Investoren strömen in Scharen, um einen Eckpfeiler der KI zu finanzieren: Feature Stores – TechCrunch

Investoren strömen in Scharen, um einen Eckpfeiler der KI zu finanzieren: Feature Stores – BesteFuhrer

„Feature-Stores“, mit ihrem tristen und undurchsichtigen Spitznamen, klingt vielleicht nicht nach dem heißesten Thema.

Aber sie sind ein wesentlicher Bestandteil der KI-Systeme, die Unternehmen – und auch Verbraucher – jeden Tag verwenden. Aus diesem Grund ziehen sie zunehmend Aufmerksamkeit und Investitionen von Venture-Firmen auf sich, die die Marktchancen in ferner Zukunft sehen.

KI-Systeme bestehen aus vielen Komponenten, eine davon sind Features. Features sind die einzelnen Variablen, die wie Eingaben im System wirken. Beim Nachdenken über Funktionen kann es hilfreich sein, eine Tabelle zu visualisieren, in der die von KI-Systemen verwendeten Daten in Zeilen mit Beispielen (Daten, aus denen das System lernt, Vorhersagen zu treffen) und Spalten mit Attributen (Daten, die diese Beispiele beschreiben) organisiert sind. Features sind Attribute, die verwendet werden, um jedes Beispiel zu beschreiben – ein KI-Spam-Erkennungstool könnte beispielsweise Features wie Wörter im E-Mail-Text oder die Kontaktinformationen eines Absenders verwenden.

Die Arbeit mit Funktionen ist in der Regel ein Ad-hoc-Prozess innerhalb eines einzelnen KI-Systems. Aber auf Unternehmensebene, wo Data-Science-Teams für die Wartung von Dutzenden bis Tausenden von Systemen verantwortlich sind, wird ein Ort zum Verwalten und Verfolgen von Funktionen zu einer Notwendigkeit.

Betreten Sie den Feature Store, ein zentrales Repository zum Organisieren, Speichern und Bereitstellen der Funktionen, auf die sich KI-Systeme verlassen. Feature Stores wurden 2017 als Konzept von Uber eingeführt und bieten einen einheitlichen Ort zum Erstellen und Teilen von Funktionen für verschiedene Teams in einer Organisation.

„Feature-Stores befinden sich an der Schnittstelle von Daten und maschinellem Lernen“, sagte Michael Del Balso, CEO von Tecton.ai, einem Startup, das Feature-Store-Software für Unternehmen entwickelt, BesteFuhrer in einer E-Mail. „[Feature stores are] ein wesentlicher Bestandteil des „MLOps“-Stacks, da sie es Datenteams ermöglichen, schnell und zuverlässig hochwertige Funktionen unter Verwendung von Echtzeitdaten zu erstellen und diese Funktionen in der Produktion für Echtzeit-Inferenzen bereitzustellen. Sie dienen als Schnittstelle zwischen Daten und [AI] Modelle.“

Feature Stores gehen über eine einfache Datenbank hinaus und ermöglichen es Dateningenieuren, Statistiken zu Features anzuzeigen, darunter, welche Features verwendet wurden, wo sie verwendet wurden und welche Auswirkungen sie auf Modelle hatten. Feature Stores wandeln auch Daten um, sodass Benutzer Features aggregieren, filtern und verbinden können, ohne unbedingt programmieren zu müssen. (Denken Sie an das Sammeln von Bestellungen in einem Restaurant, um den Merkmalswert „Anzahl der Bestellungen in den letzten 30 Minuten“ zu erhalten.)

Del Balso erklärte: „Advanced Feature Stores … automatisieren Produktionspipelines, um Daten aus Batch-Datenquellen und Echtzeitquellen zu sammeln, die Daten in Echtzeit umzuwandeln und die Daten im Offline- und Online-Store zu speichern. [They often also] umfassen integrierte Überwachungsfunktionen zur Überwachung des Zustands der Pipeline, Datendrift, Service-Levels und mehr.“

Bildnachweis: Tecton.ai

Feature Stores versprechen, die Zusammenarbeit zwischen Teams zu verbessern und gleichzeitig die Entwicklung von KI-Systemen zu optimieren. Da die Nachfrage nach ihnen wächst, entwickeln Technologiegiganten und Start-ups wie Tecton Produkte, um den Bedarf zu decken – und Investoren unterstützen sie mit Begeisterung.

Leave a Comment

Your email address will not be published.