تجمع Snowflake بين احتياجات المطورين والمحللين في أداة GenAI الجديدة

تستخدم الشركات Snowflake لتخزين بياناتها في السحابة. مع الاهتمام المتزايد باستمرار بالذكاء الاصطناعي التوليدي ونماذج اللغات الكبيرة، يبحث العملاء عن طرق للبدء في استخدام التكنولوجيا بسرعة. أعلنت الشركة اليوم عن Snowflake Cortex، وهي خدمة مُدارة بالكامل مصممة لمساعدة كل من مستخدمي الأعمال والمطورين على العمل مع التطبيقات التي تدعم الذكاء الاصطناعي على منصة Snowflake.

لها عدة أغراض، اعتمادًا على دورك. بالنسبة لمحللي الأعمال، فهو يوفر الوصول إلى العديد من أدوات الذكاء الاصطناعي المبنية على LLMs المخصصة الخاصة بـ Snowflake لتسهيل وأسرع التفاعل مع البيانات المخزنة في Snowflake. بالنسبة للمطورين، فهو يساعدهم على بناء تطبيقات ذكاء اصطناعي توليدية فوق البيانات المخزنة في Snowflake، جزئيًا، مع الاستفادة من القدرة التي جاءت إلى Snowflake مع الاستحواذ على Streamlit العام الماضي.

وقال سريدهار راماسوامي نائب الرئيس الأول للذكاء الاصطناعي في Snowflake في اجتماع مائدة مستديرة صحفي الأسبوع الماضي: “في جوهره، نحن نجلب البحث المتقدم، بالإضافة إلى نماذج اللغة الكبيرة مباشرة في قلب Snowflake مع مكون جديد نطلق عليه Snowflake Cortex”.

“نريد أن نجعل هذه الميزات المتقدمة، والتي تعد من متطلبات المؤسسات الحديثة بشكل متزايد، ودمجها بعمق في Snowflake، بحيث يصبح مستخدمو الطاقة لدينا، والمحللون الذين يقضون كل وقتهم تقريبًا في Snowflake، كثيرًا وقال راماسوامي، الذي جاء إلى الشركة كجزء من عملية الاستحواذ على نيفا في وقت سابق من هذا العام: “إننا أكثر إنتاجية”.

بينما يمكن للمطورين الاستفادة من Cortex لبناء تطبيقات الذكاء الاصطناعي التوليدية، توفر الشركة العديد من العناصر المتقدمة المبتكرة لمساعدة المحللين على الاستفادة من الذكاء الاصطناعي التوليدي. الأول هو Document AI، وهو طريقة لاستخراج البيانات من المستندات غير المنظمة مثل ملفات PDF وتقارير المحللين والاستعلام عن تلك المعلومات. وقال: “ما يفعله Document AI هو أنه يسهل على المحلل الذي ليس لديه أي معرفة متخصصة بالبرمجة أو نماذج اللغة الكبيرة أن يتمكن من استخراج هذه القيم المنظمة من هذه المستندات ووضعها في جدول”.

ومن الناحية العملية، يتيح هذا للمحللين طرح أسئلة حول البيانات غير المنظمة المخزنة في هذه المستندات.

الميزة الثانية التي يضيفونها هي البحث الشامل، وهي القدرة التي أتت إلى Snowflake عندما استحوذت على Neeva في مايو. وقال: “البحث، كما يدرك الكثير من الناس، هو الأساس للقيام بأشياء مثيرة للاهتمام باستخدام نماذج اللغة، ونحن نكشف جوهر البحث فوق كائنات Snowflake”. يتيح ذلك للمستخدمين البحث في جميع بيانات Snowflake وسوق Snowflake لتحديد البيانات أو التطبيقات التي قاموا بإنشائها.

القطعة الرئيسية الثالثة لتحليل Cortex هي Snowflake Copilot، والتي تأخذ أسئلة باللغة البسيطة حول البيانات المخزنة في Snowflake، وتحولها إلى استعلامات SQL. إذا تم القيام بذلك بشكل صحيح، فمن المحتمل أن يوفر هذا الكثير من الوقت الذي يقضيه المحللون في التعرف على بنية البيانات والأعمدة لإنشاء استعلامات ذات معنى.

بالنسبة للمطورين، يمكنهم إنشاء تطبيقات بسرعة باستخدام نماذج Snowflake، أو لأولئك الذين يريدون مزيدًا من التحكم في العملية بأكملها، يمكنهم إنشاء تطبيقات أكثر تخصيصًا مع إمكانية الوصول إلى LLMs الخارجية مثل العروض مفتوحة المصدر، أو تلك المقدمة من شركاء السحابة مثل Amazon Bedrock و أزور أوبن إيه آي. ويمكنهم أيضًا الاستفادة من خدمات Snowflake Container Services التي تم الإعلان عنها في يونيو لنشر التطبيقات بشكل أكثر كفاءة كأحمال عمل في حاويات.

يعد Snowflake Cortex جزءًا من خطة أوسع لجعل البيانات المخزنة في Snowflake تعمل بطرق مختلفة، سواء كان ذلك في البحث أو الاستعلام أو إنشاء التطبيقات. في الوقت الحالي، تتوفر Cortex وميزاتها الأساسية في معاينة خاصة. ولم توضح الشركة متى سيكون متاحًا على نطاق أوسع في الوقت الحالي.