ProHoster > Blog > Administrimi > InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale

Autori: Sergey Luk'yanchikov, inxhinier-konsultant i InterSystems

Sfida e AI/ML llogaritjet në kohë reale

Le të fillojmë me shembuj nga praktika Data Science e kompanisë InterSystems:

  • Portal klienti 'i ngarkuar' Ă«shtĂ« i lidhur me njĂ« sistem rekomandues online. Duhet tĂ« ristrukturohen promovimet nĂ« shkallĂ«n e rrjetit tĂ« tregtisĂ« me pakicĂ« (le tĂ« themi, nĂ« vend qĂ« tĂ« ketĂ« njĂ« linjĂ« 'tĂ« sheshtĂ«' promovimesh, tani do tĂ« aplikohet njĂ« matrix 'segment-taktik'). ÇfarĂ« ndodh me mekanizmat rekomandues? ÇfarĂ« ndodh me transmetimin dhe aktualizimin e tĂ« dhĂ«nave nĂ« mekanizmin rekomandues (vĂ«llimi i tĂ« dhĂ«nave hyrĂ«se Ă«shtĂ« rritur 25,000 herĂ«)? ÇfarĂ« ndodh me prodhimin e rekomandimeve (nevoja pĂ«r tĂ« ulur mijĂ«ra herĂ« pragun e filtrimit tĂ« rregullave rekomanduese nĂ« lidhje me rritjen mijĂ«ra herĂ« tĂ« numrit dhe 'asortimentit')?
  • Ekziston njĂ« sistem monitorimi i mundĂ«sisĂ« sĂ« zhvillimit tĂ« defekteve nĂ« njĂ«sitĂ« e pajisjeve. NĂ« kĂ«tĂ« sistem monitorimi Ă«shtĂ« lidhur ASUTP, e cila transmeton mijĂ«ra parametra tĂ« procesit teknologjik çdo sekondĂ«. ÇfarĂ« ndodh me sistemin e monitorimit, i cili mĂ« parĂ« punonte me 'mostra manuale' (a Ă«shtĂ« nĂ« gjendje tĂ« ofrojĂ« monitorim tĂ« mundĂ«sisĂ« çdo sekondĂ«)? ÇfarĂ« do tĂ« ndodhĂ« nĂ«se nĂ« tĂ« dhĂ«nat hyrĂ«se shfaqet njĂ« bllok i ri me disa qindra kolona me tĂ« dhĂ«nat e sensorĂ«ve, tĂ« sapo regjistruar nĂ« ASUTP (a do tĂ« nevojitet dhe pĂ«r sa kohĂ« do tĂ« ndalojmĂ« sistemin e monitorimit pĂ«r ta pĂ«rfshirĂ« nĂ« analizĂ«n e tĂ« dhĂ«nave nga sensorĂ«t e rinj)?
  • ËshtĂ« krijuar njĂ« kompleks mekanizmash AI/ML (rekomandues, monitorues, parashikuese), qĂ« pĂ«rdorin rezultatet e njĂ«ri-tjetrit. Sa orĂ« njeri kĂ«rkohen çdo muaj pĂ«r tĂ« pĂ«rshtatur funksionimin e kĂ«tij kompleksi me ndryshimet nĂ« tĂ« dhĂ«nat hyrĂ«se? Cila Ă«shtĂ« 'ngadalĂ«simi' i pĂ«rgjithshĂ«m kur mbĂ«shtetet ky kompleks nĂ« procesin e vendimmarrjes menaxheriale (frekuenca e informacionit mbĂ«shtetje qĂ« shfaqet nĂ« tĂ« nĂ« lidhje me frekuencĂ«n e shfaqjes sĂ« tĂ« dhĂ«nave tĂ« reja)?

Duke përmbledhur këto dhe shumë shembuj të tjerë, ne kemi arritur në formulimin e sfidave që dalin nga kalimi në përdorimin e mekanizmave të mësimit të makinerisë dhe inteligjencës artificiale në kohë reale:

  • Na kĂ«naq operacionaliteti i krijimit dhe adaptimit (nĂ« situatĂ«n qĂ« po ndryshon) tĂ« zhvillimeve AI/ML nĂ« kompaninĂ« tonĂ«?
  • Sa mirĂ« mbĂ«shtesin zgjidhjet tona AI/ML menaxhimin e biznesit nĂ« kohĂ« reale?
  • A janĂ« nĂ« gjendje zgjidhjet tona AI/ML tĂ« adaptohen vetĂ« (pa zhvillues) me ndryshimet nĂ« tĂ« dhĂ«na dhe praktikĂ«n e menaxhimit tĂ« biznesit?

Artikulli ynë është një përmbledhje e hollësishme e mundësive të platformës InterSystems IRIS në mbështetje të universale për zbatimin e mekanizmave AI/ML, ndërtimin (integrimin) e zgjidhjeve AI/ML dhe trajnimin (testimin) e zgjidhjeve AI/ML në fluska intensive të të dhënave. Ne do të shqyrtojmë studimet e tregut, shembujt praktikë të zgjidhjeve AI/ML dhe aspektet konceptuale të asaj që ne e quajmë në këtë artikull platformë AI/ML në kohë reale.

ÇfarĂ« dihet nga anketa: aplikacionet nĂ« kohĂ« reale

Rezultatet anketës, e kryer midis rreth 800 profesionistëve të IT-së në vitin 2019 nga Lightbend, flasin vetë:

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 1 Konsumatorët kryesorë të të dhënave në kohë reale

Të citojmë fragmente të rëndësishme për ne nga raporti mbi rezultatet e kësaj ankete në përkthimin tonë:

‘
 Tendencat e popullaritetit tĂ« mjeteve tĂ« integrimit tĂ« fluskave tĂ« tĂ« dhĂ«nave dhe, njĂ«kohĂ«sisht, mbĂ«shtetjeve tĂ« llogaritjeve nĂ« kontejnerĂ«, ofrojnĂ« njĂ« reagim sinergjik ndaj kĂ«rkesĂ«s sĂ« tregut pĂ«r zgjidhje mĂ« tĂ« shpejta, racionalizuese dhe dinamike. Fluskat e tĂ« dhĂ«nave lejojnĂ« tĂ« transmetojnĂ« informacion mĂ« shpejt se tĂ« dhĂ«nat tradicionale me paketa. SĂ« kĂ«tejmi, shfaqet mundĂ«sia e aplikimit tĂ« shpejtĂ« tĂ« metodave tĂ« llogaritjeve, siç janĂ« rekomandimet e bazuara nĂ« AI/ML, duke krijuar avantazhe konkurruese pĂ«rmes rritjes sĂ« kĂ«naqĂ«sisĂ« sĂ« audiencĂ«s sĂ« klientĂ«ve. GarĂ« pĂ«r shpejtĂ«si gjithashtu ndikon nĂ« tĂ« gjitha rolet nĂ« paradigmin DevOps - duke rritur efikasitetin e zhvillimit dhe zbatimit tĂ« aplikacioneve. 
 TetĂ«qind e katĂ«r profesionistĂ« tĂ« IT-sĂ« dhanĂ« informacion mbi pĂ«rdorimin e fluskave tĂ« tĂ« dhĂ«nave nĂ« organizatat e tyre. RespondentĂ«t ishin kryesisht nĂ« vendet perĂ«ndimore (41% nĂ« EvropĂ« dhe 37% nĂ« AmerikĂ«n Veriore) dhe ishin praktikisht tĂ« shpĂ«rndara njĂ«lloj midis kompanive tĂ« vogla, tĂ« mesme dhe tĂ« mĂ«dha. 



 Inteligjenca artificiale nuk është një trend. Pesëdhjetë e tetë përqind e atyre që tashmë po përdorin përpunimin e fluskave të të dhënave në aplikacione produktive AI/ML, konfirmojnë se aplikimi i tyre në AI/ML do të ketë rritjen më të madhe në vitin e ardhshëm (krahasuar me aplikacione të tjera).

  • Sipas shumicĂ«s sĂ« tĂ« anketuarve, pĂ«rdorimi i rrjedhave tĂ« dhĂ«nash nĂ« skenarĂ«t AI/ML pritet tĂ« ketĂ« rritjen mĂ« tĂ« madhe vitin e ardhshĂ«m.
  • PĂ«rdorimi nĂ« AI/ML do tĂ« rritet jo vetĂ«m pĂ«r shkak tĂ« llojeve relativisht tĂ« reja tĂ« skenarĂ«ve, por edhe pĂ«r shkak tĂ« skenarĂ«ve tradicionalĂ«, nĂ« tĂ« cilĂ«t tĂ« dhĂ«nat nĂ« kohĂ« reale po pĂ«rdoren gjithnjĂ« e mĂ« shumĂ«.
  • PĂ«rveç AI/ML, niveli i entuziazmit mes pĂ«rdoruesve tĂ« rrjedhave tĂ« dhĂ«nash IoT Ă«shtĂ« impresionues - 48% e atyre qĂ« tashmĂ« kanĂ« integruar tĂ« dhĂ«nat IoT pretendojnĂ« se implementimi i skenarĂ«ve mbi kĂ«to tĂ« dhĂ«na do tĂ« ketĂ« njĂ« rritje tĂ« dukshme nĂ« tĂ« ardhmen e afĂ«rt. 
 »

Nga kjo anketë mjaft interesante, del se perceptimi i skenarëve të mësimit të makinerive dhe inteligjencës artificiale si liderë në konsumimin e rrjedhave të dhënash është tashmë "në prag". Por një vëzhgim po aq të rëndësishëm është edhe perceptimi i AI/ML në kohë reale përmes optikës DevOps: këtu mund të fillojmë të flasim për transformimin e kulturës aktuale "të njëhershme AI/ML me një set të plotë të dhënash".

