Еженедельный информационный бюллетень, в котором обсуждаются важные исследовательские работы по машинному обучению, интересные технические выпуски, деньги, полученные от ИИ, и реальные реализации.
Sequence Scope - это сводка наиболее важных опубликованных исследовательских работ, опубликованных новостей о технологиях и стартапах в экосистеме ИИ за последнюю неделю. Этот сборник является частью информационного бюллетеня TheSequence. Специалисты по анализу данных, ученые и разработчики из Microsoft Research, Intel Corporation, Linux Foundation AI, Google, Lockheed Martin, Кардиффского университета, Меллонского научного колледжа, Варшавского технологического университета, Политехнического университета Валенсии и других компаний. и университеты уже подписаны на TheSequence.
📝 От редакции: есть ли Buddle на рынке Feature Store?
Магазины функций неуклонно становятся одним из ключевых строительных блоков в современной архитектуре машинного обучения. Возможно, концепция магазина функций восходит к изначальной архитектуре Микеланджело Uber, которая прошла путь от незаметной возможности до быстрорастущего автономного рынка в сфере машинного обучения. В наши дни растет число стартапов с венчурной поддержкой, которые создают возможности хранилищ функций для решений машинного обучения. Буквально на этой неделе стартап по машинному обучению Molecula собрал солидный раунд в 17,6 миллиона долларов для своей технологии магазина функций.
При таком непропорциональном росте вы не можете не задаться вопросом, есть ли небольшой пузырь на рынке магазинов функций. Я большой поклонник концепции хранилищ функций, а также пользователь технологии, но я считаю, что есть несколько вопросов, которые стоит учесть при анализе этой новой возможности.
- Являются ли магазины функций отдельным продуктом или возможностью более широких платформ?
- Могут ли тематические магазины развиваться как отдельный рынок?
- Достаточно ли велик потенциальный рынок специализированных магазинов для такого количества компаний?
- Сколько платформ для магазинов функций нам действительно нужно?
У меня, конечно же, есть свой тезис о пространстве магазина функций, который я нахожу невероятно увлекательным. Давайте помнить, что такие платформы, как AWS, уже вошли в пространство хранилища функций с выпуском AWS Feature Store. В ближайшее время следует ожидать аналогичных шагов со стороны Microsoft и Google. Такое развитие рынка придает дополнительную актуальность вышеупомянутым вопросам. На данный момент пространство магазина функций пользуется огромным уровнем инноваций и, безусловно, привлекает внимание сообщества венчурного капитала. Однако является ли это устойчивым?
Оставить комментарий
🔺🔻 TheSequence Scope - наше воскресное издание с обзором развития отрасли - бесплатно. Чтобы получать высококачественный контент о самых актуальных событиях в мире машинного обучения каждый вторник и четверг, подпишитесь на TheSequence Edge 🔺🔻
🗓 На следующей неделе в TheSequence Edge:
Грань №55: концепция DeepAR; обзор Amazon Research о многомерном прогнозировании временных рядов; и sktime - единая структура временных рядов для Scikit-Learn.
Преимущество № 56: углубитесь в DeepMind MuZero, модель глубокого обучения, которая овладевает го, шахматами, сёги и Atari без знания правил.
Подпишись сейчас
Теперь давайте рассмотрим самые важные события в индустрии искусственного интеллекта на этой неделе.
