Стратегия машинного обучения Oracle

Спустя 20 лет после приобретения Thinking Machines, AI и ML остались в секрете Oracle. Oracle внутренне работает с ML над улучшением своих продуктов, но теперь она начинает выходить из своей оболочки с типом продуктового портфеля, который можно ожидать от поставщика корпоративных технологий.

Источник: Хазем Салех

Вряд ли новость, что технологические компании работают с машинным обучением. Также вряд ли новость, что технологические компании, нацеленные на предприятия, используют ИИ в своих решениях. Но когда Oracle пригласила небольшую группу аналитиков заглянуть на внутренний саммит машинного обучения, это был первый шаг к тому, чтобы открыть миру свои секреты.

Хотя Oracle активно поддерживала интеллектуальный анализ данных, предшественник машинного обучения (ML) в базе данных с поколения 9i почти 20 лет назад. он не был так тесно связан с ИИ, как большинство его основных конкурентов. Основной причиной этого является то, что многие из них также являются потребительскими брендами. Мы говорим об Amazon, Google и Microsoft, и если вы хотите расширить сеть за пределами пространства Oracle, Facebook и Netflix. Их механизмы рекомендаций и курирования контента затрагивают людей непосредственно каждый день.

Поскольку IBM обслуживает предприятия, она является более подходящим сравнением для Oracle. Но и здесь есть большая разница. IBM поставила будущее своей компании на причудливую концепцию искусственного интеллекта и бренд-когнитивные вычисления и Watson и появилась на подсудность чтобы довести дело до конца. IBM, возможно, приобрела некоторый ум AI после этого. Но после победы над Кеном Дженнингсом и Брэдом Раттером он увидел ограничения своего видения. Когнитивные вычисления могли быть готовы к прайм-тайм ТВ, но не к прайм-тайм. Перенесемся в настоящее, и бренд Watson сместился, чтобы обозначить все вещи ИИ. Тем временем Oracle не нужно было делать какие-либо повороты в отношении ИИ, потому что, ну, на самом деле, до сих пор об этом не говорилось.

Смотрите так же

Oracle и Microsoft расширяют облачные связи для по... Сан-Франциско. Стремясь повысить производительность труда на рабочих местах, Oracle и Microsoft расширили партнерские отношения в облаке, в которых ин...
Проблемы надежности, поднятые над пи-топом —... TechCrunch узнал о проблеме безопасности и ряде вопросов о надежности продукта, которые возникают в связи с модульным компьютером, созданным лондонски...
Oracle отмечает победу в апелляционном суде по сра... Бесконечная битва между судом «Оракул» и «Римини-стрит» может приближаться к финишу после того, как Апелляционный суд девятого округа оставил в силе с...

До недавнего времени позиционирование Oracle в области искусственного интеллекта было сосредоточено вокруг его автономной базы данных, приложений Adaptive Intelligence (приложений AI) и опции расширенной аналитики для ее базы данных (где он был одним из первых поставщиков, предложивших масштабное развертывание в базе данных R). ). Эти предложения имели значение для бизнеса, но не для широкой публики. За исключением этих предложений, ML не позиционировался как функция продукта. И хотя ряд игроков аналитического программного обеспечения уделяют особое внимание искусственному интеллекту с помощью инструментов для совместной работы и развертывания моделей, ориентированных на ученых-данных, Oracle только сейчас активно наращивает взаимодействие с учеными-данными.

Но Oracle — техническая компания, и, хотя она не трубила об этом, она работает с машинным обучением и его предшественником, интеллектуальным анализом данных, с начала тысячелетия. Большая часть этой работы предоставляла возможности для построения моделей внутри базы данных. Но большая часть этой работы была под капотом, сначала с механизмами правил, а затем с машинным обучением, чтобы улучшить производительность базы данных. Эта работа началась за много лет до введения автономной базы данных, которая использует машинное обучение не только для повышения производительности, но и для запуска базы данных.

Он начался с предшественника, используя основанные на правилах экспертные системы для устранения неполадок и помощи администраторам баз данных в устранении проблем с производительностью и доступностью. Начиная с Oracle Database 12.2c, выпущенной примерно пять лет назад, она начала использовать модели ML, чтобы воспользоваться их гибкостью. Oracle внедрила контролируемый подход к обучению на кластере Oracle RAC в лаборатории, чтобы построить, обучить и развернуть модели, используя комбинацию данных журнала и метрик, полученных из его SaaS-бизнеса (разработка моделей не производилась на реальных, производственных базах данных).

Упражнение началось с установления базовых показателей того, какие шаблоны метрик и журналов представляют собой нормальную и некачественную работу. В случае ненормальной работы были проанализированы восходящие события и метрики, чтобы встроить возможности ранней диагностики в модели и последующие данные, на основе которых можно построить прогноз. В моделях использовались байесовские подходы, учитывающие историю производительности, для определения вероятности падения или сбоя производительности. На горизонте Oracle расширит эти модели для учета конкретной конфигурации базы данных и также работает над моделями, которые диагностируют состояния ожидания базы данных (в настоящее время они расширяют их, чтобы охватить и подсистему хранения).