Koncepti i platformës AI/ML në kohë reale

Një nga fushat tipike të aplikimit të AI/ML në kohë reale është menaxhimi i proceseve teknologjike në prodhim. Në këtë rast dhe duke marrë parasysh refleksionet e mëparshme, do të formulojmë konceptin e platformës AI/ML në kohë reale.
Përdorimi i inteligjencës artificiale dhe mësimit të makinerive në menaxhimin e proceseve teknologjike ka disa veçori:

  • TĂ« dhĂ«nat mbi gjendjen e procesit teknologjik vijnĂ« nĂ« mĂ«nyrĂ« intensive: me njĂ« frekuencĂ« tĂ« lartĂ« dhe nĂ« njĂ« gamĂ« tĂ« gjerĂ« parametrash (deri nĂ« dhjetĂ«ra mijĂ«ra vlera parametrash qĂ« transmetohen nĂ« sekondĂ« nga sistemet e automatizimit tĂ« procesit)
  • TĂ« dhĂ«nat mbi identifikimin e defekteve, duke pĂ«rfshirĂ« edhe ato pĂ«r zhvillimin e tyre, pĂ«rkundrazi, janĂ« tĂ« pakta dhe tĂ« papĂ«rqendruara, karakterizohen nga pamjaftueshmĂ«ria e tipizimit tĂ« defekteve dhe lokalizimit tĂ« tyre nĂ« kohĂ« (shpesh, janĂ« tĂ« paraqitura nĂ« regjistrime nĂ« format paper).
  • Nga njĂ« pikĂ«pamje praktike, pĂ«r tĂ« trajnuar dhe pĂ«rdorur modelet Ă«shtĂ« e disponueshme vetĂ«m "finestra e aktualitetit" e tĂ« dhĂ«nave burimore, e cila pasqyron dinamikĂ«n e procesit teknologjik gjatĂ« njĂ« intervali tĂ« arsyeshĂ«m lĂ«vizĂ«s, qĂ« pĂ«rfundon me vlerat mĂ« tĂ« fundit tĂ« lexuara tĂ« parametrave tĂ« procesit.

Këto veçori na detyrojnë, përveç pranimit dhe përpunimit de bazë në kohë reale të intensitetit të "sinjalit të gjerë të hyrjes" nga procesi teknologjik, të realizojmë (paralelisht) aplikimin, trajnimin dhe kontrollin e cilësisë së rezultateve të punës së modele më AI/ML - gjithashtu në kohë reale. Ai "korniz" që modelet tona "shohin" në finestrën e aktualitetit vazhdimisht ndryshon - dhe me të, ndryshon edhe cilësia e rezultateve të punës së modeve AI/ML, të trajnuara në një nga "kornizat" në të kaluarën. Nëse cilësia e rezultateve të punës së modeve AI/ML përkeqësohet (për shembull: vlera e gabimit të klasifikimit "alarm-normë" kalon jashtë kufijve të vendosur prej nesh), duhet të aktivizohet automatikisht ri-trajnimi i modeleve në "kornizën" më aktuale - dhe zgjedhja e momentit për aktivizimin e ri-trajnimit të modeleve duhet të marrë parasysh si kohëzgjatjen e vetë trajnimit, ashtu edhe dinamikën e përkeqësimit të cilësisë së punës së versioneve aktuale të modeleve (pasi versionet aktuale të modele continuojnë të përdoren, derisa modelet të trajnohen dhe derisa të formohen versionet e tyre "të rikaluara").

InterSystems IRIS ka mundësi kyçe të platformës për të siguruar punën e zgjidhjeve AI/ML në menaxhimin e proceseve teknologjike në kohë reale. Këto mundësi mund të ndahen në tre grupe kryesore:

  • Krijimi i vazhdueshĂ«m (Continuous Deployment/Delivery, CD) tĂ« mekanizmave tĂ« rinj ose tĂ« adaptuar tĂ« AI/ML nĂ« zgjidhjet produktive qĂ« funksionojnĂ« nĂ« kohĂ« reale nĂ« platformĂ«n InterSystems IRIS.
  • Integrimi i vazhdueshĂ«m (Continuous Integration, CI) tĂ« rrjedhave tĂ« dhĂ«nash tĂ« procesit teknologjik, radhĂ«ve tĂ« tĂ« dhĂ«nave pĂ«r aplikim/trajnim/kontrollin e cilĂ«sisĂ« sĂ« punĂ«s sĂ« mekanizmave AI/ML dhe shkĂ«mbimit tĂ« tĂ« dhĂ«nave/kodit/ndikimeve kontrolluese me mjediset e modelimit matematikor, orkestrimi i tĂ« cilave realizohet nĂ« kohĂ« reale nga platforma InterSystems IRIS.
  • Trajnimi i vazhdueshĂ«m (self-training, CT) i mekanizmave AI/ML, i kryer nĂ« mjediset e modelimit matematikor duke pĂ«rdorur tĂ« dhĂ«na, kod dhe ndikime kontrolluese ("vendime tĂ« marra"), tĂ« cilat transmetohen nga platforma InterSystems IRIS.

Klasifikimi i mundësive të platformës lidhur me mësimin e makinerive dhe inteligjencën artificiale në këto grupe nuk është rastësor. Le të citojmë metodologjinë. publikimi kompania Google, e cila ndihmon në themelimin e konceptit për këtë klasifikim, në përkthimin tonë:

«  Koncepti DevOps, i njohur sot, pĂ«rfshin zhvillimin dhe operimin e sistemeve tĂ« mĂ«dha informacioni. Avantazhet e implementimit tĂ« kĂ«tij koncepti pĂ«rfshijnĂ« reduktimin e kohĂ«s sĂ« cikleve tĂ« zhvillimit, pĂ«rshpejtimin e shpĂ«rndarjes sĂ« zhvillimeve, fleksibilitetin nĂ« planifikimin e lirimeve. PĂ«r tĂ« arritur kĂ«to pĂ«rfitime, DevOps kĂ«rkon implementimin e tĂ« paktĂ«n dy praktikave:

  • Integrimi i vazhdueshĂ«m (CI)
  • ShpĂ«rndarja e vazhdueshme (CD)

KĂ«to praktika janĂ« gjithashtu tĂ« aplikueshme pĂ«r platformat AI/ML – pĂ«r tĂ« siguruar njĂ« ndĂ«rtim tĂ« besueshĂ«m dhe produktiv tĂ« zgjidhjeve AI/ML.

Platformat AI/ML dallohen nga sistemet e tjera të informacionit në aspektet e mëposhtme:

