Comet.ml muốn thay đổi cách chúng ta tương tác với máy học

Một doanh nghiệp đang tìm cách sử dụng máy học (ML) cần nhiều hơn các thiết bị thông minh và các luồng dữ liệu. Về cốt lõi, ML xoay quanh hai bán cầu: mô hình và thuật toán ML ở một bên và bộ dữ liệu được quản lý phù hợp ở bên kia. Mặc dù cả hai đều đòi hỏi chuyên môn để tạo ra, nhưng trước đây chỉ có một sự gia tăng đáng kể thông qua Comet.ml, một dịch vụ được ra mắt vào đầu tháng này với các công cụ cho phép các nhà khoa học và nhà phát triển dữ liệu theo dõi mã và chia sẻ mô hình ML của họ hiệu quả hơn. Công ty cho biết họ đang trả lời những gì họ thấy là nhu cầu ngày càng tăng đối với các công cụ ML hiệu quả và có thể sử dụng hơn. Dịch vụ này là một phần của một lĩnh vực dịch vụ tiện lợi đang phát triển nhằm tìm cách cho phép nhiều người truy cập, sử dụng và tìm hiểu về ML.

Kết nối GitHub

Mặc dù chưa đầy một tháng tuổi, việc mô tả Comet.ml là "GitHub của ML" có thể không phù hợp. Nếu bạn không quen thuộc với GitHub, thì đó là dịch vụ lưu trữ kho lưu trữ nơi các nhà phát triển lưu trữ và chia sẻ mã của họ. Trong các dự án có nhiều nhà phát triển làm việc trên cùng một cơ sở mã, các kho lưu trữ như GitHub đóng một mã quan trọng trong việc tổ chức quy trình công việc và duy trì kiểm soát phiên bản. Mặc dù khái niệm về kho lưu trữ mã không phải là mới, GitHub đã mở ra một thế giới hoàn toàn mới cho cộng đồng phát triển bằng cách tạo giao diện người dùng (UI) vượt xa các khả năng mã hóa theo định hướng dự án và thêm giao diện người dùng trực quan cũng như xã hội các công cụ cho phép GitHub nói chuyện với người dùng và thậm chí cả cộng đồng. Cho dù bạn muốn mã của mình được các nhà phát triển khác xem xét, tìm các ứng dụng mới và thú vị hoặc chỉ tò mò về những gì các kỹ sư hàng đầu của thế giới đang làm việc, GitHub đã trở thành một trong những nơi phổ biến nhất để bắt kịp những gì cộng đồng phát triển đang làm.

Với loại sơ yếu lý lịch đó, muốn trở thành GitHub của bất cứ điều gì có vẻ cực kỳ tham vọng, nhưng những người sáng lập của Comet.ml tự tin. Comet.ml hoạt động theo cách tương tự như dịch vụ GitHub phổ biến. Chỉ cần tạo một tài khoản miễn phí trên trang web Comet.ml, chọn thư viện ML ưa thích của bạn (Comet.ml hiện hỗ trợ Java, Pytorch, TensorFlow và một số thư viện phổ biến nhất) và bạn có thể truy cập và đang chạy xây dựng và thử nghiệm Các mô hình ML gần như ngay lập tức và có thể dễ dàng hơn nhiều so với thời điểm này. Điều này là do Comet.ml cũng theo dõi tất cả các thay đổi mà nhóm thực hiện đối với kho lưu trữ trên trang web. Nó cung cấp tối ưu hóa mô hình tự động và thậm chí bạn có thể tích hợp công việc Comet.ml của mình với GitHub cho các dự án lớn hơn.

GitHub cũng lưu trữ các mô hình ML nhưng Comet.ml được thiết kế với các nhu cầu duy nhất về ML. Thông qua một loại thuật toán được gọi là "Tối ưu hóa siêu tham số" của Bayes, dịch vụ sẽ điều chỉnh các mô hình của bạn bằng cách thay đổi siêu âm của các thử nghiệm của bạn. Nếu bạn là một người đam mê dữ liệu thực sự, thì sẽ có một lời giải thích kỹ lưỡng hơn về điều này trên trang web của công ty. Tinh chỉnh mô hình bằng tay có thể mất một thời gian dài vô cùng. Nếu thuật toán này hoạt động tốt như Comet.ml nói, thì nó chắc chắn có thể nhận được sự chú ý của cộng đồng khoa học dữ liệu. Giống như GitHub, một tài khoản với các kho lưu trữ công khai hoàn toàn miễn phí, với các kho riêng bắt đầu ở mức 49 đô la mỗi người dùng mỗi tháng.

