AI สามารถทําให้คุณเป็นมหาเศรษฐีในปี 2025 ได้หรือไม่?

Hydrogen Torch ซึ่งเป็นผลิตภัณฑ์ล่าสุดของ H2O ได้รับการออกแบบมาเพื่อส่งมอบความสามารถด้าน AI ของเว็บยักษ์ใหญ่ไปยังส่วนที่เหลือของโลก

มีปรมาจารย์หมากรุกประมาณ 1200 คนในโลก และมีปรมาจารย์ AI เพียง 250 คนเท่านั้น ในหมากรุก เช่นเดียวกับใน AI ปรมาจารย์เป็นรางวัลที่สงวนไว้สําหรับผู้เล่นมืออาชีพระดับแนวหน้า ใน AI รางวัลนี้มอบให้กับนักวิทยาศาสตร์ข้อมูลที่มีประสิทธิภาพสูงสุดในระบบความก้าวหน้าของ Kaggle

H2O.ai บริษัท AI Cloud ที่ระดมทุนได้ 100 ล้านดอลลาร์ในรอบ Series เมื่อปลายปี 2021 และปัจจุบันมีมูลค่า 1.6 พันล้านดอลลาร์ บริษัทเพิ่งประกาศ H2O Hydrogen Torch ซึ่งเป็นผลิตภัณฑ์ที่มีเป้าหมายเพื่อนําความเชี่ยวชาญด้าน AI สําหรับการประมวลผลภาพ วิดีโอ และภาษาธรรมชาติ (NLP) มาสู่องค์กร

เราติดต่อกับ Sri Ambati ซีอีโอและผู้ก่อตั้ง H2O และเราได้พูดคุยทุกอย่างตั้งแต่ต้นกําเนิดของ H2O และข้อเสนอโดยรวมไปจนถึง Hydrogen Torch และตําแหน่งที่เหมาะกับภูมิทัศน์ AI

H2O: สแต็คสําหรับ AI

Ambati เริ่มทํางานกับ AI เป็นครั้งแรกในการแปลเสียงเป็นข้อความสําหรับโครงการวิจัยอวกาศของอินเดียเมื่อหลายทศวรรษก่อน ต่อมาเขาสะดุดกับโครงข่ายประสาทเทียมซึ่งอยู่ในระยะเริ่มต้นในขณะนั้น ในฐานะผู้อพยพในซิลิคอนวัลเลย์เขาใช้เวลาทํางานในสตาร์ทอัพ เขายังใช้เวลาในการลาพักร้อนระหว่างเบิร์กลีย์และสแตนฟอร์ด และได้พบกับนักคณิตศาสตร์ นักฟิสิกส์ และนักวิทยาศาสตร์คอมพิวเตอร์

การทํางานร่วมกับพวกเขา Ambati ได้วางรากฐานสําหรับสิ่งที่จะกลายเป็นรากฐานโอเพ่นซอร์สของ H2O แต่จนกระทั่งแม่ของเขาเป็นมะเร็งเต้านมเขาจึง "ได้รับแรงบันดาลใจในการทําให้แมชชีนเลิร์นนิงเป็นประชาธิปไตยสําหรับทุกคน"

Ambati มุ่งมั่นที่จะนํา AI มาสู่ปลายนิ้วของแพทย์หรือนักวิทยาศาสตร์ข้อมูลทุกคนที่แก้ปัญหาที่มีคุณค่าต่อสังคมตามที่เขากล่าวไว้ ในการทําเช่นนั้นเขากล่าวต่อไปว่าคณิตศาสตร์และการวิเคราะห์ในวงกว้างจะต้องถูกคิดค้นขึ้นใหม่ นั่นนําไปสู่ H2O ซึ่งรวบรวมวิศวกรคอมไพเลอร์ วิศวกรระบบ นักคณิตศาสตร์ นักวิทยาศาสตร์ข้อมูล และปรมาจารย์ เพื่อให้ง่ายต่อการสร้างแบบจําลองที่มีมูลค่าสูงและความแม่นยําสูงได้อย่างรวดเร็ว