  • Kompetencat e ekipit: gjatĂ« krijimit tĂ« njĂ« zgjidhjeje AI/ML, ekipi zakonisht pĂ«rfshin shkencĂ«tarĂ« tĂ« tĂ« dhĂ«nave ose ekspertĂ« 'akademikĂ«' nĂ« fushĂ«n e hulumtimit tĂ« tĂ« dhĂ«nave, tĂ« cilĂ«t kryejnĂ« analizĂ«n e tĂ« dhĂ«nave, zhvillimin dhe vlerĂ«simin e modeleve. KĂ«ta pjesĂ«tarĂ« tĂ« ekipit mund tĂ« mos jenĂ« programues profesionistĂ« tĂ« kodit produktiv.
  • Zhvillimi: mekanizmat AI/ML janĂ« eksperimentalĂ« nĂ« natyrĂ«. PĂ«r tĂ« zgjidhur njĂ« problem nĂ« mĂ«nyrĂ«n mĂ« efikase, nevojitet tĂ« shqyrtohen kombinime tĂ« ndryshme tĂ« variablave tĂ« hyrjes, algoritmeve, mĂ«nyrave tĂ« modelimit dhe parametrave tĂ« modelit. Kompleksiteti i kĂ«tij procesi qĂ«ndron nĂ« gjurmimin e 'çfarĂ« funksionoi/ndodhi', sigurimin e riprodhueshmĂ«risĂ« sĂ« episodĂ«ve, dhe generalizimin e zhvillimeve pĂ«r implementime tĂ« pĂ«rsĂ«ritura.
  • Testimi: testimi i mekanizmave AI/ML kĂ«rkon njĂ« gamĂ« mĂ« tĂ« gjerĂ« testesh sesa shumica e zhvillimeve tĂ« tjera. PĂ«rveç testeve tipike modulare dhe tĂ« integrimit, testohen vlefshmĂ«ria e tĂ« dhĂ«nave, cilĂ«sia e rezultateve nga aplikimi i modelit nĂ« mostrat e trajnuara dhe kontrolluese.
  • ShpĂ«rndarja: shpĂ«rndarja e zgjidhjeve AI/ML nuk Ă«shtĂ« vetĂ«m pĂ«r shĂ«rbimet parashikuese qĂ« pĂ«rdorin njĂ« model tĂ« trajnuar njĂ«herĂ«. Zgjidhjet AI/ML ndĂ«rtohen rreth pipeline-ve shumĂ«fazore, tĂ« cilat kryejnĂ« mĂ«simin dhe aplikimin automatizuar tĂ« modeleve. ShpĂ«rndarja e kĂ«tyre pipeline-ve nĂ«nkupton automatizimin e veprimeve jo triviale, zakonisht tĂ« realizuara manualisht nga shkencĂ«tarĂ«t e tĂ« dhĂ«nave pĂ«r tĂ« pasur mundĂ«sinĂ« pĂ«r tĂ« mĂ«suar dhe testuar modelet.
  • Produktiviteti: mekanizmat AI/ML mund tĂ« kenĂ« mungesĂ« produktiviteti jo vetĂ«m pĂ«r shkak tĂ« programimit tĂ« paefektshĂ«m, por edhe pĂ«r shkak tĂ« natyrĂ«s sĂ« vazhdueshme nĂ« ndryshim tĂ« tĂ« dhĂ«nave tĂ« hyrjes. NĂ« fjalĂ« tĂ« tjera, produktiviteti i mekanizmave AI/ML mund tĂ« degradojĂ« pĂ«r shkak tĂ« njĂ« spektri mĂ« tĂ« gjerĂ« arsyesh sesa produktiviteti i zhvillimeve tĂ« zakonshme. Kjo sjell nevojĂ«n pĂ«r monitorimin (nĂ« kohĂ« reale) tĂ« produktivitetit tĂ« mekanizmave tanĂ« AI/ML, si dhe dĂ«rgimin e njoftimeve ose pĂ«rjashtimin e rezultateve nĂ«se treguesit e produktivitetit nuk pĂ«rputhen me pritshmĂ«ritĂ«.

Platformat AI/ML janë të ngjashme me sistemet e tjera të informacionit në atë që të dyja kërkojnë integrim të vazhdueshëm të kodit me kontroll të versioneve, testim modular, testim integrimi, dhe shpërndarje të vazhdueshme të zhvillimeve. Megjithatë, në rastin e AI/ML, ka disa dallime të rëndësishme:

  • CI (Integrimi i vazhdueshĂ«m) nuk kufizohet mĂ« vetĂ«m nĂ« testimin dhe validimin e kodit tĂ« komponentĂ«ve tĂ« shpĂ«rndarjes – pĂ«rfshin gjithashtu testimin dhe validimin e tĂ« dhĂ«nave dhe modeleve AI/ML.
  • CD (ShpĂ«rndarja e vazhdueshme) nuk Ă«shtĂ« vetĂ«m pĂ«r shkrimin dhe lirimin e paketave ose shĂ«rbimeve, por nĂ«nkupton njĂ« platformĂ« pĂ«r kompozimin, mĂ«simin dhe aplikimin e zgjidhjeve AI/ML.
  • CT (MĂ«simi i vazhdueshĂ«m) – njĂ« element i ri [shĂ«nim i autorit: njĂ« element i ri nĂ« krahasim me konceptin tradicional tĂ« DevOps, ku CT zakonisht Ă«shtĂ« MĂ«simi i vazhdueshĂ«m], i pranishĂ«m nĂ« platformat AI/ML, pĂ«rgjegjĂ«s pĂ«r menaxhimin autonom tĂ« mekanizmave tĂ« mĂ«simit dhe aplikimit tĂ« modeleve AI/ML.  »

Ne mund të konstatëm se mësimi i makinerive dhe inteligjenca artificiale, që punojnë me të dhëna në kohë reale, kërkojnë një gamë më të gjerë mjetesh dhe kompetencash (nga zhvillimi i kodit deri te orkestrimi i mjediseve të modelit matematikor), një integrim më të ngushtë midis të gjitha fushave funksionale dhe tematike, dhe një organizim më efektiv të burimeve njerëzore dhe makinerish.

Skema në kohë reale: njohja e zhvillimit të defekteve në pompën ushqyese.

Duke e vazhduar duke përdorur si shembull fushën e menaxhimit të proceseve teknologjike, le të shqyrtojmë një detyrë specifike (e cila është përmendur nga ne në fillim): është e nevojshme të sigurohet në kohë reale monitorimi i zhvillimit të defekteve në pompat bazuar në fluksin e vlerave të parametrave të procesit teknologjik dhe raportet e personelit riparues mbi defektet e identifikuara.

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 2 Formulimi i detyrës për monitorimin e zhvillimit të defekteve

Një veçori e shumicës së detyrave të ngjashme të vendosura në praktikë është se rregullsia dhe shpejtësia e paraqitjes së të dhënave (ASUTP) duhet të shqyrtohen në përmbajtje të episodikës dhe papërsëritshmërisë së shfaqjes (dhe regjistrimit) të defekteve të ndryshme. Me fjalë të tjera: të dhënat nga ASUTP vijnë çdo sekondë të sakta dhe të drejta, ndërsa për defektet bëhen regjistrime me laps kimik me datën e shënuar në një fletore të përgjithshme në punë (p.sh.: "12.01 - rrjedhje në kapak nga ana e 3-të e mbështetjes").

Prandaj, mund të plotësojmë formulimin e detyrës me këtë kufizim të rëndësishëm: "etiketa" e defektit të një lloji të caktuar është vetëm një (dmth. shembulli i defektit të këtij lloji përfaqësohet nga të dhënat nga ASUTP në një datë të caktuar - dhe nuk kemi më shembuj të defektit të këtij lloji). Ky kufizim menjëherë na nxjerr jashtë kornizës së të mësuarit të klasifikuar (supervised learning), për të cilin duhet të ketë shumë "etiketa".

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 3 Sqarimi i detyrës për monitorimin e zhvillimit të defekteve

A mundemi ne si ndonjëherë të "multiplkojmë" "etiketën" që kemi në dispozicion? Po, mundemi. Shtimi i aktuale të pompës karakterizohet nga gradimi i ngjashmërisë me defektet e regjistruara. Edhe pa përdorur metoda quantitative, në nivelin e perceptimit vizual, duke monitoruar dinamikën e vlerave të të dhënave që vijnë nga ASUTP, mund të nxjerrim shumë:

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 4 Dinamika e gjendjes së pompës në sfondin e "etiketës" së defektit të caktuar

Por perceptimi vizual (të paktën për tani) nuk është gjeneratori më i duhur i "etiketave" në skenar të shpejtë që po ndryshon. Ne do të vlerësojmë ngjashmërinë e gjendjes aktuale të pompës me defektet e regjistruara duke përdorur një test statistikor.

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 5 Përdorimi i testit statistik për të dhënat që vijnë në sfondin e "etiketës" së defektit

Testi statistik përcakton probabilitetin që regjistrimet me vlerat e parametrave të procesit teknologjik në "flux-paketin" e marrë nga ASUTP janë të ngjashme me regjistrimet e "etiketës" së defektit të një lloji të caktuar. Vlera e probabilitetit të llogaritur nga aplikimi i testit statistik (indeksi i ngjashmërisë statistikore) konvertohet në një vlerë 0 ose 1, duke u bërë "etiketë" për të mësuarin automatik në çdo regjistrim të veçantë në paketën e analizuar për ngjashmëri. Kështu, pas përpunimit të paketës së re të regjistrimeve të gjendjes së pompës nga testi statistik, kemi mundësinë (a) të shtojmë këtë paketë në mostrën e të mësuarit për të trajnuar modelin AI/ML dhe (b) të kontrollojmë cilësinë e punës së versionit aktual të modelit kur aplikojmë atë mbi këtë paketë.

