شبكة حوسبة الذكاء الاصطناعي اللامركزية وأدوات MLOps مجتمعة في برنامج جمع التبرعات FedML الذي تبلغ قيمته 11.5 مليون دولار </ h2>

بقيادة سلمان أفيستيمهر ، المدير الافتتاحي لـ USC-Amazon Center on Trustworthy Machine Learning ، تعد شركة ناشئة مبتكرة بمسار للشركات لتدريب نماذج الذكاء الاصطناعي وتحسينها ومراقبتها وتحسينها بسهولة سواء في السحابة أو على الحافة. نجح FedML ، اسم هذا المشروع الواعد ، في جمع 11.5 مليون دولار من التمويل الأولي ، مما قيم الشركة بـ 56.5 مليون دولار. تم إجراء جولة التمويل من قبل كامفورد كابيتال ، وشاركت فيها رود كابيتال وشركة فايناليتي كابيتال.

يحرص عدد كبير من الشركات على تدريب أو ضبط نماذج الذكاء الاصطناعي المخصصة على مستوى الصناعة أو البيانات الخاصة بالشركة لتلبية عدد كبير من متطلبات العمل ، كما نقل Avestimehr في مقابلة عبر البريد الإلكتروني مع TechCrunch. ومع ذلك ، شدد أيضًا على أن "نماذج الذكاء الاصطناعي المخصصة يُزعم أنها مكلفة في ابتكارها والحفاظ عليها بسبب التكاليف الباهظة للبنية التحتية السحابية ، والبيانات المرتفعة ، والنفقات الهندسية. بالإضافة إلى ذلك ، غالبًا ما يتم عزل البيانات الاحتكارية اللازمة لتدريب نماذج الذكاء الاصطناعي المخصصة ، أو تنظيمها ، أو حساس."

ومع ذلك ، يوفر FedML حلاً قابلاً للتطبيق. وفقًا لـ Avestimehr ، طرح FedML نظامًا أساسيًا تعاونيًا للذكاء الاصطناعي يمكّن المطورين والشركات من العمل بشكل جماعي على مهام الذكاء الاصطناعي من خلال مشاركة النماذج وحساب الموارد والبيانات.

لدى FedML القدرة على تنفيذ أي كمية من نماذج الذكاء الاصطناعي المخصصة أو تلك المشتقة من مجتمع المصادر المفتوحة. باستخدام منصة FedML ، يمكن للعملاء تكوين مجموعة من المتعاونين ومزامنة تطبيقات الذكاء الاصطناعي عبر الأجهزة مثل أجهزة الكمبيوتر تلقائيًا. يمكن للمشاركين دمج الأجهزة المستخدمة في تدريب نموذج الذكاء الاصطناعي ، مثل الأجهزة المحمولة أو الخوادم ، ولديهم القدرة على مراقبة تقدم التدريب في الوقت الفعلي.

في الآونة الأخيرة ، تم إصدار FedLLM ، وهو خط أنابيب إنشاء لإنشاء نماذج لغة كبيرة خاصة بالمجال (LLMs) على غرار GPT-4 الخاص بـ OpenAI على بيانات الملكية ، بواسطة FedML. متوافق مع مكتبات LLM الشهيرة مثل DeepSpeed ​​و Hugging Face من Microsoft ، تم تصميم FedLLM لتسريع تطوير الذكاء الاصطناعي المخصص مع ضمان الأمان والخصوصية ، كما صرح Avestimehr.

مثل العديد من منصات MLOps الأخرى مثل Galileo و Arize أو حتى الشركات القائمة مثل AWS و Microsoft و Google Cloud ، تساعد FedML في تبسيط عملية نشر نماذج الذكاء الاصطناعي في الإنتاج ثم صيانتها ومراقبتها لاحقًا. ومع ذلك ، فإن FedML يحمل تطلعات تتجاوز الذكاء الاصطناعي وأدوات نماذج التعلم الآلي.

أكد Avestimehr أن الهدف الأساسي هو تطوير مجتمع من موارد وحدة المعالجة المركزية ووحدة معالجة الرسومات لاستضافة النماذج وخدمتها عندما تكون جاهزة للنشر. بينما لا تزال التفاصيل قيد المناقشة ، يخطط FedML لتحفيز المستخدمين على المساهمة في الحساب في النظام الأساسي عبر الرموز المميزة أو أشكال التعويض البديلة.

على الرغم من أن الحوسبة اللامركزية الموزعة لخدمة نموذج الذكاء الاصطناعي ليست جديدة ، مع قيام Run.AI و Gensys و Petals بمحاولاتهم ، فإن Avestimehr واثق من أن FedML يمكنه تحقيق نجاح أكبر من خلال دمج نموذج الحوسبة هذا مع مجموعة MLOps.

يسهل FedML نماذج الذكاء الاصطناعي المخصصة من خلال السماح للمؤسسات والمطورين ببناء LLMs على نطاق واسع ، خاصة وملكية بجزء بسيط من التكلفة ، أكد Avestimehr. علاوة على ذلك ، أكد على نقطة البيع الفريدة لـ FedML ، والتدريب ، والنشر ، والمراقبة ، وتحسين نماذج ML في أي مكان أثناء التعاون على البيانات والنماذج والحوسبة المدمجة - مما يقلل بشكل ملحوظ من التكلفة والوقت للتسويق.

في ضوء هذه التطورات ، لن يكون من المفاجئ أن يأخذ FedML صناعة MLOps ، الذكاء الاصطناعي عن طريق العاصفة ، لينضم إلى الرتب مع منصات مثل منصة AppMaster بدون كود ، المعروفة بمساهماتها المبتكرة وأدواتها الثورية في صناعة التكنولوجيا.