүз тестирлөө], AI/ML платформаларына мүнөздүү, AI окутуу жана колдонуу механизмдерин автономдуу башкаруу үчүн жооптуу /ML моделдери. ..."

Чыныгы убакыт режиминдеги маалыматтарда иштеген машинаны үйрөнүү жана жасалма интеллект инструменттердин жана компетенциялардын кеңири топтомун (кодду иштеп чыгуудан математикалык моделдөө чөйрөлөрүн уюштурууга чейин), бардык функционалдык жана предметтик чөйрөлөрдүн ортосундагы тыгыз интеграцияны, адамдын жана башка системалардын ишмердүүлүгүн натыйжалуу уюштурууну талап кылаарын айта алабыз. машина ресурстары.

Реалдуу убакыт сценарийи: тоют насосторундагы кемчиликтерди таануу

Процессти башкаруу аймагын мисал катары колдонууну улантуу менен, белгилүү бир көйгөйдү карап көрөлү (биз башында айткан): биз процесстин параметринин баалуулуктарынын агымынын негизинде насостордогу кемчиликтердин өнүгүшүнө реалдуу убакыт режиминде мониторинг жүргүзүүнү камсыз кылышыбыз керек. жана аныкталган мүчүлүштүктөр жөнүндө оңдоо кызматкерлеринин отчеттору.

2-сүрөт Кемчиликтердин өнүгүшүнө мониторинг жүргүзүү үчүн маселени түзүү

Практикада ушундай жол менен коюлган милдеттердин көбүнүн өзгөчөлүгү маалыматтарды алуунун үзгүлтүксүздүгүн жана эффективдүүлүгүн ар кандай типтеги кемчиликтердин эпизоддук жана иретсиз пайда болушунун (жана каттоонун) фонунда кароо керек. Башкача айтканда: процессти башкаруу системасынан маалыматтар секундасына бир жолу, туура жана так келип турат, кемчиликтер тууралуу жазуулар химиялык карандаш менен датасын көрсөтүү менен цехтин жалпы дептеринде жазылат (мисалы: «12.01 – мукабага агып кетүү) 3-подшипник тараптан»).

Ошентип, биз маселенин формулировкасын төмөнкүдөй маанилүү чектөө менен толуктай алабыз: бизде конкреттүү типтеги кемчиликтин бир гана “белгиси” бар (б.а., конкреттүү типтеги кемчиликтин мисалы процессти башкаруунун маалыматтары менен берилген) белгилүү бир датага система - жана бизде ушул типтеги кемчиликтин мисалдары жок). Бул чектөө дароо бизди классикалык машинаны үйрөнүүнүн (көзөмөлдөнгөн окутуу) чөйрөсүнөн чыгып кетет, ал үчүн "тегдер" көп болушу керек.

3-сүрөт Кемчиликтердин өнүгүшүнө мониторинг жүргүзүү милдетин тактоо

Колубуздагы жалгыз “тегди” кандайдыр бир жол менен “көбөйтө” алабызбы? Ооба, алабыз. Насостун учурдагы абалы катталган кемчиликтерге окшоштук даражасы менен мүнөздөлөт. Сандык ыкмаларды колдонбостон да, визуалдык кабылдоо деңгээлинде, процессти башкаруу тутумунан келген маалымат баалуулуктарынын динамикасына байкоо жүргүзүү менен, сиз көп нерсени биле аласыз:

4-сүрөт Берилген типтеги кемтиктин “белгисинин” фонунда насостун абалынын динамикасы

Бирок визуалдык кабылдоо (жок дегенде азыр) биздин тез өзгөрүп жаткан сценарийибизде "тегдердин" эң ылайыктуу генератору эмес. Учурдагы насостун абалынын билдирилген кемчиликтерге окшоштугун статистикалык тест аркылуу баалайбыз.

5-сүрөт Кирүүчү маалыматтарга "белги" кемтигинин фонунда статистикалык тестти колдонуу

Статистикалык тест процессти башкаруу тутумунан алынган "агым-пакеттеги" технологиялык процесстин параметрлеринин маанилери бар жазуулардын белгилүү бир түрдөгү кемтиктин "тегинин" жазууларына окшош болуу ыктымалдыгын аныктайт. Статистикалык тестти колдонуунун натыйжасында эсептелген ыктымалдуулуктун мааниси (статистикалык окшоштук индекси) окшоштук үчүн текшерилип жаткан пакеттеги ар бир конкреттүү жазууда машина үйрөнүү үчүн "белги" болуп, 0 же 1 маанисине айландырылат. Башкача айтканда, статистикалык тест менен насостун абалынын жазууларынын жаңы алынган пакетин иштеп чыккандан кийин, биз (а) бул пакетти AI/ML моделин окутуу үчүн окуу комплексине кошууга жана (б) сапатты көзөмөлдөөгө мүмкүнчүлүгүбүз бар. моделдин учурдагы версиясы аны ушул пакетке колдонууда.

Сүрөт 6 Кемчиликтин "белгисинин" фонунда кирүүчү маалыматтарга машина үйрөнүү моделин колдонуу

Биздин мурункулардын биринде вебинарлар Биз InterSystems IRIS платформасы моделдөө жыйынтыктарынын ишенимдүүлүгүн көзөмөлдөгөн жана моделдин параметрлерин ыңгайлаштырган бизнес-процесстерди үзгүлтүксүз аткаруу түрүндө кандай гана болбосун AI/ML механизмин ишке ашырууга мүмкүндүк берерин көрсөтүп жана түшүндүрүп беребиз. Насостар менен сценарийибиздин прототибин ишке ашырууда, биз вебинар учурунда сунушталган бардык InterSystems IRIS функционалдарын колдонобуз - анализатор процессинде биздин чечимибиздин бир бөлүгү катары классикалык көзөмөлдөнгөн окутуу эмес, тескерисинче, окутуу моделдерин тандоону автоматтык түрдө башкарган бекемдөөчү үйрөнүү. . Тренинг үлгүсүндө статистикалык тестти да, моделдин учурдагы версиясын да колдонгондон кийин "аныктоо консенсус" пайда болгон жазуулар камтылган - б.а., статистикалык тест да (окшоштук индексин 0 же 1ге өзгөрткөндөн кийин) да, модель да натыйжа берген мындай жазуулар боюнча 1. Модельди жаңыдан даярдоодо, аны валидациялоодо (жаңыдан даярдалган модель өзүнүн окутуу үлгүсүнө колдонулат, ага статистикалык тестти алдын ала колдонуу менен) кайра иштетилгенден кийин 1-натыйжаны “сакталбаган” жазуулар Статистикалык тесттин жардамы менен (окутууда кемчиликтердин түп нускасынан алынган жазуулардын үлгүсү дайыма болушуна байланыштуу) окуу топтомунан чыгарылат, ал эми моделдин жаңы версиясы «белгиден» үйрөнөт. кемчилик плюс агымдагы "сакталган" жазуулар.

7-сүрөт InterSystems IRISте AI/ML эсептөөлөрүн роботташтыруу

Эгерде InterSystems IRISте жергиликтүү эсептөөлөр учурунда алынган аныктоонун сапаты боюнча кандайдыр бир "экинчи корутундуга" муктаждык бар болсо, булут кызматтарын колдонуу менен башкаруу маалымат топтомунда моделдерди окутуу жана колдонуу үчүн кеңешчи процесси түзүлөт (мисалы, Microsoft Azure, Amazon Web Services, Google Cloud Platform ж.б.):

Сүрөт 8 InterSystems IRIS тарабынан уюштурулган Microsoft Azure экинчи пикири

InterSystems IRISдеги биздин сценарийибиздин прототиби жабдуу объекти (насос), математикалык моделдөө чөйрөлөрү (Python, R жана Julia) менен өз ара аракеттенүүчү жана бардык тартылган AI/ өз алдынча үйрөнүүнү камсыз кылган аналитикалык процесстердин агентке негизделген системасы катары иштелип чыккан. ML механизмдери - реалдуу убакыттагы маалымат агымдарында.

9-сүрөт InterSystems IRISте реалдуу убакыт режиминде AI/ML чечиминин негизги функционалдуулугу

Прототипибиздин практикалык натыйжасы:

• Үлгү кемчилиги модел тарабынан таанылган (12-январь):

• Үлгүгө кирбеген модель тарабынан таанылган өнүгүп келе жаткан кемчилик (11-сентябрда, кемчиликтин өзү оңдоочу топ тарабынан эки күндөн кийин, 13-сентябрда аныкталган):

Бир эле кемчиликтин бир нече эпизоддорун камтыган реалдуу маалыматтар боюнча симуляция InterSystems IRIS платформасында ишке ашырылган биздин чечимибиз оңдоо тобу тарабынан аныкталганга чейин бир нече күн мурун ушул типтеги кемчиликтердин өнүгүшүн аныктоого мүмкүндүк берерин көрсөттү.

