لا يزال وعد الذكاء الاصطناعي هائلاً – لكن هناك شيء واحد قد يعيقه. “إن البنية التحتية التي لا تحافظ على POLERS AI اليوم مطالب الغد” ، يقود مقال CIO.com الأخير. “يجب أن تعيد CIOS التفكير في كيفية توسيع نطاق ذكاء – وليس فقط أكبر – أو تخاطر بالتخلف”.
يوافق AtratedB – وتراهن شركة قاعدة البيانات على حل المشكلة من خلال “طبقة بيانات موحدة للتحليلات والبحث و AI.”
“التحدي هو أن معظم أنظمة تكنولوجيا المعلومات تعتمد ، أو تم بناؤها ، حول خط أنابيب الدُفعات أو خط أنابيب غير متزامن ، والآن تحتاج إلى تقليل الوقت بين الإنتاج واستهلاك البيانات” ، يوضح ستيفان كاستيلاني ، SVP Marketing. “AtratedB مناسب جدًا لأنه يمكن أن يمنحك نظرة ثاقبة للبيانات الصحيحة مع حجم كبير وتعقيد التنسيقات في غضون ميلي ثانية.”
يلاحظ منشور المدونة العملية المكونة من أربع خطوات لـ AtratedB لتكون بمثابة “النسيج الضام بين البيانات التشغيلية وأنظمة الذكاء الاصطناعي” ؛ من الابتلاع ، إلى التجميع والبصيرة في الوقت الفعلي ، إلى خدمة البيانات إلى خطوط أنابيب الذكاء الاصطناعي ، إلى تمكين حلقات التغذية المرتدة بين النماذج والبيانات. سرعة وتنوع البيانات هي المفتاح ؛ يلاحظ Castellani تقليل أوقات الاستعلام من دقائق إلى ميلي ثانية. في التصنيع ، يمكن جمع القياس عن بعد من الآلات في الوقت الفعلي ، مما يتيح التعلم بشكل أكبر لنماذج الصيانة التنبؤية.
هناك فائدة أخرى ، كما يوضح Castellani. يقول: “يستخدم البعض أيضًا AtratedB في المصنع للحصول على مساعدة المعرفة”. “إذا حدث خطأ ما ، لديك رسالة خطأ محددة تظهر على جهازك وتقول” أنا لست خبيراً في هذا الجهاز ، فماذا يعني ذلك وكيف يمكنني إصلاحه؟ “، (أنت) يمكن أن تسأل مساعد المعرفة ، ويعتمد أيضًا على CARTEB كقاعدة بيانات ناقلات ، للوصول إلى المعلومات ، وسحب الإرشادات الصحيحة والمناسبة إلى الوقت الحقيقي.”
الذكاء الاصطناعى ، ومع ذلك ، لا يقف لا لفترة طويلة. “لا نعرف كيف سيبدو () في غضون بضعة أشهر ، أو حتى بضعة أسابيع” ، كما يلاحظ Castellani. تتطلع المنظمات إلى التحرك نحو سير عمل AIC AICLEST بالكامل مع استقلالية أكبر ، ولكن وفقًا لبحوث الاستخبارات في Pyments الأخيرة ، فإن التصنيع – كجزء من صناعة السلع والخدمات الأوسع – متخلفة. عقدت ArratedB شراكة مع Tech Mahindra على هذه الجبهة للمساعدة في توفير حلول AIC AI للسيارات والتصنيع والمصانع الذكية.
يلاحظ Castellani الإثارة حول بروتوكول سياق النموذج (MCP) ، والذي يعين كيفية توفير التطبيقات سياقًا لنماذج اللغة الكبيرة (LLMS). يشبهها إلى الاتجاه حول APIs Enterprise قبل 12 عامًا. يعمل خادم MCP الخاص بـ AtratedB ، والذي لا يزال في المرحلة التجريبية ، كجسر بين أدوات الذكاء الاصطناعي وقاعدة بيانات التحليلات. “عندما نتحدث عن MCP ، فإن هذا النهج نفسه (مثل واجهات برمجة التطبيقات) ولكن بالنسبة إلى LLMS” ، يوضح.
Tech Mahindra هي مجرد واحدة من الشراكات الرئيسية التي تمضي قدما في CratedB. “نحن نستمر في التركيز على أساسياتنا” ، يضيف Castellani. “الأداء ، قابلية التوسع … الاستثمار في قدرتنا على استيعاب البيانات من مصادر المزيد والمزيد من البيانات ، ودائما الحد الأدنى (جي) الكمون ، سواء على جانب (الاستعلام والاستعلام”.
سيتحدث ستيفان كاستيلاني في AI & Big Data Expo Europe حول موضوع جلب الذكاء الاصطناعى إلى البيانات في الوقت الفعلي-Text2SQL و RAT و TAG مع CratedBو IoT Tech Expo Europe حول موضوع عمليات إنترنت الأشياء الأكثر ذكاءً: تحليلات مزرعة الرياح في الوقت الحقيقي والتشخيصات التي تحركها الذكاء الاصطناعي. يمكنك مشاهدة المقابلة الكاملة مع ستيفان أدناه: