Acquérir une exposition sur le fonctionnement d’un modèle d’apprentissage automatique (ML) est un élément important pour garantir l’efficacité et le succès des efforts de système expert (IA) au sein de toute organisation.
Fondé en 2020, Arize AI vise à offrir une observabilité ML. Sa plate-forme fournit un aperçu des problèmes typiques tels que la prédisposition, l’intégrité des données et la dérive des données, qui peuvent tous potentiellement entraîner des prédictions inexactes. L’errance des informations, en particulier, est une préoccupation importante et pourrait bien avoir été à l’origine de divers échecs de ML très médiatisés ces dernières années, dont un chez Equifax.
Le besoin d’observabilité du ML a également alimenté le besoin d’innovation d’Arize AI, l’entreprise ayant levé 38 millions de dollars lors d’un cycle de financement de série B précédemment ce mois. Arize cherche à accélérer davantage son développement et sa portée, en révélant aujourd’hui la disponibilité de sa plate-forme sur Google Cloud Marketplace.
« Chaque entreprise achète de l’IA et a besoin d’outils et d’infrastructures pour intégrer des modèles le monde réel », a déclaré Aparna Dhinakaran, cofondatrice et CPO chez Arize, à VentureBeat. « Google a une plate-forme incroyable avec Vertex AI et nous sommes un service très complémentaire car Arize AI se concentre sur l’observabilité. »
Arize et Google sont à peine de parfaits inconnus
L’accessibilité sur Google n’est pas un grand pas en avant pour Arize, car l’entreprise exécute actuellement sa technologie sur la plate-forme Google Kubernetes Engine (GKE). GKE est un service géré géré par Google pour l’exécution de Kubernetes, qui est un système d’orchestration de conteneurs largement déployé.
« J’ai su très tôt que nous allions être tout à fait sur Kubernetes pour diverses raisons , et je savais que je ne voulais pas gérer un cluster Kubernetes », a déclaré Michael Schiff, ingénieur fondateur et concepteur en chef chez Arize, à VentureBeat. « Je dirais que GKE a en fait été l’un des principaux points qui nous a permis de passer du jour zéro à une série B sans ce que vous appelleriez un groupe d’opérations ou d’infrastructure standard. »
Dhinakaran a ajouté que avec GKE comme base, Arize a en fait eu la capacité de prendre en charge sa clientèle croissante, ce qui a en fait impliqué la diffusion en continu de milliards de points d’information de raisonnement d’IA dans le système d’observabilité. Elle a noté que son entreprise a de gros clients, comme Instacart et Etsy, qui ont besoin d’une grande échelle, qu’Arize a pu prendre en charge, en partie grâce à l’infrastructure fournie par GKE.
En ce qui concerne la raison pour laquelle Arize vient d’entrer Google Market maintenant, étant donné que l’entreprise elle-même dépend actuellement des installations de Google, la réponse dépend du moment et des besoins. Arize a lancé son offre en libre-service en mars de cette année. Dhinakaran a déclaré que jusqu’à présent, les utilisateurs se sont en fait simplement rendus sur le site Arize et ont commencé à utiliser l’offre de logiciel en tant que service (SaaS) de l’entreprise, en s’inscrivant directement via Arize.
Dhinakaran a noté que ces derniers mois, elle a eu un nombre croissant d’utilisateurs qui utilisaient également la plate-forme Vertex AI MLops de Google et demandaient des combinaisons. Vertex AI fonctionne également sur GKE. En rendant Arize disponible sur le Google Market, les utilisateurs peuvent désormais démarrer plus rapidement directement dans Google, avec une intégration plus étroite dans Vertex AI, en plus d’autres services Google Cloud.
L’intersection de Vertex AI, ML et l’observabilité de l’infrastructure
Pour Drew Bradstock, directeur de la gestion des éléments de Google Kubernetes Engine, avoir Arize sur le marché Google est un avantage net.
« Vertex fonctionne réellement sur GKE, donc Arize pour exactement la même raison, qui est la capacité d’exécuter des travaux à grande échelle avec très peu de personnel informatique », a déclaré Bradstock à VentureBeat.
Arize offre un niveau d’observabilité beaucoup plus profond et différent de la façon dont une charge de travail s’exécute que ce qu’un utilisateur pourrait obtenir simplement en exécutant GKE, ou Vertex AI, par lui-même. Dhinakaran a déclaré qu’il existe des distinctions entre la capacité de suivre et d’observer les installations qui exécutent ML et la capacité d’observer comment les modèles ML eux-mêmes fonctionnent en fait.
L’observabilité ML est également différente du domaine de la gestion de l’efficacité des applications (APM).
Dhinakaran a expliqué que lors de la correction d’une conception ML, ce n’est pas simplement si la conception est rapide ou lente en raison aux installations. Elle a déclaré que ce qui est souvent encore plus important, c’est la façon dont un modèle a été construit, les informations sur lesquelles la conception a été formée, la façon dont ses paramètres sont configurés et une foule d’autres problèmes spécifiques au ML.
« Nous souhaitons faire il est simple pour les ingénieurs ML de pouvoir résoudre les problèmes de conception lorsque l’IA ne fonctionne pas dans le monde réel », a-t-elle déclaré.
La mission de VentureBeat est d’être un place de la ville numérique pour les décideurs techniques afin d’acquérir des connaissances sur l’innovation et les transactions d’entreprise transformatrices. Découvrez nos Instructions.
.
Toute l’actualité en temps réel, est sur L’Entrepreneur