InterSystems IRIS - универсалдуу реалдуу убакыттагы AI/ML эсептөө платформасы

InterSystems IRIS платформасы реалдуу убакыттагы маалымат чечимдерин иштеп чыгууну, жайылтууну жана иштетүүнү жөнөкөйлөтөт. InterSystems IRIS бир эле убакта транзакциялык жана аналитикалык маалыматтарды иштетүүгө жөндөмдүү; бир нече моделдерге (анын ичинде реляциялык, иерархиялык, объект жана документ) ылайык синхрондоштурулган маалымат көрүнүштөрүн колдоо; маалымат булактарынын жана жеке колдонмолордун кеңири спектрин интеграциялоо үчүн аянтча катары иш алып баруу; структураланган жана структураланбаган маалыматтар боюнча өнүккөн реалдуу убакыт аналитикасын камсыз кылуу. InterSystems IRIS ошондой эле тышкы аналитикалык куралдарды колдонуу механизмдерин камсыз кылат жана булуттагы жана локалдык серверлердеги хостингдин ийкемдүү айкалышына мүмкүндүк берет.

InterSystems IRIS платформасында курулган тиркемелер ар түрдүү тармактарда жайылтылат, бул компанияларга стратегиялык жана операциялык көз караштан олуттуу экономикалык пайда табууга жардам берип, негизделген чечимдерди кабыл алууну жогорулатууга жана окуя, талдоо жана иш-аракеттердин ортосундагы ажырымдарды жоюуга жардам берет.

10-сүрөт InterSystems IRIS архитектурасы реалдуу убакыт AI/ML контекстинде

Мурунку диаграмма сыяктуу эле, төмөндөгү диаграмма жаңы “координаттар системасын” (CD/CI/CT) платформанын жумушчу элементтеринин ортосундагы маалымат агымынын диаграммасы менен айкалыштырат. Визуализация макромеханизм CDден башталып, CI жана CT макромеханизмдери менен уланат.

11-сүрөт InterSystems IRIS платформасынын AI/ML элементтеринин ортосундагы маалымат агымынын диаграммасы

InterSystems IRISдеги CD механизминин маңызы: платформанын колдонуучулары (AI/ML чечимдерин иштеп чыгуучулар) AI/ML механизмдери үчүн адистештирилген код редакторунун жардамы менен бар болгон жана/же жаңы AI/ML иштелмелерин түзүшөт: Jupyter (толук аты: Jupyter Notebook; Кыскасы, бул редактордо түзүлгөн документтер да кээде деп аталат). Jupyterде иштеп чыгуучуга InterSystems IRISге жайгаштырылганга чейин («орноштурулган») чейин конкреттүү AI/ML иштеп чыгуусунун иштөөсүн (анын ичинде графиканы колдонуу менен) жазуу, оңдоо жана текшерүү мүмкүнчүлүгү бар. Ушундай жол менен түзүлгөн жаңы иштеп чыгуу негизги мүчүлүштүктөрдү гана алаары анык (анткени, атап айтканда, Юпитер реалдуу убакыттагы маалымат агымдары менен иштебейт) - бул нерселердин тартибинде, анткени Юпитерде өнүгүүнүн негизги натыйжасы өзүнчө AI / ML механизминин фундаменталдуу иштешин тастыктоо болуп саналат (“маалымат үлгүсүндө күтүлгөн натыйжаны көрсөтөт”). Ошо сыяктуу эле, Юпитерде мүчүлүштүктөрдү оңдоодон мурун платформада орнотулган механизм (төмөнкү макромеханизмдерди караңыз) "платформага чейинки" формага "артка кайтууну" талап кылышы мүмкүн (файлдардан маалыматтарды окуу, таблицалардын ордуна xDBC аркылуу маалыматтар менен иштөө, глобалдар менен түз өз ара аракеттенүү - көп өлчөмдүү маалымат массивдери InterSystems IRIS – ж.б.).

InterSystems IRISте CDди ишке ашыруунун маанилүү аспектиси: платформа менен Юпитердин ортосунда эки багыттуу интеграция ишке ашырылган, бул Python, R жана Juliaдагы мазмунду платформага өткөрүүгө (жана, кийинчерээк платформада кайра иштетүүгө) мүмкүндүк берет (үчөө тең программалоо болуп саналат). Тиешелүү алдыңкы ачык булактуу тилдердеги математикалык моделдөө чөйрөлөрүндө). Ошентип, AI/ML контентти иштеп чыгуучулары Python, R, Julia тилдеринде тааныш китепканалар менен тааныш Jupyter редакторунда иштеп, платформада бул мазмунду "үзгүлтүксүз жайылтуу" мүмкүнчүлүгүнө ээ болушат (зарыл болсо) платформанын сыртында.

Келгиле, InterSystems IRISдеги CI макро механизмине өтөбүз. Диаграмма "реалдуу убакыттагы роботизатордун" макро процессин көрсөтөт (маалымат структураларынын комплекси, бизнес-процесстер жана алар тарабынан математикалык тилдерде жана ObjectScript - InterSystems IRISтин түпнуска өнүктүрүү тили). Бул макро процесстин милдети AI/ML механизмдеринин иштеши үчүн зарыл болгон маалымат кезектерин сактоо (реалдуу убакыт режиминде платформага берилүүчү маалымат агымынын негизинде), колдонуунун ырааттуулугу жана AI/ "ассортименти" жөнүндө чечим кабыл алуу. ML механизмдери (алар дагы “математикалык алгоритмдер”, “моделдер” ж.б. – ишке ашыруунун өзгөчөлүгүнө жана терминологиялык артыкчылыктарга жараша ар кандай атоого болот), AIнин ишинин натыйжаларын талдоо үчүн маалымат структураларын жаңыртуу ML механизмдери (кубдор, таблицалар, көп өлчөмдүү маалымат массивдери ж.б. – отчеттор үчүн, такталар ж.б.).

Өзгөчө InterSystems IRISде CIди ишке ашыруунун маанилүү аспектиси: платформа менен математикалык моделдөө чөйрөлөрүнүн ортосунда эки багыттуу интеграция ишке ашырылган, бул сизге платформада жайгаштырылган мазмунду Python, R жана Julia тилдеринде өз чөйрөлөрүндө аткарууга жана аткарылышын кайтарып алууга мүмкүндүк берет. натыйжалар. Бул интеграция "терминалдык режимде" да (б.а. AI/ML мазмуну чөйрөгө чалууларды жасаган ObjectScript коду катары түзүлгөн) жана "бизнес процесс режиминде" (б.а., AI/ML мазмуну бизнес процесс катары түзүлгөн) ишке ашырылат. графикалык редакторду же кээде Jupyterди колдонуу же IDE колдонуу - IRIS Studio, Eclipse, Visual Studio Code). Jupyterде редакциялоо үчүн бизнес-процесстердин болушу CI деңгээлиндеги IRIS менен CD деңгээлиндеги Jupyter ортосундагы байланыш аркылуу чагылдырылат. Төмөндө математикалык моделдөө чөйрөлөрү менен интеграциянын кеңири баяндамасы берилген. Бул этапта, биздин оюбузча, платформада AI/ML иштеп чыгууларынын (“үзгүлтүксүз жайылтуудан” келип чыккан) “үзгүлтүксүз интеграциясын” реалдуу убакыт режиминде AI/ML чечимдерине киргизүү үчүн бардык зарыл куралдар бар экендигин камсыз кылууга толук негиз бар.

Ал эми негизги макро механизми: КТ. Ансыз AI/ML платформасы болбойт (бирок "реалдуу убакыт" CD/CI аркылуу ишке ашырылат). КТнын маңызы – платформанын машиналык үйрөнүүнүн “артефакттары” жана жасалма интеллект менен түздөн-түз математикалык моделдөө чөйрөлөрүнүн жумушчу сессияларында иштөөсү: моделдер, бөлүштүрүү таблицалары, матрицалык векторлор, нейрон тармактарынын катмарлары ж.б. Бул "иш", көпчүлүк учурларда, чөйрөдө айтылган артефакттарды түзүүдөн турат (модельдерде, мисалы, "түзүү" моделдин спецификациясын коюудан жана анын параметрлеринин маанилерин кийинки тандоодон турат - моделдин "тренинги" деп аталган), аларды колдонуу (моделдер үчүн: алардын жардамы менен максаттуу өзгөрмөлөрдүн "моделдик" маанилерин эсептөө - болжолдоо, категорияга мүчөлүк, окуянын ыктымалдыгы ж.б.) жана буга чейин эле жакшыртуу. жаратылган жана колдонулган артефакттар (мисалы, колдонуунун натыйжалары боюнча моделдин киргизүү өзгөрмөлөрүнүн топтомун кайра аныктоо - вариант катары болжолдоонун тактыгын жогорулатуу максатында). КТ ролун түшүнүүдөгү негизги жагдай анын CD жана CI реалияларынан “абстракциялоо” болуп саналат: КТ конкреттүү чөйрөлөр тарабынан берилген мүмкүнчүлүктөрдүн алкагында AI/ML чечиминин эсептөө жана математикалык өзгөчөлүктөрүнө көңүл буруп, бардык артефакттарды ишке ашырат. "Киргизүүлөрдү берүү" жана "чыгармаларды жеткирүү" үчүн жоопкерчилик CD жана CIдин жоопкерчилигинде болот.