มีสายผลิตภัณฑ์ทั้งหมดที่สร้างโดย H2O ในช่วงหลายปีที่ผ่านมาเพื่อทําให้สิ่งนี้เป็นจริง เมื่อ H2O เริ่มต้นในปี 2012 Ambati กล่าวว่ามีช่องว่างในรากฐาน AI โอเพ่นซอร์สที่ปรับขนาดได้ มีภาษาอย่าง R และ Python ที่อนุญาตให้ผู้คนสร้างโมเดลได้ แต่ภาษาเหล่านี้ช้ามากหรือเปราะบางหรือไม่มีคุณสมบัติครบถ้วน การมีส่วนร่วมของ H2O ต่อ Ambati คือพวกเขาสร้าง "เครื่องคิดเลขระยะทางที่เร็วที่สุดในโลก"

นี่คือการอ้างอิงถึงคณิตศาสตร์หลักที่ใช้สําหรับการคูณเมทริกซ์ในการเรียนรู้เชิงลึก เมื่อคุณสามารถคํานวณระยะทางระหว่างเทนเซอร์ยาวสองตัวได้ Ambati กล่าวเสริมว่า คุณสามารถเริ่มสร้างคณิตศาสตร์ที่สมบูรณ์ เป็นเส้น และไม่เชิงเส้นในข้อมูลมิติสูงและมิติต่ํา

การมีส่วนร่วมนั้นเป็นส่วนหนึ่งของเฟรมเวิร์กโอเพ่นซอร์ส H2O Ambati เรียกรากฐานระดับต่ํานี้ว่า "ภาษาแอสเซมบลีสําหรับ AI" จากนั้นเฟรมเวิร์กแบบบูรณาการ H2O และชุมชนโอเพ่นซอร์ส เช่น Scikit-learn, XGBoost, TensorFlow ของ Google หรือ PyTorch ของ Facebook ทีม H2O เริ่มมีส่วนร่วมในสิ่งเหล่านั้น ในขณะที่ในที่สุดก็รวบรวมเฟรมเวิร์กแบบบูรณาการในสิ่งที่จะเรียกว่า AutoML

ผลิตภัณฑ์ของ H2O ในพื้นที่นั้นคือ H2O AutoML ซึ่งใช้โอเพ่นซอร์ส H2O และ XGBoost และข้อเสนอที่กว้างขึ้นที่เรียกว่า Driverless AI ซึ่งเป็นแบบปิด ทั้งสองกําหนดเป้าหมายข้อมูลอนุกรมเวลา ซึ่งเป็นกระดูกสันหลังของกรณีการใช้งานขององค์กรจํานวนมาก เช่น การคาดการณ์การเลิกใช้บริการ การป้องกันการฉ้อโกง หรือการให้คะแนนเครดิต

ไฟฉายไฮโดรเจนของ H2O เป็นส่วนเสริมล่าสุดในกลุ่มผลิตภัณฑ์ โดยมีเป้าหมายเพื่อนําความเชี่ยวชาญด้าน AI ที่ยิ่งใหญ่สําหรับการประมวลผลภาพ วิดีโอ และภาษาธรรมชาติ (NLP) มาสู่องค์กร ภาพ: H2O

AI ไร้คนขับเป็น "เครื่องยนต์ของเศรษฐกิจ H2O" ตาม Ambati ในช่วงสี่ปีที่ผ่านมา ช่วยให้ H2O ได้ลูกค้าหลายร้อยราย นับมากกว่าครึ่งหนึ่งของ Fortune 500 รวมถึง AT&T, Citi, Capital One, GlaxoSmithKline, Hitachi, Kaiser Permanente, Procter & Gamble, PayPal, PwC, Reckitt, Unilever และ Walgreens

Ambati เรียกเลเยอร์นี้ว่า "ผู้รวบรวม AI" นี่คือจุดที่ H2O เริ่มใช้แนวทางของปรมาจารย์: แบ่งพื้นที่ปัญหาออกเป็นสูตรอาหารจํานวนมาก มอบหมายปรมาจารย์ Kaggle ให้กับแต่ละสูตร โดยมีเป้าหมายในการกลั่นกรองความรู้ของพวกเขาเพื่อให้สิ่งต่างๆ ง่ายขึ้นสําหรับทีมภาคพื้นดิน