Sự cần thiết của một cái gì đó đơn giản

Gideon Mendels, đồng sáng lập và CEO của Comet.ml, là một cái gì đó của một cựu chiến binh ML. Ông đã làm việc trong nghiên cứu cho Đại học Columbia và tại Google. Trong suốt sự nghiệp của mình, anh đã đấu tranh để tìm ra một cách hiệu quả để kiểm tra và chia sẻ các mô hình ML.

"Trước đây tôi đã làm việc tại một công ty được gọi là GroupWize và chúng tôi đã có khoảng 15 mô hình học máy trong sản xuất, "Mendels nói." Không thể theo dõi tất cả các thay đổi trong chúng. Vì vậy, chúng tôi thực sự bắt đầu xây dựng Sao chổi trong nội bộ như một homebrew giải pháp cho nỗi đau của chúng tôi. "

Từ đó, Mendels và các thành viên khác trong nhóm quyết định tập trung xây dựng Comet.ml theo cách riêng của mình. Đối với Mendels, giá trị của Comet.ml không chỉ là thực tế là các mô hình ML có thể được lưu trữ trong đám mây; đó là về việc làm cho nó dễ dàng hơn để thử nghiệm mã đó. Mendels cũng nhanh chóng gạt bỏ quan niệm rằng dịch vụ của anh ta đang cố gắng cạnh tranh với GitHub. Rốt cuộc, nó tích hợp với dịch vụ và người dùng có thể đăng ký bằng thông tin đăng nhập GitHub của họ. Đối với Mendels, đó thực sự là về việc trả lời một làn sóng dân chủ hóa dữ liệu đang phát triển với chức năng tốt hơn.

"Nó kết nối với một điểm lớn hơn về việc rất nhiều công ty bắt đầu làm ML và khoa học dữ liệu", Mendels nói. "Với GitHub, bạn có thể lưu trữ mã, nhưng với ML, mã chỉ là một mảnh của câu đố. Dữ liệu nào được sử dụng để phù hợp với mã đó? "Mendels nói rằng các tính năng điều chỉnh tự động sẽ giúp Comet.ml tự đứng vững.

Sân chơi máy học

Comet.ml chỉ là một trong một số dịch vụ nhằm thay đổi cách chúng ta tương tác với ML. Microsoft, công ty đã rất tích cực trong không gian, đã ra mắt Máy tính xách tay Azure vài năm trước. Mặc dù công ty giới thiệu nó giống như một công cụ giáo dục hơn Comet.ml, nhưng nó cũng được thiết kế để cho phép bạn chơi xung quanh với các mô hình ML trên đám mây.

Ngoài ra còn có một làn sóng các thị trường ML có sẵn cung cấp các mô hình hoàn chỉnh, sẵn sàng cho cả doanh nghiệp vừa và nhỏ (SMB) và doanh nghiệp. Thuật toán là một Thị trường trí tuệ nhân tạo (AI) cung cấp, trong số những thứ khác, các mô hình ML mà bạn có thể mua và sử dụng trong các ứng dụng của riêng mình thông qua lệnh gọi giao diện lập trình ứng dụng (API). Bạn không có kỹ năng hoặc thời gian để xây dựng mô hình phân tích cú pháp? Sau đó, sử dụng Parsey McPudeface với mức giá thấp là 28, 54 đô la cho 10.000 cuộc gọi API. Mô hình ít được đặt tên sáng tạo trên, bật thị trường bao gồm những thuật toán nhận dạng khuôn mặt, phân cụm phổ cho dữ liệu địa lý và trích xuất văn bản.

Nếu bạn không phải là nhà khoa học dữ liệu, thì bạn có thể nghĩ rằng các dịch vụ này không thể áp dụng cho bạn và tổ chức của bạn. Nhưng các doanh nghiệp thuộc mọi quy mô đang công bố hỗ trợ và sử dụng các giải pháp AI chưa từng có và ML là một phần quan trọng trong đó. Những triển khai này đang mở rộng phạm vi từ các dự án rộng lớn, sâu rộng đến những dự án được nhắm mục tiêu đến mức bạn ngạc nhiên khi thấy ML là một phần của công thức.

Là một ví dụ về một dự án được nhắm mục tiêu, WineStein là một dịch vụ sommelier kỹ thuật số sử dụng các mô hình ML để ghép rượu với các loại thực phẩm khác nhau. Ví dụ triển khai rộng hơn công nghệ tài chính (fintech) , công nghệ chăm sóc sức khỏe và thậm chí cả chatbot nơi AI và ML đã thay đổi cách hầu hết mọi doanh nghiệp tiếp cận dịch vụ khách hàng và hoạt động trợ giúp. Cơ sở người dùng cho AI và ML đang phát triển nhanh chóng và sẽ không khiến doanh nghiệp nào bị ảnh hưởng, điều này làm cho tương lai trở thành một nơi tươi sáng cho những người mới chơi như Comet.ml.