КТны өзгөчө InterSystems IRISде ишке ашыруунун маанилүү аспектиси: жогоруда айтылган математикалык моделдөө чөйрөлөрү менен интеграцияны колдонуу менен, платформа математикалык чөйрөдө анын көзөмөлүндө иштеген иш сессияларынан ошол артефакттарды чыгарып алуу мүмкүнчүлүгүнө ээ жана (эң негизгиси) аларды платформа маалымат объекттерине. Мисалы, иштеп жаткан Python сессиясында жаңы эле түзүлгөн бөлүштүрүү таблицасы (Python сеансын токтотпостон) платформага, мисалы, глобалдык (көп өлчөмдүү InterSystems IRIS маалыматтар массиви) түрүндө өткөрүлүп берилиши мүмкүн - жана колдонулушу мүмкүн. башка AI/ML- механизминдеги эсептөөлөр үчүн (башка чөйрөнүн тилинде ишке ашырылат - мисалы, R) - же виртуалдык таблица. Дагы бир мисал: моделдин иштөөсүнүн "нормалдуу режимине" параллелдүү (Python жумушчу сессиясында) "auto-ML" анын кириш маалыматтарында ишке ашырылат: оптималдуу киргизүү өзгөрмөлөрүн жана параметр маанилерин автоматтык түрдө тандоо. Ал эми "үзгүлтүксүз" окутуу менен бирге, реалдуу убакыт режиминде жемиштүү модель анын спецификациясын "оптималдаштыруу сунушун" алат - мында киргизүү өзгөрмөлөрүнүн жыйындысы өзгөрөт, параметр маанилери өзгөрөт (машыгуунун натыйжасында эмес Pythonдо, бирок H2O стек сыяктуу өзүнүн "альтернативдик" версиясы менен машыгуунун натыйжасында) жалпы AI/ML чечимине моделделип жаткан киргизүү маалыматтарынын жана кубулуштарынын табиятындагы күтүлбөгөн өзгөрүүлөрдү автономдуу түрдө жеңүүгө мүмкүндүк берет. .

Келгиле, реалдуу турмуштагы прототибин мисалында InterSystems IRIS платформасынын AI/ML функционалдуулугу менен кененирээк таанышалы.

Төмөнкү диаграммада слайддын сол тарабында Python жана R тилдеринде скрипттерди аткарууну ишке ашырган бизнес-процесстин бир бөлүгү бар. Борбордук бөлүктө бул скрипттердин айрымдарынын аткарылышынын визуалдык журналдары бар, тиешелүүлүгүнө жараша, Python жана R тилдеринде. Ошол замат алардын артында тиешелүү чөйрөлөргө аткаруу үчүн өткөрүлүп берилген тигил же бул тилдеги мазмундун мисалдары бар. Оң жактагы аягында сценарийдин аткарылышынын натыйжаларына негизделген визуализациялар бар. Жогору жактагы визуализациялар IRIS Analytics программасында жасалган (маалыматтар Python'дон InterSystems IRIS маалымат платформасына алынып, платформаны колдонуу менен башкаруу тактасында көрсөтүлгөн), ылдый жагында түздөн-түз R жумушчу сессиясында жасалган жана ал жерден графикалык файлдарга чыгарылган. . Маанилүү аспект: прототипте берилген фрагмент моделди колдонуу учурунда байкалган классификациялык сапат монитор процессинин буйругу боюнча жабдуулардын симулятор процессинен реалдуу убакыт режиминде алынган маалыматтар боюнча моделди окутуу үчүн жооп берет (жабдуулардын абалынын классификациясы). AI/ML чечиминин өз ара аракеттенүүчү процесстердин (“агенттер”) жыйындысы түрүндө ишке ашырылышы мындан ары талкууланат.