ขั้นตอนต่อไปหลังจากสร้างโมเดลแมชชีนเลิร์นนิงที่ดีคือการใช้งานโมเดลนี้อย่างปลอดภัย ข้อมูลมีอคติโดยเนื้อแท้ และโมเดลที่มีอคติไม่ควรเข้าสู่การผลิตโดยปราศจากความท้าทาย การค้นหาจุดบอดและทําการทดสอบเชิงปฏิปักษ์และการตรวจสอบแบบจําลองการปรับใช้โมเดลแล้วรวมเข้ากับ CI/CD ของการสร้างซอฟต์แวร์คือสิ่งที่ Ambati เรียกว่า "มิดเดิลแวร์สําหรับ AI"

ปัญหานี้ได้รับการแก้ไขด้วยระบบคลาวด์แบบไฮบริด ในองค์กร และข้อเสนอ Edge โดย H2O ซึ่งเป็นระบบคลาวด์ AI ลูกค้าใช้ผ่านแอปพลิเคชัน: มี AI App Store ร้านค้าโมเดลที่สร้างไว้ล่วงหน้า และร้านค้าคุณสมบัติ ซึ่งตกผลึกข้อมูลเชิงลึกที่มาจากการสร้างโมเดล AI Cloud ยังเป็นมัลติคลาวด์ตามที่ลูกค้าต้องการทางเลือก นอกจากนี้ยังมี H2O Wave ซึ่งเป็น SDK สําหรับสร้างแอปพลิเคชันตาม Ambati

ยืนอยู่บนไหล่ของเว็บยักษ์ใหญ่

Hydrogen Torch ซึ่งเป็นส่วนเสริมล่าสุดในพอร์ตโฟลิโอของ H2O ได้รับการปรับแต่งโดยเฉพาะสําหรับการใช้งานสําหรับกรณีการใช้งานการประมวลผลรูปภาพ วิดีโอ และ NLP รวมถึงการระบุหรือจําแนกวัตถุ การวิเคราะห์ความรู้สึก หรือการค้นหาข้อมูลที่เกี่ยวข้องในข้อความ เป็นข้อเสนอที่ไม่มีโค้ด ซึ่ง Ambati กล่าวว่า:

"มันเดินเข้าสู่พื้นที่ดั้งเดิมของเว็บยักษ์ใหญ่อย่าง Google, Microsoft, Amazon และ Facebook และใช้นวัตกรรมบางอย่างของพวกเขา แต่ท้าทายพวกเขาโดยอนุญาตให้ลูกค้าใช้การเรียนรู้เชิงลึกได้ง่ายขึ้น ทั้งใช้โมเดลที่สร้างไว้ล่วงหน้าและเปลี่ยนเพื่อการใช้งานในท้องถิ่น"

Ambati อ้างถึงกรณีการใช้งาน Hydrogen Torch สําหรับผู้ใช้รายแรก เช่น การประมวลผลวิดีโอแบบเรียลไทม์ ในสิงคโปร์ สิ่งนี้ทําเพื่อระบุว่าการจราจรเพิ่มขึ้นหรือไม่ หรือบางสถานการณ์อาจส่งผลให้เกิดอุบัติเหตุหรือไม่ แนวทางที่ใช้คือการใช้โมเดลแมชชีนเลิร์นนิงขนาดใหญ่ "แบบดั้งเดิม" แล้วปรับแต่งให้เข้ากับข้อมูลเฉพาะที่มีอยู่

Hydrogen Torch ใช้ PyTorch ของ Facebook และ TensorFlow ของ Google ของ Google ภายใต้ประทุน H2O นําพวกเขามาเพิ่มความเชี่ยวชาญของปรมาจารย์ รวมถึงสภาพแวดล้อมแบบบูรณาการ นอกจากนี้ยังรวมถึงข้อเสนอ MLOps ของ H2O ซึ่งป้อนข้อมูลและไปป์ไลน์แมชชีนเลิร์นนิงที่จะไปสู่การผลิต