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 6 Përdorimi i modelit të të mësuarit automatik mbi të dhënat që vijnë në sfondin e "etiketës" së defektit

NĂ« njĂ« nga webinarĂ«t tanĂ« tĂ« mĂ«parshĂ«m ne tregojmĂ« dhe shpjegojmĂ« se si platforma InterSystems IRIS lejon realizimin e çdo mekanizmi AI/ML nĂ« formĂ«n e proceseve tĂ« biznesit qĂ«æ‰§èĄŒnĂ« mĂ«nyrĂ« tĂ« vazhdueshme kontrollin e saktĂ«sisĂ« sĂ« rezultateve tĂ« modelimit dhe adaptojnĂ« parametrat e modeleve. NdĂ«rsa realizojmĂ« prototipin e skenarit tonĂ« me pompat, ne pĂ«rdorim tĂ« gjithĂ« funksionalitetin e paraqitur gjatĂ« webinarit InterSystems IRIS - duke implementuar nĂ« procesin-analizues si pjesĂ« e zgjidhjes sonĂ«, jo tĂ« mĂ«suarit klasifikues tradicionale, por mĂ« tepĂ«r tĂ« mĂ«suarit me mbĂ«shtetje (reinforcement learning), duke menaxhuar automatikisht mostrat pĂ«r tĂ« mĂ«suar modelet. NĂ« mostrat pĂ«r tĂ« mĂ«suar pĂ«rfshihen regjistrime, pĂ«r tĂ« cilat ndodh "konsensusi i detektimit" pas aplikimit dhe testit statistik, si dhe versioni aktual i modelit - dmth. si testi statistik (pas transformimit tĂ« indeksit tĂ« ngjashmĂ«risĂ« nĂ« 0 ose 1), ashtu edhe modeli nxorrĂ«n rezultat 1 mbi kĂ«to regjistrime. GjatĂ« trajnimit tĂ« ri tĂ« modelit, gjatĂ« validimit tĂ« tij (modeli e mĂ«suar rishtazi aplikohet mbi mostrat e vet tĂ« trajnimit, pas aplikimit paraprak tĂ« testit statistik), regjistrimet, qĂ« "nuk e ruajtĂ«n" pas pĂ«rpunimit nga testi statistik rezultatin 1 (pĂ«r shkak tĂ« pranisĂ« sĂ« vazhdueshme nĂ« mostrat e trajnimit tĂ« regjistrimeve nga "etiketa" fillestare e defektit), hiqen nga mostra e tĂ« mĂ«suarit, dhe versioni i ri i modelit mĂ«son mbi "etiketĂ«n" e defektit plus mbi regjistrimet qĂ« "u ruajtĂ«n" nga fluksi. ne adresojmĂ« dhe shpjegojmĂ« si platforma InterSystems IRIS mundĂ«son realizimin e çdo mekanizmi AI/ML nĂ« formĂ«n e proceseve tĂ« biznesit qĂ« ekzekutohen vazhdimisht, duke kontrolluar saktĂ«sinĂ« e rezultateve tĂ« modelimit dhe duke adaptuar parametrat e modeleve. GjatĂ« realizimit tĂ« prototipit tĂ« skenarit tonĂ« me pompat, ne shfrytĂ«zojmĂ« tĂ« gjitha funksionalitetet e paraqitura gjatĂ« webinarit tĂ« InterSystems IRIS - duke implementuar nĂ« analizuesin e procesit nĂ« kuadĂ«r tĂ« zgjidhjes sonĂ«, jo klasiken supervised learning, por mĂ« shumĂ« mĂ«sim tĂ« forcuar (reinforcement learning), e cila automatikisht menaxhon mostrat pĂ«r tĂ« mĂ«suar modelet. NĂ« mostĂ«r pĂ«r mĂ«sim vendosen regjistrime mbi tĂ« cilat ndodh 'konsensusi i detektimit' pas aplikimit tĂ« testit statistik dhe versionit aktual tĂ« modelit - dmth. si testi statistik (pas transformimit tĂ« indeksit tĂ« ngjashmĂ«risĂ« nĂ« 0 ose 1), ashtu edhe modeli jepnin rezultat 1 pĂ«r kĂ«to regjistrime. GjatĂ« mĂ«simit tĂ« ri tĂ« modelit, gjatĂ« validimit tĂ« tij (modeli i rinovuar aplikohet nĂ« mostrat e veta tĂ« mĂ«simit, me aplikimin paraprak tĂ« testit statistik), regjistrimet qĂ« 'nuk arritĂ«n' pas pĂ«rpunimit me testin statistik rezultatin 1 (pĂ«r shkak tĂ« pranisĂ« sĂ« vazhdueshme nĂ« mostrat e mĂ«simit tĂ« regjistrimeve nga 'etiketa' fillestare e defektit), hiqen nga mostra e mĂ«simit dhe versioni i ri i modelit mĂ«son mbi 'etiketĂ«n' e defektit plus mbi regjistrimet e 'mbetura' nga fluksi.

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figur 7 Robotizimi i AI/ML-llogaritjeve në InterSystems IRIS

Në rast se ka nevojë për një lloj "opinioni të dytë" mbi cilësinë e detektimit të marrë nga llogaritjet lokale në InterSystems IRIS, krijohet një proces-këshillues për të kryer trajnimin dhe aplikimin e modeleve në një grup kontrolli të dhënash duke përdorur shërbimet cloud (për shembull Microsoft Azure, Amazon Web Services, Google Cloud Platform etj.):

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figur 8 "Opinioni i dytë" nga Microsoft Azure nën orkestrimin e InterSystems IRIS

Prototipi i skenarit tonë në InterSystems IRIS është realizuar si një sistem agjentësh të proceseve analitike, të cilat ndërveprojnë me objektin e pajisjes (pompa), mjediset e modelimit matematikor (Python, R dhe Julia), dhe sigurojnë vetë-mësimin e të gjithë mekanizmave AI/ML të angazhuar - në rrjedha të të dhënave në kohë reale.

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figur 9 Funksionaliteti kryesor i zgjidhjes AI/ML në kohë reale në InterSystems IRIS

Rezultati praktik i punës së prototipit tonë:

  • Modeli i identifikuar i defektit (12 janar):

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale

  • Modeli i identifikuar i defektit nĂ« zhvillim, i cili nuk ishte pĂ«rfshirĂ« nĂ« mostĂ«r (11 shtator, defekti ishte konstatueshĂ«m nga ekipi i riparimit vetĂ«m pas dy ditĂ«sh – 13 shtator):

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Simulimi mbi të dhëna reale, që përmbanin disa episode të njëjtës defekti, tregoi se zgjidhja jonë e realizuar në platformën InterSystems IRIS mund të identifikojë zhvillimin e defekteve të këtij lloji disa ditë para se ekipi i riparimit t'i zbulojë ato.

InterSystems IRIS – platforma universale pĂ«r llogaritjen AI/ML nĂ« kohĂ« reale

Platforma InterSystems IRIS lehtëson zhvillimin, implementimin dhe funksionimin e zgjidhjeve mbi të dhënat në kohë reale. InterSystems IRIS është në gjendje të kryejë njëherësh përpunimin transaksional dhe analitik të të dhënave; të mbështesë përfaqësime të sinkronizuar të të dhënave sipas disa modeleve (përfshirë modelin relacional, hierarkik, objektiv dhe dokumentar); të shërbejë si një platformë integrimi për një gamë të gjerë burimesh të dhënash dhe aplikacionesh të veçanta; të ofrojë analitikë të avancuar në kohë reale mbi të dhënat e strukturuara dhe jo-strukturuara. InterSystems IRIS gjithashtu ofron mekanizma për aplikimin e mjeteve analitike të jashtme dhe lejon kombinimin fleksibël të vendosjes në cloud dhe në serverat lokalë.

Aplikacionet e ndërtuara në platformën InterSystems IRIS janë implementuar në sektorë të ndryshëm, duke ndihmuar kompanitë të arrijnë një efekt ekonomik të konsiderueshëm në perspektivat strategjike dhe operacionale, duke rritur informacionin për marrjen e vendimeve dhe duke eliminuar "zbrazëtitë" midis ngjarjeve, analizës dhe veprimit.

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figur 10 Arkitektura e InterSystems IRIS në kontekstin e AI/ML në kohë reale

Siç është diagrami i mëparshëm, diagrami më poshtë kombinon një "sistem koordinatash" të ri (CD/CI/CT) me skemën e rrjedhave të informacionit midis elementeve të platformës. Vizualizimi fillon me makromekanizmat CD dhe vazhdon me makromekanizmat CI dhe CT.

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figur 11 Skema e rrjedhave të informacionit midis elementeve AI/ML të platformës InterSystems IRIS

Thelbi i mekanizmit CD nĂ« InterSystems IRIS: pĂ«rdoruesit e platformĂ«s (zhvilluesit e zgjidhjeve AI/ML) adaptiojnĂ« zhvillimet AI/ML ekzistuese dhe/ose krijojnĂ« tĂ« reja duke pĂ«rdorur njĂ« redaktues tĂ« specializuar tĂ« kodit programor pĂ«r mekanizmat AI/ML: Jupyter (emri i plotĂ«: Jupyter Notebook; gjithashtu, pĂ«r shkak tĂ« shkurtĂ«sisĂ«, dokumentet qĂ« krijohen nĂ« kĂ«tĂ« redaktues quhen ndonjĂ«herĂ« po ashtu). NĂ« Jupyter, zhvilluesi ka mundĂ«sinĂ« tĂ« shkruajĂ«, tĂ« depĂ«rtojĂ« dhe tĂ« sigurojĂ« funksionimin (pĂ«rfshirĂ« pĂ«rdorimin e grafikeve) tĂ« njĂ« zhvillimi specifik AI/ML pĂ«rpara se ta vendosĂ« ("implementojĂ«") nĂ« InterSystems IRIS. Kjo Ă«shtĂ« e qartĂ«, zhvillimi i krijuar nĂ« kĂ«tĂ« mĂ«nyrĂ« do tĂ« marrĂ« vetĂ«m depĂ«rtimin themelor (pĂ«r shembull, Jupyter nuk punon me rrjedha tĂ« tĂ« dhĂ«nave nĂ« kohĂ« reale) – kjo Ă«shtĂ« normale, pĂ«r shkak se rezultati kryesor i zhvillimit nĂ« Jupyter bĂ«het konfirmimi i funksionalitetit parimor tĂ« njĂ« mekanizmi tĂ« veçantĂ« AI/ML ("nĂ« mostĂ«r tĂ« dhĂ«nash tregon rezultatin e pritur"). NĂ« mĂ«nyrĂ« tĂ« ngjashme, njĂ« mekanizĂ«m tashmĂ« tĂ« vendosur nĂ« platformĂ« (shih makromekanizmat e ardhshĂ«m) para depĂ«rtimit nĂ« Jupyter mund tĂ« kĂ«rkojĂ« "rrekje" nĂ« formĂ«n e "para-platformave" (leximi i tĂ« dhĂ«nave nga skedarĂ«t, puna me tĂ« dhĂ«nat pĂ«rmes xDBC nĂ« vend tĂ« tabelave, ndĂ«rveprimi direkt me globalĂ«t – matricat shumĂ«-dimensionale tĂ« tĂ« dhĂ«nave InterSystems IRIS – etj.).