12-сүрөт Python, R жана Julia менен InterSystems IRISте өз ара аракеттенүү

Платформалык процесстер (алар ошондой эле “бизнес-процесстер”, “аналитикалык процесстер”, “трубалар” ж.б. – контекстке жараша), биринчи кезекте платформанын өзүндөгү графикалык бизнес-процесстердин редакторунда түзөтүлөт жана ушундай анын блок-диаграммасы жана тиешелүү AI/ML механизми (программа коду) бир эле учурда түзүлөт. "AI / ML механизми алынды" деп айтканда, биз алгач гибриддүүлүктү (бир процесстин ичинде) билдирет: математикалык моделдөө чөйрөлөрүнүн тилдериндеги мазмун SQLдеги мазмунга жанаша (анын ичинде IntegratedML), InterSystems ObjectScript менен, башка колдоого алынган тилдер менен. Мындан тышкары, платформа процесси иерархиялык уяланган фрагменттердин (төмөндөгү диаграммадагы мисалдан көрүнүп тургандай) түрүндө "көрсөтүү" үчүн абдан кеңири мүмкүнчүлүктөрдү берет, бул сизге эч качан "жыгылып кетпестен" өтө татаал мазмунду натыйжалуу уюштурууга мүмкүндүк берет. графикалык форматка ("графикалык эмес" форматтарга » методдор/класстар/процедуралар ж.б.). Башкача айтканда, зарыл болгон учурда (жана бул көпчүлүк долбоорлордо каралган), толугу менен AI/ML чечими графикалык өзүн-өзү документтештирүүчү форматта ишке ашырылышы мүмкүн. Төмөнкү диаграмманын борбордук бөлүгүндө жогорураак “уялаштыруу деңгээлин” көрсөткөн моделди окутуу боюнча иш жүзүндөгү жумуштан тышкары (Python жана R аркылуу) деп аталган талдоо бар экенине көңүл буруңуз. Окутулган моделдин ROC ийри сызыгы кошулуп, окутуунун сапатын визуалдык (жана эсептөө жолу менен да) баалоого мүмкүндүк берет - жана бул талдоо Юлия тилинде ишке ашырылат (тиешелүү түрдө Юлия математикалык чөйрөсүндө аткарылат).

Сүрөт 13 InterSystems IRISте AI/ML чечимдеринин курамы үчүн визуалдык чөйрө

Мурда айтылгандай, платформада буга чейин ишке ашырылган AI/ML механизмдерин баштапкы иштеп чыгуу жана (айрым учурларда) адаптациялоо Jupyter редакторунда платформадан тышкары жасалышы мүмкүн. Төмөнкү диаграммада биз учурдагы платформа процессин адаптациялоонун мисалын көрөбүз (жогорку диаграммадагыдай) - моделди окутуу үчүн жооптуу фрагмент Юпитерде ушундай көрүнөт. Python мазмуну түзөтүү, мүчүлүштүктөрдү оңдоо жана графиканы түз Jupyterде чыгаруу үчүн жеткиликтүү. Өзгөртүүлөр (зарыл болсо) платформа процессине, анын ичинде анын жемиштүү версиясына заматта синхрондоштуруу менен жүргүзүлүшү мүмкүн. Жаңы мазмун платформага ушундай жол менен которулушу мүмкүн (жаңы платформа процесси автоматтык түрдө түзүлөт).

Сүрөт 14 InterSystems IRIS платформасында AI/ML кыймылдаткычын оңдоо үчүн Jupyter Notebook колдонуу

Платформа процессин адаптациялоо графикалык же ноутбук форматында гана эмес, ошондой эле “тоталдык” IDE (Integrated Development Environment) форматында да жүргүзүлүшү мүмкүн. Бул IDEлер IRIS Studio (түпкү IRIS студиясы), Visual Studio Code (VSCode үчүн InterSystems IRIS кеңейтүүсү) жана Eclipse (Atelier плагини) болуп саналат. Кээ бир учурларда, иштеп чыгуу тобу үч IDEди бир эле учурда колдонушу мүмкүн. Төмөнкү диаграммада IRIS студиясында, Visual Studio Code жана Eclipseде бир эле процессти оңдоонун мисалы көрсөтүлгөн. Бардык мазмунду түзөтүү үчүн жеткиликтүү: Python/R/Julia/SQL, ObjectScript жана бизнес процесси.

15-сүрөт. InterSystems IRIS бизнес процессин ар кандай IDEлерде өнүктүрүү

InterSystems IRIS бизнес процесстерин Business Process Language (BPL) тилинде сүрөттөө жана аткаруу куралдары өзгөчө сөз кылууга татыктуу. BPL бизнес-процесстерде "даяр интеграциялык компоненттерди" (иш-аракеттерди) колдонууга мүмкүндүк берет - бул чындыгында InterSystems IRISте "үзгүлтүксүз интеграция" ишке ашырылган деп айтууга толук негиз берет. Даяр бизнес-процесс компоненттери (иш-аракеттер жана алардын ортосундагы байланыштар) AI/ML чечимди чогултуу үчүн күчтүү тездеткич болуп саналат. Ал эми ассамблеялар гана эмес: алардын ортосундагы ар түрдүү AI/ML иштеп чыгуулары жана механизмдери боюнча иш-аракеттердин жана байланыштардын аркасында реалдуу убакытта кырдаалга жараша чечим кабыл алууга жөндөмдүү “автономдуу башкаруу катмары” пайда болот.

