واحدة من أكثر منصات تطوير التعلم الآلي والذكاء الاصطناعي إنتاجًا ، الأوزان والتحيزات حصل على شريحة جديدة من النقد من المدير التنفيذي السابق لشركة GitHub نات فريدمان وشريك Y Combinator السابق Daniel Gross.
قام فريدمان وجروس ، جنبًا إلى جنب مع المستثمرين الحاليين ، كوتوي ، إنسايت بارتنرز ، فيليسيس ، بوند ، بلومبيرجبيتا ، وسافاير ، باستثمار 50 مليون دولار في Weights & Biases في جولة إستراتيجية تقدر الشركة بمبلغ 1.25 مليار دولار. وبذلك يصل إجمالي حجم الشركة الناشئة إلى 250 مليون دولار ، يأتي الاستثمار في الوقت الذي تستعد فيه Weights & Biases لإطلاق Prompts ، وهو منتج جديد مصمم لمساعدة المستخدمين على مراقبة وتقييم أداء نماذج اللغات الكبيرة (LLMs) على غرار OpenAI’s GPT-4.
الاستثمار الذي تبلغ قيمته 50 مليون دولار هو أصغر بكثير من الحجم السابق لـ Weights & Biases ، السلسلة C ، التي بلغت حوالي 135 مليون دولار. لكن لافانيا شوكلا ، نائب رئيس النمو في Weights & Biases ، وصفها بأنها انتهازية.
قالت لـ TechCrunch في مقابلة عبر البريد الإلكتروني: “نعتقد أن منح الموظفين أدوات التعلم الآلي يجب أن يكون أمرًا مهمًا لمديري التنفيذيين وفرقهم”. “من خلال معالجة الاختبار والأمان والموثوقية ، تقع Weights & Biases في نقطة حرجة على طول تطوير نموذج تعلم آلي ناجح.”
شارك Lukas Biewald و Chris Van Pelt في تأسيس Weights & Biases في عام 2017 ، بعد قضاء سنوات في العمل على أدوات لمهندسي التعلم الآلي وعلماء البيانات. تم إطلاق الشكل الثامن سابقًا ، المعروف سابقًا باسم CrowdFlower ، لتجنيد عمال جماعي لتسمية بيانات التدريب لخوارزميات التعلم الآلي. (الشكل الثامن كان مكتسب من Appen في عام 2019 مقابل 175 مليون دولار).
قال شوكلا: “حدد الاثنان مشكلة أكبر: لم يكن لدى ممارسي التعلم الآلي نظام تسجيل رائع لتجاربهم”. “تم تسجيل هذا العلم التجريبي للغاية ولكنه حاسم في جداول البيانات ولقطات الشاشة المتدهورة.”
لذلك انضم بيوالد وفان بيلت إلى المؤسس المشارك الثالث ، وهو أحد خريجي Google والمطور شون لويس ، في محاولة لحل هذه المشكلة. على مدار السنوات العديدة التالية ، قاموا ببناء MVP للأوزان والتحيزات: تدفقات العمل لدعم دورة حياة تطوير التعلم الآلي.
تحتل الأوزان والتحيزات فئة من الأنظمة الأساسية المعروفة باسم MLOps ، أو عمليات التعلم الآلي ، والتي تمكن علماء البيانات من إنشاء نماذج جديدة للتعلم الآلي وتشغيلها من خلال تدفقات عمل مؤتمتة وقابلة للتكرار تنشرها في الإنتاج. مع نمو الطلب على الذكاء الاصطناعي ، ازداد الطلب أيضًا على منصات MLOps. تقدر شركة Allied Market Research أن قطاع MLOps سيصل إلى 23.1 مليار دولار بحلول عام 2023.
منصات MLOps الجديدة تظهر بشكل منتظم. على سبيل المثال لا الحصر ، هناك سيلدونو FedMLو قواكو جاليليوو Striveworksو أريزو المذنب و تكتون. هذا يتجاهل العروض المقدمة من الشركات القائمة مثل Azure و AWS و Google Cloud.
لكن ما يميز Weights & Biases هو نهجها تجاه MLOps ، كما يدعي شوكلا.