Një aspekt i rëndësishëm i implementimit të CD pikërisht në InterSystems IRIS: midis platformës dhe Jupyter është realizuar një integrim dykahësh, i cili lejon transferimin në platformë (dhe më pas, trajtimin në platformë) të përmbajtjes në gjuhët Python, R dhe Julia (të treja janë gjuhë programuese në ambientet kryesore open-source për modelimin matematikor). Kështu, zhvilluesit e përmbajtjes AI/ML kanë mundësinë të realizojnë "implementimin e vazhdueshëm" të kësaj përmbajtjeje në platformë, duke punuar në redaktorin e njohur Jupyter, me bibliotekat e njohura, të disponueshme në Python, R, Julia, dhe duke bërë debug të thjeshtë (nëse është e nevojshme) jashtë platformës.

Le tĂ« kalojmĂ« nĂ« makro-mekanizmin CI nĂ« InterSystems IRIS. NĂ« diagram Ă«shtĂ« paraqitur makroprocesi i punĂ«s "robotizuesit tĂ« kohĂ«s reale" (njĂ« kompleks i struktureve tĂ« dhĂ«nash, proceseve tĂ« biznesit dhe fraksioneve tĂ« kodit tĂ« orkestruara nĂ« gjuhĂ«t e mjedisit matematikor dhe gjuhĂ«n ObjectScript – gjuhĂ« e natyrshme pĂ«r zhvillimin nĂ« InterSystems IRIS). Detyra e kĂ«tij makroprocesi Ă«shtĂ«: tĂ« mbajĂ« nĂ« rregull radhĂ«t e dhĂ«nave tĂ« nevojshme pĂ«r funksionimin e mekanizmave AI/ML (bazuar nĂ« rrjedhat e dhĂ«nash qĂ« i transmetohen platformĂ«s nĂ« kohĂ« reale), tĂ« marrĂ« vendime mbi rendin e aplikimit dhe "asortimentin" e mekanizmave AI/ML (tĂ« cilat quhen edhe "algoritme matematikore", "modele" etj. – mund tĂ« kenĂ« emra tĂ« ndryshĂ«m nĂ« varĂ«si tĂ« realizimit specifik dhe preferencave terminologjike), dhe tĂ« mbajĂ« nĂ« gjendje tĂ« pĂ«rditĂ«suar strukturat e tĂ« dhĂ«nave pĂ«r analizimin e rezultateve tĂ« punĂ«s sĂ« mekanizmave AI/ML (kubet, tabelat, milionshĂ«t multidimensional etj. – pĂ«r raporte, dashboarde etj.).

NjĂ« aspekt i rĂ«ndĂ«sishĂ«m i implementimit CI pikĂ«risht nĂ« InterSystems IRIS: midis platformĂ«s dhe mjediseve tĂ« modelimit matematikor Ă«shtĂ« realizuar njĂ« integrim dykahĂ«sh, i cili lejon ekzekutimin e pĂ«rmbajtjes tĂ« vendosur nĂ« platformĂ« nĂ« gjuhĂ«t Python, R dhe Julia nĂ« mjediset e tyre pĂ«rkatĂ«se me marrjen pĂ«rsĂ«ri tĂ« rezultateve tĂ« ekzekutimit. Ky integrim Ă«shtĂ« realizuar si nĂ« "modalitetin terminal" (dmth. pĂ«rmbajtja AI/ML formulohet si kod nĂ« ObjectScript, i cili bĂ«n thirrje nĂ« mjetet matematike), ashtu edhe nĂ« "modalitetin e procesit tĂ« biznesit" (dmth. pĂ«rmbajtja AI/ML formulohet si proces biznesi pĂ«rmes njĂ« redaktori grafik, ose ndonjĂ«herĂ« pĂ«rmes Jupyter, ose pĂ«rmes IDE – IRIS Studio, Eclipse, Visual Studio Code). DisponueshmĂ«ria e proceseve tĂ« biznesit pĂ«r redaktim nĂ« Jupyter pasqyrohet pĂ«rmes lidhjes midis IRIS nĂ« nivelin CI dhe Jupyter nĂ« nivelin CD. NjĂ« pĂ«rmbledhje mĂ« tĂ« detajuar tĂ« integrimit me mjediset e modelimit matematikor do tĂ« bĂ«het mĂ« tutje. NĂ« kĂ«tĂ« fazĂ«, sipas mendimit tonĂ«, ka arsye tĂ« plota pĂ«r tĂ« konfirmuar se platforma ka tĂ« gjitha mjetet e nevojshme pĂ«r realizimin e "integrimit tĂ« vazhdueshĂ«m" tĂ« zhvillimeve AI/ML (tĂ« ardhura nga "implementimi i vazhdueshĂ«m") nĂ« zgjidhjet AI/ML tĂ« kohĂ«s reale.

Dhe makro-mekanizmi kryesor: CT. Pa tĂ«, nuk do tĂ« ketĂ« platforma AI/ML (pavarĂ«sisht se "koha reale" do tĂ« zbatohet pĂ«rmes CD/CI). Thelbi i CT Ă«shtĂ« puna e platformĂ«s me "artefaktet" e mĂ«simit tĂ« mesin dhe inteligjencĂ«s artificiale direkt nĂ« seancat e punĂ«s tĂ« mjediseve tĂ« modelimit matematikor: modele, tabela shpĂ«rndarjeje, vektorĂ«-matrica, shtresa rrjetesh neuronale etj. Kjo "punĂ«", nĂ« shumicĂ«n e rasteve, pĂ«rbĂ«het nga krijimi i artefakteve tĂ« pĂ«rmendura nĂ« mjediset (nĂ« rastin e modeleve, pĂ«r shembull, "krijimi" pĂ«rbĂ«het nga pĂ«rcaktimi i specifikimit tĂ« modelit dhe ndjekja e vlerave tĂ« parametrave tĂ« tij – e ashtuquajtura "stĂ«rritje" e modelit), aplikimi i tyre (pĂ«r modele: llogaritja e vlerave "model tĂ«" variablave tĂ« synuara – parashikimeve, pĂ«rkatĂ«sisĂ« nĂ« kategori, mundĂ«sisĂ« sĂ« ndodhisĂ« sĂ« njĂ« ngjarjeje etj.) dhe pĂ«rmirĂ«simi i artefakteve tĂ« krijuara dhe tĂ« aplikuara mĂ« parĂ« (pĂ«r shembull, ripĂ«rcaktimi i setit tĂ« variablave hyrĂ«se tĂ« modelit nĂ« bazĂ« tĂ« rezultateve tĂ« aplikimit – me qĂ«llim tĂ« rritjes sĂ« saktĂ«sisĂ« sĂ« parashikimit, si njĂ« opsion). NjĂ« moment kyç nĂ« kuptimin e rolit tĂ« CT Ă«shtĂ« "abstragimi" i tij nga realitetet e CD dhe CI: CT do tĂ« implementojĂ« tĂ« gjitha artefaktet, duke u orientuar nĂ« specifikat llogaritĂ«se dhe matematikore tĂ« zgjidhjes AI/ML brenda mundĂ«sive tĂ« ofruara nga mjediset pĂ«rkatĂ«se. Pesha pĂ«r "sigurimin e tĂ« dhĂ«nave hyrĂ«se" dhe "dorĂ«zimin e rezultateve" do tĂ« bartet nga CD dhe CI.

NjĂ« aspekt i rĂ«ndĂ«sishĂ«m i implementimit tĂ« CT nĂ« InterSystems IRIS Ă«shtĂ« se, duke pĂ«rdorur integrimin me ambientet e modelimit matematikor, platforma ka mundĂ«sinĂ« tĂ« nxjerrĂ« nga seancat e punĂ«s qĂ« zhvillohen nĂ«n menaxhimin e saj nĂ« kĂ«to ambiente, ato artefakte dhe (çka Ă«shtĂ« mĂ« e rĂ«ndĂ«sishme) t'i kthejĂ« ato nĂ« objekte tĂ« dhĂ«nash tĂ« platformĂ«s. PĂ«r shembull, njĂ« tabelĂ« shpĂ«rndarjeje, e cila u krijua para pak çastesh nĂ« seancĂ«n e punĂ«s Python, mund tĂ« transferohet (pa ndaluar seancĂ«n nĂ« Python) nĂ« platformĂ« si njĂ« global (nĂ« njĂ« shumĂ«si tĂ« dhĂ«nash InterSystems IRIS), dhe tĂ« pĂ«rdoret pĂ«r llogaritje nĂ« njĂ« mekanizĂ«m tjetĂ«r tĂ« AI/ML (tĂ« implementuar tashmĂ« nĂ« gjuhĂ«n e njĂ« ambiente tjetĂ«r – pĂ«r shembull, nĂ« R) – ose si njĂ« tabelĂ« virtuale. NjĂ« shembull tjetĂ«r: nĂ« paralel me “reĆŸimin normal” tĂ« punĂ«s sĂ« modelit (nĂ« seancĂ«n e punĂ«s Python), nĂ« tĂ« dhĂ«nat e tij bĂ«het “auto-ML”: pĂ«rzgjedhje automatike e variablave optimalĂ« hyrĂ«s dhe vlerave tĂ« parametrave. Dhe sĂ« bashku me mĂ«simin “normal”, modeli produktiv nĂ« kohĂ« reale merr gjithashtu njĂ« “propozim pĂ«r optimizimin” e specifikimit tĂ« tij – nĂ« tĂ« cilin ndryshon grupi i variablave hyrĂ«s, ndryshojnĂ« vlerat e parametrave (tĂ« cilat tani nuk vijnĂ« nga mĂ«simi nĂ« Python, por rezultat i njĂ« versioni “alternativ” tĂ« vetes sĂ« tij, pĂ«r shembull, nĂ« stakun H2O), duke lejuar qĂ« zgjidhja e pĂ«rgjithshme AI/ML tĂ« pĂ«rballojĂ« nĂ« mĂ«nyrĂ« autonome ndryshimet e papritura nĂ« karakterin e tĂ« dhĂ«nave hyrĂ«se dhe fenomeneve qĂ« modelohen.

Le të njohim më në detaje funksionalitetin AI/ML të platformës InterSystems IRIS, përmes një prototipi të vërtetë.

NĂ« diagramin mĂ« poshtĂ«, nĂ« anĂ«n e majtĂ« tĂ« slajdit – njĂ« pjesĂ« e procesit tĂ« biznesit qĂ« implementon ekzekutimin e skripteve nĂ« Python dhe R. NĂ« pjesĂ«n qendrore – logjet vizuale tĂ« ekzekutimit tĂ« disa prej kĂ«tyre skripteve, pĂ«rkatĂ«sisht, nĂ« Python dhe nĂ« R. MenjĂ«herĂ« pas tyre – shembuj tĂ« pĂ«rmbajtjes nĂ« njĂ« dhe tjetrin gjuhĂ«, tĂ« dĂ«rguara pĂ«r ekzekutim nĂ« ambientet pĂ«rkatĂ«se. NĂ« fund, nĂ« tĂ« djathtĂ« – vizualizime, tĂ« bazuara nĂ« rezultatet e ekzekutimit tĂ« skripteve. Vizualizimet nĂ« majĂ« – janĂ« bĂ«rĂ« nĂ« IRIS Analytics (tĂ« dhĂ«nat janĂ« marrĂ« nga Python nĂ« platformĂ«n e tĂ« dhĂ«nave InterSystems IRIS dhe janĂ« paraqitur nĂ« njĂ« dashboard me mjetet e platformĂ«s), ndĂ«rsa ato nĂ« fund – janĂ« bĂ«rĂ« drejtpĂ«rdrejt nĂ« seancĂ«n e punĂ«s R dhe janĂ« eksportuar nga aty nĂ« skedarĂ« grafikĂ«. NjĂ« aspekt i rĂ«ndĂ«sishĂ«m: fragmenti i paraqitur nĂ« prototip pĂ«rgjigjet pĂ«r mĂ«simin e modelit (klasifikimi i gjendjeve tĂ« pajisjeve) mbi tĂ« dhĂ«nat qĂ« vijnĂ« nĂ« kohĂ« reale nga procesi i simulimit tĂ« pajisjeve, sipas komandĂ«s nga procesi i monitorimit tĂ« cilĂ«sisĂ« sĂ« klasifikimit, i vĂ«zhguar gjatĂ« pĂ«rdorimit tĂ« modelit. Rreth implementimit tĂ« zgjidhjes AI/ML nĂ« formĂ«n e njĂ« grupi procesesh qĂ« ndĂ«rveprojnĂ« (“agjentĂ«â€), do flasim mĂ« tej.

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 12 Ndërveprimi me Python, R dhe Julia në InterSystems IRIS

Proceset platformĂ« (tĂ« njohura gjithashtu si “procese biznesi”, “procese analitike”, “pipeline” etj.– nĂ« varĂ«si tĂ« kontekstit), para sĂ« gjithash, janĂ« tĂ« redaktueshme nĂ« redaktorin grafik tĂ« proceseve tĂ« biznesit nĂ« vetĂ« platformĂ«n, nĂ« mĂ«nyrĂ« qĂ« tĂ« krijohen njĂ«kohĂ«sisht diagrami i tij dhe mekanizmi pĂ«rkatĂ«s AI/ML (kode programimi). Kur flasim pĂ«r faktin se “po krijohet njĂ« mekanizĂ«m AI/ML”, ne fillimisht nĂ«nkuptojmĂ« hibriditetin (nĂ« kuadĂ«r tĂ« njĂ« procesi): pĂ«rmbajtja nĂ« gjuhĂ«t e ambienteve tĂ« modelimit matematikor bashkĂ«jeton me pĂ«rmbajtjen nĂ« SQL (pĂ«rfshirĂ«, me zgjerime nga IntegratedML), nĂ« InterSystems ObjectScript, me gjuhĂ«t e tjera tĂ« mbĂ«shtetura. MĂ« shumĂ« se kaq, procesi i platformĂ«s ofron mundĂ«si tĂ« gjera pĂ«r “vizatimin” nĂ« formĂ«n e fragmenteve hierarkikisht tĂ« ndĂ«rlidhura (siç duket nĂ« shembullin nĂ« diagramin e mĂ«poshtĂ«m), duke lejuar organizimin efektiv edhe tĂ« pĂ«rmbajtjes mjaft komplekse, pa “dalĂ«â€ nga formati grafik (nĂ« metodat/klasat/procedurat “jo grafike” etj.). Pra, nĂ«se Ă«shtĂ« e nevojshme (dhe kjo pritet nĂ« shumicĂ«n e projekteve), gjithçka zgjidhje AI/ML mund tĂ« implementohet nĂ« njĂ« format grafik vetĂ«-dokumentues. Ne vĂ«mĂ« nĂ« dukje se nĂ« pjesĂ«n qendrore tĂ« diagramit mĂ« poshtĂ«, nĂ« tĂ« cilin pĂ«rfaqĂ«sohet njĂ« “nivel mĂ« i lartĂ« i strukture”, duket se pĂ«rveç punĂ«s nĂ« mĂ«simin e modelit (me ndihmĂ«n e Python dhe R), shtohet analiza e ashtuquajturĂ«s kurbĂ« ROC tĂ« modelit tĂ« mĂ«suar, e cila lejon tĂ« vlerĂ«sohet vizualisht (dhe gjithashtu llogarisht) cilĂ«sia e mĂ«simit – dhe ky analizĂ« Ă«shtĂ« realizuar nĂ« gjuhĂ«n Julia (ekzekutohet, pĂ«rkatĂ«sisht, nĂ« ambientin matematikor Julia). Figura 13 Mjedisi vizual i kompozimit tĂ« zgjidhjeve AI/ML nĂ« InterSystems IRIS), nĂ« InterSystems ObjectScript, me gjuhĂ«t e tjera tĂ« mbĂ«shtetura. MĂ« shumĂ«, procesi platformor ofron mundĂ«si tĂ« gjera pĂ«r 'vizatimin' nĂ« formĂ«n e fragmenteve hierakikisht tĂ« ngulitura (siç shihet nĂ« shembullin mĂ« poshtĂ« nĂ« diagramĂ«), gjĂ« qĂ« lejon organizimin efektiv edhe tĂ« pĂ«rmbajtjeve mjaft tĂ« komplikuara, pa dalĂ« asnjĂ«herĂ« nga formati grafik (nĂ« metodat/kategoritĂ«/procedurat e ‘jo-grafik’ etj.). KĂ«shtu, nĂ«se Ă«shtĂ« e nevojshme (dhe pritet tĂ« ndodhĂ« nĂ« shumicĂ«n e projekteve), çdo zgjidhje AI/ML mund tĂ« implementohet nĂ« njĂ« format grafik tĂ« vetĂ«-dokumentuar. VĂ«mendje Ă«shtĂ« se nĂ« pjesĂ«n qendrore tĂ« diagramĂ«s mĂ« poshtĂ«, nĂ« tĂ« cilĂ«n paraqitet njĂ« 'nivel mĂ« i lartĂ« i thellĂ«sisĂ«', shihet se pĂ«rveç punĂ«s pĂ«r mĂ«simin e modelit (me ndihmĂ«n e Python dhe R), shtohet analiza e ashtuquajtur tĂ« kurbĂ«s ROC tĂ« modelit tĂ« mĂ«suar, qĂ« lejon vlerĂ«simin vizual (dhe gjithashtu pĂ«rmes llogaritjeve) tĂ« cilĂ«sisĂ« sĂ« mĂ«simit - dhe kjo analizĂ« Ă«shtĂ« realizuar nĂ« gjuhĂ«n Julia (ekzekutohet, pĂ«rkatĂ«sisht, nĂ« ambientin matematikor Julia).