🔎 Исследования машинного обучения
Резюме исследования Google за 2020 год
Компания Google Research опубликовала исчерпывающий отчет о сферах своей деятельности и вкладе в 2020 г. -› подробнее в блоге Google Research
Лучшие модели визуального восприятия
Microsoft Research опубликовала документ, в котором предлагается VinVL, новая мультимодальная модель визуального языка, которая связывает визуальные и текстовые концепции -› подробнее в блоге Microsoft Research
Бот финансовых новостей
IBM Research опубликовала статью, в которой предлагается бот, который может анализировать информацию о финансовых временных рядах и новости -› подробнее в блоге IBM Research
Распознавание позы человека
Google Research опубликовал документ, в котором обсуждается алгоритм, который может распознавать сходство поз человеческого тела при разных взглядах камеры -› подробнее в блоге Google Research
🤖 Крутые релизы AI Tech
MLMD
Команда TensorFlow предоставляет метаданные машинного обучения с открытым исходным кодом (MLMD), библиотеку TensorFlow для отслеживания всей линейки моделей машинного обучения -› подробнее в блоге TensorFlow
Тренажерный зал
Тренажерный зал Robustness Gym с открытым исходным кодом Salesforce Research, среда для оценки устойчивости моделей естественного языка -› подробнее в репозитории проекта на Github
💸 Деньги в AI
Автоматизация с помощью ИИ:
- 🦄 Платформа непрерывной интеграции и доставки для DevOps Harness привлекла 115 миллионов долларов при оценке в 1,7 миллиарда долларов. Компания использует методы машинного обучения и искусственного интеллекта для автоматизации развертывания программного обеспечения, мониторинга его качества и обеспечения отката при обнаружении недостатков.
- 🦄 Платформа интеллектуальной автоматизации Workato привлекла 110 миллионов долларов при пост-денежной оценке в 1,7 миллиарда долларов. Используя AI, Workato позволяет компаниям интегрировать ряд данных и приложений для автоматизации внутренних и внешних бизнес-процессов, дополняя их возможностями чат-бота.
- Стартап по управлению контентом M-Files привлек новое финансирование на сумму 80 миллионов долларов. Инструменты искусственного интеллекта, принадлежащие его владельцу, призваны автоматизировать процесс организации и отслеживания внутренних документов и данных для предприятий.
Персонализация с помощью ИИ:
- Стартап по индивидуальному обучению Sana Labs собрал 18 миллионов долларов в раунде серии А. Стартап использует машинное обучение для персонализации учебных курсов для профессионалов. Инструменты искусственного интеллекта анализируют учебное поведение, выявляют закономерности в данных учащихся и предоставляют информацию в режиме реального времени.
- Стартап по поведенческому здоровью NeuroFlow собрал 20 миллионов долларов в раунде серии B. Используя ИИ, включая обработку естественного языка и поведенческую аналитику, компания стремится выявлять и лечить потребителей, страдающих депрессией, тревогой и другими нарушениями поведенческого здоровья. AI также помогает автоматизировать такие процессы, как отправка мотивационных писем, напоминаний и т. Д.
- Виртуальный помощник на базе искусственного интеллекта Дина собрал 7 миллионов долларов. Дина предлагает инструменты на базе искусственного интеллекта, которые анализируют данные пациентов, чтобы выявлять и рекомендовать меры, основанные на фактических данных.
Прогнозы с ИИ:
- Прогнозная аналитика для медицинского стартапа Lumiata привлекла 14 миллионов долларов в раунде серии B. Продукты Lumiata созданы из более чем 120 миллионов историй болезни пациентов, которые обрабатываются, очищаются и организовываются в единую запись и обогащаются аннотациями, которые делают ее готовой для машинного обучения. Такой подход на основе искусственного интеллекта позволяет компании делать точные прогнозы затрат и рисков.
- Расширение AI для человеческой памяти Стартап Human AI собрал 3,2 миллиона долларов в посевном раунде. За счет конвергенции нейробиологии, НЛП и блокчейна они стремятся создать цифровую версию памяти каждого человека с персональным ИИ для сохранения и вызова воспоминаний.
Для упрощения внедрения машинного обучения и искусственного интеллекта:
- Стартап фирменного магазина Molecula привлек $ 17,6 млн в рамках серии А. Хранилища функций позволяют автоматизировать подготовку данных для машинной аналитики и искусственного интеллекта. Molecula предлагает инженерам и специалистам по обработке данных не зависящий от облака уровень данных, готовый к вычислениям, готовый для обеспечения высокой производительности, одновременного выполнения операций, расширенной аналитики и искусственного интеллекта.
- Платформа комплексного компьютерного зрения Roboflow собрала посевной раунд на сумму 2,1 миллиона долларов. Стартап помогает компаниям, у которых нет собственного опыта, создать инфраструктуру для создания моделей компьютерного зрения и запуска их в производство.
