ZenML quer ser a cola que une todas as ferramentas de IA de código sincero. Essa estrutura de código sincero permite fabricar pipelines que serão usados por cientistas de dados, engenheiros de estágio de máquina e engenheiros de plataforma para colaborar e edificar novos modelos de IA.
A razão pela qual o ZenML é interessante é que ele capacita as empresas para que possam edificar seus próprios modelos privados. É evidente que as empresas provavelmente não construirão um concorrente do GPT 4. Mas eles poderiam edificar modelos menores que funcionassem particularmente muito para suas necessidades. E reduziria a sua submissão de fornecedores de API, porquê OpenAI e Anthropic.
“A teoria é que, mal a primeira vaga de exaltação com todos usando OpenAI ou APIs de código fechado terminar, [ZenML] permitirá que as pessoas construam sua própria rima”, disse-me Louis Coppey, sócio da empresa de capital de risco Point Nine.
No início deste ano, ZenML levantou uma extensão de sua rodada inicial de Ponto Nove com investidor existente Guindaste também participando. No universal, a startup com sede em Munique, na Alemanha, garantiu US$ 6,4 milhões desde o seu início.
Adam Probst e Hamza Tahir, os fundadores da ZenML, trabalharam juntos anteriormente em uma empresa que estava construindo pipelines de ML para outras empresas em um setor específico. “Dia em seguida dia, precisávamos edificar modelos de estágio de máquina e trazer o estágio de máquina para a produção”, disse-me o CEO da ZenML, Adam Probst.
A partir desse trabalho, a dupla começou a projetar um sistema modular que se adaptasse a diferentes circunstâncias, ambientes e clientes, para que não precisassem repetir o mesmo trabalho indefinidamente — isso levou ao ZenML.
Ao mesmo tempo, os engenheiros que estão começando com o estágio de máquina podem encetar usando esse sistema modular. A equipe ZenML labareda esse espaço de MLOps – é um pouco porquê DevOps, mas aplicado ao ML em pessoal.
“Estamos conectando as ferramentas de código sincero que se concentram em etapas específicas da masmorra de valor para edificar um pipeline de estágio de máquina – tudo fundamentado nos hiperescaladores, portanto tudo fundamentado na AWS e no Google – e também soluções locais. ”, disse Probst.
O concepção principal do ZenML são pipelines. Ao ortografar um pipeline, você pode executá-lo localmente ou implantá-lo usando ferramentas de código sincero porquê Airflow ou Kubeflow. Você também pode aproveitar os serviços de nuvem gerenciados, porquê EC2, Vertex Pipelines e Sagemaker. ZenML também se integra com ferramentas de ML de código sincero de Hugging Face, MLflow, TensorFlow, PyTorch, etc.
“ZenML é um tanto que reúne tudo em uma única experiência unificada – é multifornecedor, multinuvem”, disse Hamza Tahir, CTO da ZenML. Ele traz conectores, observabilidade e auditabilidade aos fluxos de trabalho de ML.
A empresa lançou pela primeira vez sua estrutura no GitHub porquê uma utensílio de código sincero. A equipe acumulou mais de 3.000 estrelas na plataforma de codificação. ZenML também começou recentemente a oferecer uma versão em nuvem com servidores gerenciados — gatilhos para integrações e implantações contínuas (CI/CD) estarão disponíveis em breve.
Algumas empresas têm usado ZenML para casos de uso industrial, sistemas de recomendação de transacção eletrônico, reconhecimento de imagem em envolvente médico, etc. Os clientes incluem Rivian, Playtika e Leroy Merlin.
Modelos privados e específicos do setor
O sucesso do ZenML dependerá de porquê o ecossistema de IA está evoluindo. No momento, muitas empresas estão adicionando recursos de IA cá e ali, consultando a API da OpenAI. Neste resultado, agora você tem um novo botão mágico que pode somar grandes pedaços de texto. Nesse resultado, agora você tem respostas pré-escritas para interações de suporte ao cliente.
“A OpenAI terá horizonte, mas acreditamos que a maior secção do mercado terá que ter a sua própria solução” Adam Probst
Mas há alguns problemas com essas APIs: elas são muito sofisticadas e muito caras. “OpenAI, ou esses grandes modelos de linguagem construídos a portas fechadas, são desenvolvidos para casos de uso universal – não para casos de uso específicos. Portanto, atualmente é muito treinado e muito dispendioso para casos de uso específicos”, disse Probst.
“A OpenAI terá horizonte, mas acreditamos que a maior secção do mercado terá que ter a sua própria solução. E é por isso que o código sincero é muito sedutor para eles”, acrescentou.
O CEO da OpenAI, Sam Altman, também acredita que os modelos de IA não serão uma situação única para todos. “Acho que ambos têm um papel importante. Estamos interessados em ambos e o horizonte será um híbrido de ambos”, disse Altman ao responder a uma pergunta sobre modelos pequenos e especializados versus modelos amplos durante uma sessão de perguntas e respostas na Estação F no início deste ano.
Existem também implicações éticas e legais com o uso da IA. A regulamentação ainda está a evoluir muito em tempo real, mas a legislação europeia, em pessoal, poderia encorajar as empresas a utilizar modelos de IA treinados em conjuntos de dados muito específicos e de formas muito específicas.
“O Gartner diz que 75% das empresas estão mudando de [proofs of concept] para produção em 2024. Portanto, os próximos um ou dois anos serão provavelmente alguns dos momentos mais seminais na história da IA, onde finalmente entraremos em produção usando provavelmente uma mistura de modelos fundamentais de código sincero ajustados em dados proprietários”, Tahir me disse.
“O valor dos MLOps é que acreditamos que 99% dos casos de uso de IA serão conduzidos por modelos menores, mais baratos e mais especializados, que serão treinados internamente”, acrescentou ele posteriormente na conversa.
Créditos da imagem: ZenML