Сүрөт 16 InterSystems IRIS платформасында үзгүлтүксүз интеграциялоо (CI) үчүн даяр бизнес процессинин компоненттери

Агенттик системалардын концепциясы (ошондой эле "көп агенттик системалар" деп аталат) роботташтырууда күчтүү позицияга ээ жана InterSystems IRIS платформасы аны "продукт-процесс" конструкциясы аркылуу органикалык түрдө колдойт. Ар бир процессти жалпы чечим үчүн зарыл болгон функционалдуулук менен “толтуруунун” чексиз мүмкүнчүлүктөрүнөн тышкары, платформалык процесстер системасына “агенттик” касиетин берүү өтө туруксуз имитацияланган кубулуштарга (социалдык/адамдардын жүрүм-туруму) эффективдүү чечимдерди түзүүгө мүмкүндүк берет. биосистемалары, жарым-жартылай байкалуучу технологиялык процесстер ж.б.).

Сүрөт 16 InterSystems IRISте агентке негизделген бизнес процесс системасы катары AI/ML чечиминин иштеши

InterSystems IRISти карап чыгуубузду реалдуу убакыт режиминдеги көйгөйлөрдүн бүткүл класстарын чечүү үчүн платформаны колдонуу жөнүндө баян менен улантабыз (InterSystems IRISте AI/ML платформасынын кээ бир эң мыкты тажрыйбаларына жетишээрлик деталдуу киришүүнү бирден тапса болот. биздин мурунку вебинарлар).

Мурунку диаграмманын согончогуна ысык, төмөндө агент системасынын деталдуу диаграммасы болуп саналат. Диаграмма бир эле прототипти көрсөтөт, төрт агент процессинин баары көрүнүп турат, алардын ортосундагы байланыштар схемалык түрдө тартылган: ГЕНЕРАТОР - жабдуулардын сенсорлору аркылуу маалыматтарды түзүүнү иштетет, BUFFER - маалымат кезектерин башкарат, ANALYZER - машинада үйрөнүүнү өзү аткарат, МОНИТОР - көзөмөлдөйт машинаны үйрөнүү сапаты жана моделди кайра даярдоо зарылчылыгы жөнүндө сигнал берет.

17-сүрөт InterSystems IRISте агентке негизделген бизнес процесс системасы түрүндөгү AI/ML чечиминин курамы

Төмөндөгү диаграммада дагы бир роботтук прототиптин автономдуу иштеши (тексттердин эмоционалдык түсүн таануу) бир нече убакытка көрсөтүлгөн. Жогорку бөлүгүндө моделдик окутуунун сапат көрсөткүчүнүн эволюциясы (сапаты өсүүдө), төмөнкү бөлүгүндө моделди колдонуунун сапат көрсөткүчүнүн динамикасы жана кайталап окутуу фактылары (кызыл тилкелер) көрсөтүлгөн. Көрүнүп тургандай, чечим өзүн эффективдүү жана автономдуу үйрөнүп, берилген сапат деңгээлинде иштейт (сапат баллынын мааниси 80% дан төмөн эмес).

Сүрөт 18 InterSystems IRIS платформасында үзгүлтүксүз (өзүн-өзү) окутуу (КТ)

Биз буга чейин "auto-ML" деп да айтканбыз, бирок төмөндөгү диаграммада башка прототиптин мисалында бул функциянын колдонулушу майда-чүйдөсүнө чейин көрсөтүлгөн. Бизнес-процесстин фрагментинин графикалык диаграммасы H2O стекиндеги моделдештирүү процессин козгоочу активдүүлүктү көрсөтөт, бул моделдөөнүн натыйжаларын көрсөтөт (пайда болгон моделдин салыштырма диаграммасына ылайык, “адам жасаган” моделдерден ачык үстөмдүк кылуу. ROC ийри сызыктары, ошондой эле баштапкы маалымат топтомунда бар "эң таасирдүү өзгөрмөлөрдүн" автоматташтырылган идентификациясы). Бул жерде маанилүү жагдай - бул "auto-ML" аркылуу жетишилген убакытты жана эксперттик ресурстарды үнөмдөө: биздин платформа процесси жарым мүнөттө эмне кылат (оптималдуу моделди табуу жана окутуу) экспертке бир жумадан бир айга чейин созулушу мүмкүн.