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 13 Mjedisi vizual i kompozitës së zgjidhjeve AI/ML në InterSystems IRIS

Siç Ă«shtĂ« pĂ«rmendur mĂ« parĂ«, zhvillimi fillestar dhe (nĂ« disa raste) adaptimi i mekanizmave tĂ« implementuar tashmĂ« nĂ« platformĂ« AI/ML do tĂ« kryhet/mund tĂ« kryhet jashtĂ« platformĂ«s nĂ« redaktorin Jupyter. NĂ« diagramin mĂ« poshtĂ« shohim njĂ« shembull tĂ« adaptyrjes sĂ« procesit ekzistues tĂ« platformĂ«s (ato tĂ« njĂ«jtat si nĂ« diagramin mĂ« sipĂ«r) – kĂ«shtu duket nĂ« Jupyter ai fragment qĂ« pĂ«rgjigjet pĂ«r trajnimin e modelit. PĂ«rmbajtja nĂ« gjuhĂ«n Python Ă«shtĂ« e disponueshme pĂ«r redaktim, debuggim dhe grafikĂ« direkt nĂ« Jupyter. Ndryshimet (nĂ« rast nevoje) mund tĂ« bĂ«hen me sinkronizimin e menjĂ«hershĂ«m nĂ« procesin e platformĂ«s, pĂ«rfshirĂ« versionin e saj tĂ« prodhimit. NjĂ«jta gjĂ« mund tĂ« transferohet nĂ« platformĂ« dhe pĂ«rmbajtja e re (formohet automatikisht njĂ« proces i ri i platformĂ«s).

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 14 Përdorimi i Jupyter Notebook për redaktimin e mekanizmit AI/ML në platformën InterSystems IRIS

Adaptimi i procesit të platformës mund të kryhet jo vetëm në formatin grafik ose notebook, por edhe në formatin e 'plotë' IDE (Integrated Development Environment). IDE të tillë janë IRIS Studio (studio nativa IRIS), Visual Studio Code (zgjerimi InterSystems IRIS për VSCode) dhe Eclipse (plugin Atelier). Në disa raste, është e mundur përdorimi i njëkohshëm nga ekipi i zhvilluesve i të tri IDE-ve. Në diagramin më poshtë tregohet një shembull i redaktimit të të njëjtit proces në studio IRIS, në Visual Studio Code dhe në Eclipse. E gjithë përmbajtja është e disponueshme për redaktim: dhe Python/R/Julia/SQL, dhe ObjectScript, dhe procesi i biznesit.

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 15 Zhvillimi i procesit të biznesit InterSystems IRIS në IDE të ndryshme

NjĂ« pĂ«rmendje e veçantĂ« meriton mjete tĂ« pĂ«rshkrimit dhe ekzekutimit tĂ« proceseve tĂ« biznesit InterSystems IRIS nĂ« gjuhĂ«n Business Process Language (BPL). BPL ofron mundĂ«sinĂ« pĂ«r tĂ« pĂ«rdorur nĂ« proceset e biznesit 'komponentĂ« tĂ« gatshĂ«m integrues' (activities) – çka, nĂ« fakt, ofron baza tĂ« plota pĂ«r tĂ« pohuar se nĂ« InterSystems IRIS Ă«shtĂ« realizuar 'integrimi i vazhdueshĂ«m'. KomponentĂ«t e gatshĂ«m tĂ« procesit tĂ« biznesit (aktivitetet dhe lidhjet mes tyre) janĂ« njĂ« pĂ«rshpejtues i fuqishĂ«m pĂ«r ndĂ«rtimin e zgjidhjeve AI/ML. Dhe jo vetĂ«m ndĂ«rtimin: falĂ« aktiviteteve dhe lidhjeve mes tyre, mbi zhvillimet dhe mekanizmat AI/ML tĂ« shkĂ«putura, krijohet njĂ« 'sipĂ«rfaqe menaxhuese autonome', e cila Ă«shtĂ« nĂ« gjendje tĂ« marrĂ« vendime nĂ« pĂ«rputhje me situatĂ«n, nĂ« kohĂ« reale.

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 16 Komponentë të gatshëm të proceseve të biznesit për integrimin e vazhdueshëm (CI) në platformën InterSystems IRIS

Konsiderata e sistemeve agjente (të njohura gjithashtu si 'sisteme multi-agjente') ka pozita të forta në robotizim, dhe platformat InterSystems IRIS e mbështet atë në mënyrë organike përmes konceptit 'produkt-proces'. Përveç mundësive të pakufizuara për 'mbushjen' e çdo procesi me funksionalitetin e nevojshëm për zgjidhjen e përgjithshme, dhënia e pronës 'agjente' sistemit me proceset e platformës lejon krijimin e zgjidhjeve efektive për dukuri jashtëzakonisht të paqëndrueshme (sjellja e sistemeve sociale/biologjike, procese teknologjike pjesërisht të vëzhguara etj.).

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 17 Funksionimi i zgjidhjes AI/ML si një sistem agjenti me procese të biznesit në InterSystems IRIS

Ne vazhdojmĂ« shqyrtimin tonĂ« tĂ« InterSystems IRIS me njĂ« tregim mbi pĂ«rdorimin praktik tĂ« platformĂ«s pĂ«r zgjidhjen e klasave tĂ« tĂ«ra tĂ« detyrave nĂ« kohĂ« reale (njĂ« njohje mjaft tĂ« detajuar me disa praktika mĂ« tĂ« mira tĂ« AI/ML tĂ« platformĂ«s nĂ« InterSystems IRIS ndodh nĂ« njĂ« nga tĂ« kaluarat tona ne tregojmĂ« dhe shpjegojmĂ« se si platforma InterSystems IRIS lejon realizimin e çdo mekanizmi AI/ML nĂ« formĂ«n e proceseve tĂ« biznesit qĂ«æ‰§èĄŒnĂ« mĂ«nyrĂ« tĂ« vazhdueshme kontrollin e saktĂ«sisĂ« sĂ« rezultateve tĂ« modelimit dhe adaptojnĂ« parametrat e modeleve. NdĂ«rsa realizojmĂ« prototipin e skenarit tonĂ« me pompat, ne pĂ«rdorim tĂ« gjithĂ« funksionalitetin e paraqitur gjatĂ« webinarit InterSystems IRIS - duke implementuar nĂ« procesin-analizues si pjesĂ« e zgjidhjes sonĂ«, jo tĂ« mĂ«suarit klasifikues tradicionale, por mĂ« tepĂ«r tĂ« mĂ«suarit me mbĂ«shtetje (reinforcement learning), duke menaxhuar automatikisht mostrat pĂ«r tĂ« mĂ«suar modelet. NĂ« mostrat pĂ«r tĂ« mĂ«suar pĂ«rfshihen regjistrime, pĂ«r tĂ« cilat ndodh "konsensusi i detektimit" pas aplikimit dhe testit statistik, si dhe versioni aktual i modelit - dmth. si testi statistik (pas transformimit tĂ« indeksit tĂ« ngjashmĂ«risĂ« nĂ« 0 ose 1), ashtu edhe modeli nxorrĂ«n rezultat 1 mbi kĂ«to regjistrime. GjatĂ« trajnimit tĂ« ri tĂ« modelit, gjatĂ« validimit tĂ« tij (modeli e mĂ«suar rishtazi aplikohet mbi mostrat e vet tĂ« trajnimit, pas aplikimit paraprak tĂ« testit statistik), regjistrimet, qĂ« "nuk e ruajtĂ«n" pas pĂ«rpunimit nga testi statistik rezultatin 1 (pĂ«r shkak tĂ« pranisĂ« sĂ« vazhdueshme nĂ« mostrat e trajnimit tĂ« regjistrimeve nga "etiketa" fillestare e defektit), hiqen nga mostra e tĂ« mĂ«suarit, dhe versioni i ri i modelit mĂ«son mbi "etiketĂ«n" e defektit plus mbi regjistrimet qĂ« "u ruajtĂ«n" nga fluksi.).