أولاً ، تم تصميم جميع منتجات Weights & Biases بالاشتراك مع الشركاء والعملاء في محاولة لضمان تلبية احتياجات هؤلاء الشركاء والعملاء ، كما يقول شوكلا. ثانيًا ، تركز المنصة على أدوات استجواب مجموعات البيانات المستخدمة لتدريب النماذج ، مما يسمح للعملاء بالتحقق من المشكلات التي قد تنشأ ، مثل التحيزات ووجود معلومات التعريف الشخصية – من الناحية المثالية قبل أن تبدأ مجموعات البيانات هذه في الإنتاج.
منصة مراقبة الأوزان والتحيزات لعمليات التعلم الآلي. اعتمادات الصورة: الأوزان والتحيزات
قال شوكلا: “تعتبر Weights & Biases المنصة الرائدة للتعلم الآلي لمساعدة المطورين على بناء نماذج أفضل بشكل أسرع”. “نحن نبني أدوات خفيفة الوزن وقابلة للتشغيل البيني لتتبع التجارب بسرعة وإصدارها وتكرارها على مجموعات البيانات وتقييم أداء النموذج وإعادة إنتاج النماذج وتصور النتائج وتحديد الانحدارات ومشاركة النتائج مع الزملاء. يتيح ذلك لمهندسي التعلم الآلي التكرار سريعًا في خطوط أنابيب التعلم الآلي الخاصة بهم مع الثقة في تتبع مجموعات البيانات والنماذج الخاصة بهم وإصدارها في نظام تسجيل موثوق “.
مهما كانت المزايا الأخرى التي تتمتع بها الأوزان والتحيزات ، فمن شبه المؤكد أن المحرك الأول هو أحدها.
تم دمج حل النظام الأساسي في أكثر من 20000 مستودع مفتوح المصدر ، ومطالبات Shukla ، وتم الاستشهاد بالأوزان والتحيزات في مئات الأوراق البحثية الأكاديمية للتعلم الآلي. إنها أيضًا مجموعة الأدوات المفضلة لمنشئي نماذج الذكاء الاصطناعي التوليدي رفيعي المستوى والممولين جيدًا ، بما في ذلك OpenAI و Aleph Alpha و Cohere و Anthropic و Hugging Face.
“OpenAI تدرب جميع النماذج على الأوزان والتحيزات. قال شوكلا: “مع قيام مئات الموظفين بإجراء آلاف التجارب ، من الأهمية بمكان أن يكون لدى OpenAI طريقة للاختبار وتحديد المشكلات وتصحيح نماذجهم بسرعة”. يتعين على OpenAI أيضًا إجراء الكثير من التدريبات على مجموعات فرعية صغيرة من بياناتها. بفضل الأوزان والتحيزات ، تمكنوا من تدريب GPT-4 بشكل أسرع. “
بالإضافة إلى مجموعة الذكاء الاصطناعي التوليدية ، تضم Weights & Biases 700000 مستخدم – ارتفاعًا من 100000 في عام 2021 – وأكثر من 1000 مستخدم يدفع. في غضون ذلك ، نما فريقها إلى أكثر من 200 شخص ، معظمهم في مقرها الرئيسي في سان فرانسيسكو.
تهدف الأوزان والتحيزات إلى تنمية قاعدة العملاء هذه بشكل أكبر باستخدام Prompts ، وهو منتجها الجديد الملمح ، والذي يسمح للمستخدمين باستجواب مخرجات LLM وضبط LLMs بأنفسهم.
قال شوكلا: “قد تقلل LLM من عدد الأشخاص الذين تحتاجهم لتدريب النماذج ، لكنها ستزيد من عدد الأشخاص الذين تحتاجهم الشركات لضبط التطبيقات والتفاعل معها وإنشائها باستخدام هذه النماذج”. “الهدف من Prompts هو أيضًا خدمة فئة جديدة من المستخدمين وتغيير كيفية بناء المعامل الكبيرة لنماذج التعلم الآلي. بالإضافة إلى المهندسين الفوريين والمتحكمين ، سيكون لدى الباحثين والشركات التي تبني نماذج داخلية فريدة المزيد من الأدوات لتحسين نماذجها “.
أما بالنسبة للأوزان والتحيزات ، فسيكون لها سبب لمواصلة بناء مجموعة MLOps الخاصة بها.