به نظر می رسد لایتنینگ مدیریت هوش مصنوعی را به یک تکه کیک تبدیل می کند

هوش مصنوعی ممکن است داغ ترین چیز از زمان برش نان باشد. اما این بدان معنا نیست که توسعه و اجرای آن آسان تر می شود. با توجه به بر اساس نظرسنجی اخیر گروه مشاوران بوستون، 74 درصد از سازمان ها در تلاش هستند تا از سرمایه گذاری های هوش مصنوعی خود ارزش کسب کنند.

ویلیام فالکون، خالق PyTorch Lightning، یک چارچوب AI منبع باز محبوب، می‌گوید که یکی از بزرگ‌ترین اشتباهات کسب‌وکارها دست کم گرفتن میزان کار پایی در هماهنگ‌سازی هوش مصنوعی است.

او به TechCrunch گفت: «ساختن پلتفرم هوش مصنوعی خود امروز مانند ساختن Slack خودتان است – این پلتفرم پیچیده، پرهزینه و برای کسب و کار شما نیست. ارزش شرکت‌ها در داده‌ها، دانش حوزه و مدل‌های منحصربه‌فرد آنها نهفته است، نه در حفظ زیرساخت‌های هوش مصنوعی.

فالکون، کارآموز سابق نیروی دریایی و کارآموز تحقیقات هوش مصنوعی فیس بوک، زمانی که دانشجوی کارشناسی در کلمبیا بود، توسعه PyTorch Lightning را آغاز کرد. این فریم ورک یک رابط سطح بالا برای کتابخانه هوش مصنوعی PyTorch فراهم می کند و کد را برای راه اندازی و نگهداری سیستم های هوش مصنوعی انتزاع می کند.

پس از انصراف از برنامه دکترای دانشگاه نیویورک، فالکون تصمیم گرفت با لوئیس کاپلو، رهبر سابق محصولات داده فوربس، برای تجاری سازی PyTorch Lighting، تیمی ایجاد کند. سرمایه گذاری آنها، لایتنینگ AI، چارچوب متن باز را می گیرد و خدمات و ابزارهای متمرکز بر سازمان را در بالا قرار می دهد.

ما هزاران توسعه‌دهنده داریم که به تنهایی مدل‌ها را آموزش می‌دهند و به کار می‌برند [with Lightning AI] فالکون گفت: در مقیاسی که نیاز به تیم هایی از توسعه دهندگان بدون لایتنینگ داشت.

لایتنینگ AI کارهای معمولاً دست و پا گیر مانند توزیع بارهای کاری هوش مصنوعی در سرورها و فراهم کردن زیرساخت های مورد نیاز برای ارزیابی و آموزش هوش مصنوعی را انجام می دهد. محصول شاخص این شرکت، AI Studios، به مشتریان این امکان را می‌دهد تا مدل‌های هوش مصنوعی را در محیط‌های ابری مورد علاقه خود تنظیم و اجرا کنند.

شرکت‌ها حتی می‌توانند از هوش مصنوعی لایتنینگ برای میزبانی برنامه‌های مبتنی بر هوش مصنوعی که در زیرساخت‌های ابری خصوصی یا مراکز داده داخلی آن‌ها اجرا می‌شوند، استفاده کنند. قیمت به صورت پرداختی است، با یک ردیف رایگان که شامل 22 «ساعت GPU» در ماه است.

فالکون می گوید که هدف لایتنینگ AI این است که توسعه دهنده هوش مصنوعی را «به اندازه استفاده از آیفون بصری کند». این پلتفرم به محققان در دانشگاه او در کلمبیا این امکان را داده است که صدها آزمایش را در 12 ساعت به پایان برسانند.

فالکون گفت: «بیشتر مردم این را نمی‌دانند، اما بسیاری از محصولات پیشرو هوش مصنوعی در جهان بر روی Lightning آموزش دیده یا ساخته شده‌اند. برای مثال، مجموعه مدل‌های انویدیا، NeMo، با استفاده از ابزارهای لایتنینگ ساخته شده است. Stable Diffusion توسط Stability AI یکی دیگر از این موارد است.

مطمئناً لایتنینگ AI شتاب دارد. امروزه بیش از 230000 توسعه‌دهنده هوش مصنوعی و 3200 سازمان از این پلتفرم استفاده می‌کنند و این شرکت اخیراً 50 میلیون دلار در دور سرمایه‌گذاری جمع‌آوری کرده است.

هر چند رقابت وجود دارد. Comet، Galileo، FedML، Arize، Deepset، Diveplane، Weights & Biases، و InfuseAI ترکیبی قابل مقایسه از خدمات ارکستراسیون هوش مصنوعی پولی و رایگان را ارائه می دهند.

فالکون به نوبه خود معتقد است بازار راه حل های هوش مصنوعی مدیریت شده به اندازه کافی بزرگ است که از بسیاری از بازیکنان پشتیبانی کند. و او احتمالا اشتباه نمی کند. براساس Fortune Business Insights، صنعت عملیات یادگیری ماشینی عمودی – لایتنینگ AI عمودی – می تواند ارزش حدود 13 میلیارد دلار تا سال 2030.

با سرمایه گذاری جدید 50 میلیون دلاری که از سوی Cisco Investments، JP Morgan، Nvidia و K5 Global انجام می شود، کل صندوق جنگ لایتنینگ AI به 103 میلیون دلار می رسد. این شرکت 50 نفره مستقر در نیویورک قصد دارد درآمد حاصل از آن را صرف جذب مشتریان جدید، از جمله مشتریان دولتی، و گسترش پلت فرم لایتنینگ به بازارهای جدید کند.

فالکون گفت: «با یک تیم ناب، با عملکرد بالا و محصول حاشیه ناخالص 90 درصد، ما در مسیر رسیدن به درآمد سالانه 10 تا 20 میلیون دلاری تا پایان سال آینده هستیم و اندکی پس از آن به سوددهی دست خواهیم یافت. ”

TechCrunch یک خبرنامه متمرکز بر هوش مصنوعی دارد! برای دریافت آن در صندوق پستی خود هر چهارشنبه اینجا ثبت نام کنید.