Pas diagramit tĂ« mĂ«parshĂ«m, mĂ« poshtĂ« Ă«shtĂ« njĂ« diagram mĂ« i detajuar i sistemit agjent. NĂ« diagram tregohet i njĂ«jti prototip, dukshĂ«m janĂ« tĂ« katĂ«r proceset-agjentĂ«, pĂ«rshkruhen shkurtimisht marrĂ«dhĂ«niet mes tyre: GENERATOR – merr tĂ« dhĂ«na nga sensorĂ«t e pajisjeve, BUFFER – menaxhon kuotat e tĂ« dhĂ«nave, ANALYZER – kryen mĂ«simin e makinĂ«s, MONITOR – kontrollon cilĂ«sinĂ« e mĂ«simit tĂ« makinĂ«s dhe jep sinjal pĂ«r nevojĂ«n e ritrainimit tĂ« modelit.

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 18 Kompozita e zgjidhjes AI/ML si një sistem agjenti me procese të biznesit në InterSystems IRIS

NĂ« diagramin mĂ« poshtĂ« ilustrohet funksionimi autonom i njĂ« prototipi tĂ« tjetĂ«r robotik (njohja e ngjyrosjes emocionale tĂ« teksteve) gjatĂ« njĂ« periudhe tĂ« caktuar kohe. NĂ« pjesĂ«n e sipĂ«rme – evolucioni i treguesit tĂ« cilĂ«sisĂ« sĂ« mĂ«simit tĂ« modelit (cilĂ«sia rritet), nĂ« pjesĂ«n e poshtme – dinamika e treguesit tĂ« cilĂ«sisĂ« sĂ« pĂ«rdorimit tĂ« modelit dhe faktet e ritrainimit (shiritat e kuq). Siç mund tĂ« shihet, zgjidhja Ă«shtĂ« efektive dhe autonome vetĂ«ambelohet dhe punon nĂ« nivelin e caktuar tĂ« cilĂ«sisĂ« (vlerat e treguesit tĂ« cilĂ«sisĂ« nuk bien poshtĂ« 80%).

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 19 Mësimi i vazhdueshëm (vetëm) në platformën InterSystems IRIS

Kemi përmendur më parë "auto-ML", por në diagramin e mëposhtëm përdorimi i këtij funksionaliteti tregohet me detaje për një prototip tjetër. Në skemën grafike të një fragmenti të procesit të biznesit shfaqet aktiviteti që ndihmon në modelimin e ndodhur në stekën H2O, si dhe rezultatet e këtij modelimi (domnimin e qartë të modelit të marrë mbi modelet "të prodhuara", sipas diagramit krahasues të ROC-kurve, dhe gjithashtu identifikimin automatizuar të "variablave më ndikues" nga të dhënat e disponueshme në grupin fillestar). Një aspekt i rëndësishëm këtu është ajo kursim kohe dhe resursesh ekspertësh që arrihet përmes "auto-ML": ajo që procesi ynë në platformë e bën për një minutë (gjetja dhe trajnimi i modelit optimal), mund të marrë nga një ekspert nga një javë deri në një muaj.

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 19 Integrimi i "auto-ML" në zgjidhjen AI/ML në platformën InterSystems IRIS

Diagrami mĂ« poshtĂ« disi "bĂ«n tĂ« zbehet kulmin", por Ă«shtĂ« njĂ« opsion i mirĂ« pĂ«r pĂ«rfundimin e tregimit rreth klasave tĂ« problemeve qĂ« zgjidhen nĂ« kohĂ« reale: ne kujtojmĂ« se, pavarĂ«sisht tĂ« gjitha mundĂ«sive qĂ« ofron platforma InterSystems IRIS, trajnimet e modeleve nĂ«n menaxhimin e saj nuk janĂ« tĂ« detyrueshme. Platforma mund tĂ« marrĂ« nga jashtĂ« njĂ« specifikim PMML tĂ« modelit, tĂ« trajnuar nĂ« njĂ« mjet qĂ« nuk ndodhet nĂ«n menaxhimin e platformĂ«s – dhe ta aplikojĂ« kĂ«tĂ« model nĂ« kohĂ« reale qĂ« nga momenti i importimit tĂ« tij. specifikimet PMML. NĂ« tĂ« njĂ«jtĂ«n kohĂ«, Ă«shtĂ« e rĂ«ndĂ«sishme tĂ« kemi parasysh se jo tĂ« gjitha artefaktet AI/ML mund tĂ« reduktohen nĂ« specifikimin PMML, edhe pse shumica e artefakteve mĂ« tĂ« zakonshme e lejojnĂ« kĂ«tĂ«. KĂ«shtu, platforma InterSystems IRIS ka njĂ« "kontur tĂ« hapur" dhe nuk do tĂ« thotĂ« "skllavĂ«ri platforme" pĂ«r pĂ«rdoruesit.

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 20 Integrimi i "auto-ML" në zgjidhjen AI/ML në platformën InterSystems IRIS

Le të rendisim avantazhet shtesë të platformës InterSystems IRIS (për qartësi, në lidhje me menaxhimin e proceseve teknologjike), që kanë rëndësi të madhe në automatizimin e inteligjencës artificiale dhe të mësimit të makinerive në kohë reale:

  • Mjetet e avancuara tĂ« integrimit me çdo burim dhe konsumator tĂ« dhĂ«nash (ASUTP/SCADA, pajisje, TOT, ERP dhe tĂ« tjera)
  • I integruar Sistemi menaxherial multimodel pĂ«r pĂ«rpunim tĂ« pĂ«rshpejtuar transaksional-analitik (Hybrid Transaction/Analytical Processing, HTAP) tĂ« çdo sasi tĂ« dhĂ«nash tĂ« proceseve teknologjike
  • Mjetet e zhvillimit pĂ«r shpĂ«rndarjen e vazhdueshme tĂ« mekanizmave AI/ML pĂ«r zgjidhjet nĂ« kohĂ« reale me bazĂ« Python, R, Julia
  • Proceset e biznesit adaptiv pĂ«r integrim tĂ« vazhdueshĂ«m dhe (vetĂ«) mĂ«sim tĂ« mekanizmave tĂ« zgjidhjeve AI/ML nĂ« kohĂ« reale
  • Mjetet e integruara tĂ« Business Intelligence pĂ«r vizualizimin e tĂ« dhĂ«nave tĂ« proceseve teknologjike dhe rezultateve tĂ« punĂ«s sĂ« zgjidhjes AI/ML
  • Menaxhimi i API pĂ«r ofrimin e rezultateve tĂ« punĂ«s sĂ« zgjidhjes AI/ML nĂ« ASUTP/SCADA, sistemet e informacionit dhe analizĂ«s, shpĂ«rndarjen e njoftimeve dhe tĂ« tjera.

Zgjidhjet AI/ML në platformën InterSystems IRIS përshtaten lehtësisht në infrastrukturën ekzistuese IT. Platforma InterSystems IRIS siguron një besueshmëri të lartë për zgjidhjet AI/ML përmes mbështetjes për konfigurime të qëndrueshme dhe të qëndrueshme në fatkeqësi dhe përhapje të përbashkët në mjedise virtuale, në serverë fizikë, në re private dhe publike, kontejnerë Docker.

Ashtu, InterSystems IRIS është një platformë universale për llogaritjet AI/ML në kohë reale. Universialiteti i platformës tonë konfirmohet në praktikë nga mungesa e kufizimeve de facto në kompleksitetin e llogaritjeve të zbatuara, duke e bërë të mundur që InterSystems IRIS të kombinon (në kohë reale) përpunimin e skenarëve nga sektorë të ndryshëm, dhe me një adaptueshmëri të jashtëzakonshme të çdo funksionaliteti dhe mekanizmi të platformës për nevojat specifike të përdoruesve.

InterSystems IRIS – platforma universale AI/ML nĂ« kohĂ« reale
Figura 21 InterSystems IRIS — platforma universale pĂ«r llogaritjet AI/ML nĂ« kohĂ« reale

PĂ«r njĂ« bashkĂ«punim mĂ« konkret me ata nga lexuesit tanĂ« qĂ« janĂ« tĂ« interesuar nĂ« materialin e paraqitur kĂ«tu, ne rekomandojmĂ« tĂ« mos kufizohemi nĂ« leximin e tij dhe tĂ« vazhdojmĂ« dialogun "nĂ« jetĂ«". Ne do tĂ« ofrojmĂ« me kĂ«naqĂ«si mbĂ«shtetje nĂ« formimin e skenarĂ«ve AI/ML nĂ« kohĂ« reale nĂ« pĂ«rputhje me specifikĂ«n e kompanisĂ« suaj, do tĂ« realizojmĂ« prototipimin e pĂ«rbashkĂ«t nĂ« platformĂ«n InterSystems IRIS, do tĂ« formojmĂ« dhe zbatojmĂ« nĂ« praktikĂ« njĂ« hartĂ« rrugore pĂ«r implementimin e inteligjencĂ«s artificiale dhe mĂ«simit tĂ« makinerive nĂ« proceset tuaja prodhuese dhe menaxheriale. Adresa e kontaktit e grupit tonĂ« ekspert tĂ« AI/ML – MLToolkit@intersystems.com.

Burimi: habr.com

Bleni hostim tĂ« besueshĂ«m pĂ«r faqe me mbrojtje nga DDoS, serverĂ« VPS VDS đŸ”„ Bleni hostim tĂ« besueshĂ«m pĂ«r faqe me mbrojtje nga DDoS, serverĂ« VPS VDS | ProHoster