Не путайте эти внутренние проекты ML с тем, чтобы сделать базу данных автономной (или автономной). Они были скромно нацелены на улучшение способности диагностировать проблемы во время выполнения, в отличие от захвата и запуска базы данных. Но они были среди участвующих частей, наряду с другими функциями, такими как автоматическое управление хранением, автоматическое резервное управление или сбор статистики, которые были ступеньками к созданию автономной базы данных. И, кстати, в то время как Oracle в настоящее время является единственным поставщиком, который предлагает полностью автономную облачную службу базы данных, мы не считаем, что они одни используют ML для настройки операций под капотом.

Но теперь Oracle выходит из своей оболочки, чтобы продвигать и расширять портфель продуктов, включая приложения и инструменты, которые либо построены на основе ML, либо используют его на видном месте в качестве функции. Oracle применяет двойную стратегию встраивания ML в свои продукты, предназначенные для охвата основной части своей клиентской базы, а также инструменты и структуры, ориентированные на науку о данных, для более искушенных клиентов, у которых есть команды исследователей данных и которым необходимы инструменты для запуска. свои собственные нестандартные решения. Общая нить заключается в том, что большинство этих предложений будут доставляться в виде управляемых услуг в общедоступном облаке.

Стратегия машинного обучения Oracle

Смотрите так же

Обучение чат-ботов обычному человеческому языку... Клиентские чат-боты готовы помочь вам днем ​​и ночью. Но общение с ботом иногда бывает громоздким. Кристина Либрехт, доцент языка, делового общения и ...
Проблемы надежности, поднятые над пи-топом —... TechCrunch узнал о проблеме безопасности и ряде вопросов о надежности продукта, которые возникают в связи с модульным компьютером, созданным лондонски...
Oracle и Microsoft расширяют облачные связи для по... Сан-Франциско. Стремясь повысить производительность труда на рабочих местах, Oracle и Microsoft расширили партнерские отношения в облаке, в которых ин...

Помимо автономной базы данных, которая является одной из управляемых служб, работающих в общедоступном облаке Oracle, существуют адаптивные интеллектуальные приложения (приложения AI), которые встраивают ML в ERP, взаимодействие с клиентами, производство и HCM. Oracle находится только в начале этого путешествия, насчитывая 19 таких модулей. Мы ожидаем, что, так как аналитика встраивается в современные корпоративные приложения, процессы, улучшающие ML, станут нормой. Но пока Oracle разделяет их на отдельные продукты. И здесь Oracle тоже не одинок. SAP также находится в начале своего пути, одной из целей инициативы Леонардо является выявление вариантов использования для применения ИИ для улучшения основных бизнес-процессов.

В Oracle другие примеры включают DataFox, недавнее приобретение, которое применяет обработку естественного языка, чтобы построить, по сути, ответ следующего поколения на Dun & Списки компаний Bradstreet, которые описывают потенциальных партнеров и клиентов B2B; Oracle Digital Assistant, который предоставляет чат-ботов; и Fusion Financials, которые выполняют интеллектуальное распознавание документов для выставления счетов и расходов.

Кроме того, Oracle также использует свое хранилище графических данных (часть опции Oracle Spatial and Graph для Oracle Database) для различных случаев использования управления рисками и безопасности, таких как обнаружение и анализ киберугроз или случаев отмывания денег; здесь хранилище данных графа и модели ML взаимодействуют друг с другом, поскольку граф представляет собой сложные сети отношений, на которых модели ML могут идентифицировать горячие точки подозрительной активности и, в свою очередь, выявлять скрытые отношения или взаимозависимости.

С приобретением DataScience.com Oracle расширяет свою платформу совместной работы для ученых данных для создания моделей ML и управления ими с помощью управляемого сервиса, доступного в Oracle Public Cloud. Предложение, которое теперь называется Oracle Cloud Infrastructure Data Science, представляет собой универсальную платформу для обработки данных, которая работает с различными источниками данных (не только с базами данных Oracle) и поддерживает использование сред и библиотек с открытым исходным кодом, а также патентованных библиотек Oracle Python. Это позволяет ученым изучать данные, обучать, сохранять и развертывать модели; мы ожидаем, что впоследствии он добавит модель управления жизненным циклом. Для разработки и развертывания Oracle предлагает ноутбук на базе Apache Zeppelin. Во время выполнения эти модели могут выполняться на любой цели, но база данных Oracle поддерживает запуск моделей внутри базы данных через SQL, R и, вскоре, Python API.

Примечательно не то, что Oracle активно работает с ML, а то, что он наконец говорит об этом.

Смотрите так же

Oracle и Microsoft расширяют облачные связи для по... Сан-Франциско. Стремясь повысить производительность труда на рабочих местах, Oracle и Microsoft расширили партнерские отношения в облаке, в которых ин...
Oracle отмечает победу в апелляционном суде по сра... Бесконечная битва между судом «Оракул» и «Римини-стрит» может приближаться к финишу после того, как Апелляционный суд девятого округа оставил в силе с...
Обучение чат-ботов обычному человеческому языку... Клиентские чат-боты готовы помочь вам днем ​​и ночью. Но общение с ботом иногда бывает громоздким. Кристина Либрехт, доцент языка, делового общения и ...