أعلنت NVIDIA عن إطلاق Kumo Relational، وهو نموذج تأسيسي علائقي مُدرّب مسبقًا يُحدث ثورة في طريقة التنبؤ بالبيانات داخل قواعد بيانات المؤسسات. يتيح هذا النموذج التنبؤ المباشر بالنتائج مثل معدل الانقطاع، الطلب، أو الاحتيال، دون الحاجة إلى تدريب خاص بالمهام، أو هندسة للميزات، أو تسوية للجداول.
يمثل Kumo Relational نقلة نوعية، حيث يمكنه جمع ما يصل إلى 10 آلاف مثال تاريخي كسياق وإجراء التنبؤات في تمريرة واحدة إلى الأمام. نرى أن هذا ينهي أسابيع من العمل اليدوي التي كانت تتطلبها عملية النمذجة التنبؤية التقليدية.
أداء يتفوق على النماذج التقليدية
يُعد Kumo Relational أول نموذج تأسيسي «قليل الأمثلة» يتفوق على تعلم الآلة المُراقب في معايير البيانات العلائقية الشائعة. لقد تجاوز النموذج أداء نماذج التعلم العميق العلائقي المُراقبة وخطوط أنابيب شجرة تعزيز التدرج المُصممة بواسطة الخبراء في 41 مهمة عبر 15 قاعدة بيانات مختلفة.
على معيار SAP SALT للمؤسسات، تجاوز Kumo Relational مجموعات AutoGluon بنسبة 8% في متوسط الرتبة التبادلية (MRR). كما تفوق على XGBoost على الميزات المُصممة بنسبة 7 نقاط MRR فورًا، وبنسبة 13 نقطة MRR بعد الضبط الدقيق.
كيف يعمل وماذا يعني للمطورين؟
يعمل Kumo Relational مباشرة على قاعدة البيانات، محترمًا جداولها، ومفاتيحها الخارجية، والطوابع الزمنية. يُدرّب النموذج مسبقًا مرة واحدة على بيانات علائقية تركيبية تعكس مجموعات البيانات الواقعية، ويتكيف مع كل مهمة جديدة من خلال التعلم في السياق. كما يدعم النموذج استخدام لغة الاستعلام التنبؤي (PQL) كواجهة تعريفية لطرح الأسئلة التنبؤية.
يتوفر Kumo Relational عبر مكتبة NVIDIA مفتوحة المصدر structured-data-models، أو كخدمة NVIDIA NIM، ويمكنه التوسع ليشمل قواعد بيانات تحتوي على أكثر من 500 مليار صف.
ماذا يعني هذا للمطورين؟ يعني تبسيطًا كبيرًا لعمليات نمذجة التعلم الآلي. فبدلًا من قضاء أسابيع في هندسة الميزات وتدريب النماذج لكل مهمة، يمكن للمطورين الآن استخدام نموذج واحد مُدرّب مسبقًا لإجراء تنبؤات دقيقة مباشرة من قواعد بياناتهم. هذا يحرر فرق التعلم الآلي للتركيز على حالات استخدام أكثر تعقيدًا وتطبيقات وكلاء AI التي يمكنها التنبؤ بما سيحدث لاحقًا. سيسهل هذا أيضًا على فرق تطوير المنتجات والمصممين الاستفادة من قوة التنبؤ بالبيانات في تطبيقاتهم دون الحاجة إلى خبرة عميقة في تعلم الآلة.
المصدر: huggingface.co