Сүрөт 19 InterSystems IRIS платформасында AI/ML чечимине “auto-ML” интеграциясы

Төмөндөгү диаграммада бир аз көз жаздымда калып жатат, бирок бул реалдуу убакыт режиминде чечилип жаткан көйгөйлөрдүн класстары жөнүндө окуяны бүтүрүүнүн жакшы жолу: InterSystems IRIS платформасынын бардык мүмкүнчүлүктөрү менен, анын көзөмөлүндө турган окутуу моделдерин эске салабыз. милдеттүү эмес. Платформа сырттан PMML деп аталган моделдин спецификациясын ала алат, платформанын көзөмөлүндө эмес куралда үйрөтүлгөн - жана бул моделди импорттолгон учурдан тартып реалдуу убакыт режиминде колдоно алат. PMML спецификациялары. Эң кеңири таралган артефакттардын көпчүлүгү буга жол берсе да, бардык AI/ML артефакттарын PMML спецификациясына чейин кыскартуу мүмкүн эмес экенин эске алуу маанилүү. Ошентип, InterSystems IRIS платформасы "ачык цикл" болуп саналат жана колдонуучулар үчүн "платформалык кулчулук" дегенди билдирбейт.

Сүрөт 20 InterSystems IRIS платформасында AI/ML чечимине “auto-ML” интеграциясы

Жасалма интеллектти автоматташтырууда жана реалдуу убакыт режиминде машина үйрөнүүдө чоң мааниге ээ болгон InterSystems IRIS платформасынын кошумча артыкчылыктарын санап көрөлү (түшүнүктүүлүк үчүн, процессти башкаруу):

• Ар кандай маалымат булактары жана керектөөчүлөр менен интеграциялык инструменттер иштелип чыккан (процессти башкаруу системасы/SCADA, жабдуулар, MRO, ERP ж.б.)
• Камтылган көп моделдүү DBMS технологиялык процесс маалыматтарынын каалаган көлөмүн жогорку өндүрүмдүүлүктөгү транзакциялык жана аналитикалык иштетүү үчүн (Hybrid Transaction/Analytic Processing, HTAP)
• Python, R, Julia негизинде реалдуу убакыт чечимдери үчүн AI/ML кыймылдаткычтарын үзгүлтүксүз жайылтуу үчүн иштеп чыгуу куралдары
• Реалдуу убакыттагы AI/ML чечим кыймылдаткычтарын үзгүлтүксүз интеграциялоо жана (өз алдынча) үйрөнүү үчүн адаптивдик бизнес процесстери
• Процесс маалыматтарын жана AI/ML чечиминин натыйжаларын визуализациялоо үчүн орнотулган Business Intelligence куралдары
• API башкаруу AI/ML чечиминин натыйжаларын процессти башкаруу системаларына/SCADA, маалыматтык жана аналитикалык системаларга жеткирүү, эскертүүлөрдү жөнөтүү ж.б.у.с.

InterSystems IRIS платформасындагы AI/ML чечимдери учурдагы IT инфраструктурасына оңой туура келет. InterSystems IRIS платформасы катага чыдамдуу жана кырсыкка чыдамдуу конфигурацияларды жана виртуалдык чөйрөлөрдө, физикалык серверлерде, жеке жана коомдук булуттарда жана Docker контейнерлеринде ийкемдүү жайгаштырууну колдоо менен AI/ML чечимдеринин жогорку ишенимдүүлүгүн камсыздайт.

Ошентип, InterSystems IRIS универсалдуу реалдуу убакыттагы AI/ML эсептөө платформасы. Биздин платформанын универсалдуулугу практикада ишке ашырылган эсептөөлөрдүн татаалдыгына де-факто чектөөлөрүнүн жоктугу, InterSystems IRISтин ар түрдүү тармактардын сценарийлерин айкалыштыруу (реалдуу убакыт режиминде) жөндөмдүүлүгү жана өзгөчө көнүү жөндөмдүүлүгү менен тастыкталат. ар кандай платформа функциялары жана механизмдери колдонуучулардын өзгөчө муктаждыктарына.

21-сүрөт InterSystems IRIS – универсалдуу реалдуу убакыттагы AI/ML эсептөө платформасы

Бул жерде берилген материалга кызыккан окурмандарыбыз менен кыйла мазмундуу өз ара аракеттенүү үчүн, биз аны окуу менен чектелбей, диалогду "түз эфирде" улантууну сунуштайбыз. Биз сиздин компанияңыздын өзгөчөлүктөрүнө карата реалдуу убакыт режиминде AI/ML сценарийлерин түзүүгө, InterSystems IRIS платформасында биргелешкен прототиптерди жасоого, жасалма интеллект жана машина үйрөнүүнү киргизүү боюнча жол картасын иштеп чыгууга жана иш жүзүндө ишке ашырууга кубанычтабыз. өндүрүш жана башкаруу процесстериңизге. Биздин AI/ML Эксперттик Командын Байланыш электрондук почтасы – [электрондук почта корголгон].

Source: www.habr.com