أكتيفلوب تجمع 11 مليون دولار لتعزيز حلول قواعد البيانات المدعومة بالذكاء الاصطناعي
نجحت شركة أكتيفلوب الناشئة، ومقرها كاليفورنيا، في تأمين 11 مليون دولار في جولة تمويل من الفئة A، بمشاركة مستثمرين مثل ستريملايند دانشرز، واي كومبيناتور، وسامسونج نيكست. تأسست الشركة على يد دافيت بونيتيان، الذي تخلى عن دراسة في جامعة برينستون، وتتخصص في قواعد البيانات المخصصة لتسريع تطوير مشاريع الذكاء الاصطناعي.
تتميز أكتيفلوب في سوق منصات البيانات المزدحم من خلال معالجة تحدٍ رئيسي تواجهه الشركات: الاستفادة من البيانات غير الهيكلية متعددة النماذج لتدريب نماذج الذكاء الاصطناعي. تمكن تقنيتهم المبتكرة، "ديب ليك"، الفرق من تطوير تطبيقات الذكاء الاصطناعي بتكاليف تصل إلى 75% أقل من الحلول المنافسة، مما يعزز إنتاجية المهندسين بما يصل إلى خمسة أضعاف.
فتح إمكانات الذكاء الاصطناعي مع ديب ليك
بينما تسعى الشركات للاستفادة من مجموعات البيانات المعقدة لتطبيقات الذكاء الاصطناعي المتنوعة، يُظهر بحث ماكنزي الإمكانات الربحية للذكاء الاصطناعي التوليدي، الذي قد يحقق عوائد عالمية تتراوح بين 2.6 تريليون و4.4 تريليون دولار سنويًا. يتضمن هذا التأثير مجالات متعددة، بما في ذلك تفاعل العملاء، وإنشاء محتوى تسويقي، وتوليد الشيفرات البرمجية من تعليمات اللغة الطبيعية.
كيف يعمل ديب ليك من أكتيفلوب
يتطلب تدريب نماذج الذكاء الاصطناعي القوية إدارة بيانات غير هيكلية بعشرات البيتابايت عبر النصوص والصوت والفيديو. تتطلب الطرق التقليدية من الفرق تصفية البيانات المبعثرة، مما يحتاج إلى جهد ضخم في الترميز وعمليات التكامل، مما يزيد التكلفة.
تتناول أكتيفلوب هذه الفعالية من خلال توحيد "ديب ليك". يتم تخزين البيانات المعقدة، مثل الصور والفيديوهات، كتمثيلات رياضية أصلية لمتعلمي الآلة (Tensor)، مما يتيح استرجاعها بسهولة عبر لغة استعلام شبيهة بـ SQL، أو من خلال التصور المباشر، أو التكامل مع أطر التعلم العميق مثل PyTorch وTensorFlow.
مع "ديب ليك"، يمكن للمطورين تصفية والبحث بكفاءة في بيانات متعددة النماذج، وتتبع الإصدارات، والبث المباشر للبيانات لتدريب نماذج الذكاء الاصطناعي المخصصة لتطبيقات معينة.
تحويل إدارة البيانات في الذكاء الاصطناعي
يؤكد بونيتيان أن "ديب ليك" يجمع بين مزايا بحيرة البيانات التقليدية مع تحويل جميع البيانات إلى تنسيق التنسور الذي تتطلبه خوارزميات التعلم العميق. يتم تخزين التنسورات في حلول سحابية أو محلية مثل AWS S3، وتبث إلى وحدات معالجة الرسوميات (GPUs) لتدريب فعال، مما يلغي طرق النسخ الجماعي التي كانت تسبب وقت عدم تشغيل وحدات الـ GPU.
منذ تأسيسها في 2018، استجابة لتحديات بونيتيان في مختبر برينستون لعلوم الأعصاب، طورت أكتيفلوب وظائف قاعدة بيانات شاملة مع عناصر من المصادر المفتوحة والعناصر المملوكة. تشمل الجوانب مفتوحة المصدر تنسيقات مجموعات البيانات، وتحكم الإصدارات، والعديد من واجهات برمجة التطبيقات (APIs) لتسهيل معالجة البيانات. بينما توفر الميزات المملوكة أدوات تصور متقدمة ومحرك بث قوي.
رغم أن عدد العملاء لم يتم الكشف عنه، إلا أن المشروع مفتوح المصدر تم تحميله أكثر من مليون مرة، مما يعزز وجود أكتيفلوب في أسواق الشركات. تعمل الخدمة الخاصة بالشركات على نموذج تسعير قائم على الاستخدام، وتستخدمها بالفعل شركات Fortune 500 في قطاعات تحظى بالتنظيم مثل الأدوية الحيوية، والعلوم الحياتية، والتكنولوجيا الطبية، والسيارات، والقانون.
على سبيل المثال، قامت شركة باير للأشعة بتطبيق "ديب ليك" لتوحيدأنماط البيانات المختلفة في حل واحد، مما قلل بشكل كبير من وقت إعداد البيانات، بينما قدمت ميزة "الدردشة مع الأشعة السينية" التي تمكن علماء البيانات من استعلام الفحوصات باستخدام اللغة الطبيعية.
خطط مستقبلية للنمو
تسعى أكتيفلوب لتعزيز حلولها الخاصة بالشركات وجذب المزيد من العملاء إلى قاعدة بيانات الذكاء الاصطناعي الخاصة بها، مع التركيز على تبسيط تنظيم واسترجاع البيانات غير الهيكلية المعقدة. تخطط الشركة لتوسيع فريقها الهندسي، مدفوعة بالتمويل الفوري.
يتوقع بونيتيان أيضًا الإطلاق الوشيك لإصدار "ديب ليك" v4، الذي سيقدم إدخال وإخراج متزامن أسرع، ومحمل بيانات بث متقدم لتدريب النماذج، وقدرات شاملة لتتبع البيانات، بالإضافة إلى التكامل مع مصادر البيانات الخارجية. ويشدد على أنه رغم وجود العديد من العملاء في هذا المجال، إلا أنه لم تظهر أي منافسين مباشرين.
في النهاية، تأمل أكتيفلوب في توفير تكاليف كبيرة للشركات المرتبطة بتنظيم البيانات داخليًا واسترجاعها، مما يمكّن المهندسين من التركيز على الإنتاجية بدلاً من المهام البرمجية المتكررة.
قائمة الترتيب