โมเดลได้รับการตรวจสอบอย่างต่อเนื่องเพื่อระบุว่าความแม่นยํามีการเปลี่ยนแปลงหรือไม่ ซึ่งอาจเกิดขึ้นได้เนื่องจากรูปแบบของข้อมูลที่เข้ามามีการเปลี่ยนแปลง หรือเนื่องจากพฤติกรรมของผู้ใช้ปลายทางเปลี่ยนไป ไม่ว่าจะด้วยวิธีใด โมเดลจะถูกสร้างใหม่และปรับใช้ใหม่

นอกจากนี้ ส่วนหนึ่งของข้อเสนอแบบไม่ใช้โค้ดของ Hydrogen Torch คือการสร้างเอกสารอัตโนมัติ เพื่อให้นักวิทยาศาสตร์ข้อมูลสามารถเจาะลึกลงไปเพื่อสํารวจว่าข้อมูลใดถูกเลือกและใช้การแปลงใด Ambati อ้างว่าความแม่นยําของแบบจําลอง Hydrogen Torch สามารถดีขึ้นถึง 30% เมื่อเทียบกับแบบจําลองพื้นฐาน โดยสูงถึง 90 เปอร์เซ็นไทล์

แน่นอนว่าเขากล่าวต่อไปว่ามีการแลกเปลี่ยนที่รู้จักกันดีใน AI ระหว่างความแม่นยํา ความเร็ว และความสามารถในการอธิบาย ขึ้นอยู่กับข้อกําหนดของกรณีการใช้งาน ต้องมีตัวเลือก อย่างไรก็ตาม ความเร็วค่อนข้างเป็นข้อกําหนดสากล

การประมวลผลในหน่วยความจําของ H2O มีบทบาทสําคัญในการทําให้มั่นใจว่า Hydrogen Torch สามารถทํางานได้ตามความจําเป็นสําหรับกรณีการใช้งานการประมวลผลภาพ วิดีโอ และ NLP ในด้านที่เกี่ยวข้อง H2O ยังมีการย่อขนาดโมเดลแมชชีนเลิร์นนิงในวาระการประชุม ซึ่งจะช่วยให้โมเดลสามารถปรับใช้กับอุปกรณ์ได้มากขึ้นที่เอดจ์ และยังมีประสิทธิภาพที่ดีขึ้นอีกด้วย

Hydrogen Torch ยังมีการทํางานร่วมกันกับผลิตภัณฑ์อื่นในพอร์ตโฟลิโอของ H2O นั่นคือ Document AI Document AI ช่วยให้สามารถประมวลผลเอกสารขาเข้า โดยรวมรูปภาพและวิธีการ NLP จากนั้นก็มีข้อมูลเสียงและวิดีโอจากแหล่งต่างๆ เช่น การโทรผ่าน Zoom และพอดแคสต์กําลังแพร่กระจาย และ H2O มีเป้าหมายที่จะช่วยให้ลูกค้าติดตาม

H2O มีความร่วมมืออย่างต่อเนื่องกับลูกค้าที่มีชื่อเสียง เช่น CommBank และ AT&T ผู้เชี่ยวชาญจาก H2O และองค์กรลูกค้าร่วมกันสร้างโมเดลแมชชีนเลิร์นนิง และมีแผนการแบ่งปันรายได้

Ambati ยังระบุพื้นที่เพิ่มเติมสําหรับการเติบโตในอนาคตในพอร์ตโฟลิโอของ H2O: Federated AI การสร้างเนื้อหา การสร้างข้อมูลสังเคราะห์ การเล่าเรื่องข้อมูล และแม้แต่พื้นที่ต่างๆ เช่น วารสารศาสตร์ข้อมูลก็อยู่ในเรดาร์ของ H2O Ambati กล่าวว่าเป้าหมายคือการสร้างความไว้วางใจใน AI เพื่อให้บริการชุมชน นั่นเป็นวิสัยทัศน์ที่ยิ่งใหญ่อย่างแท้จริง ซึ่งยากที่จะวัดความก้าวหน้า อย่างไรก็ตาม เท่าที่แผนงานของผลิตภัณฑ์ดําเนินไป H2O ดูเหมือนจะมาถูกทางแล้ว