لماذا قام Flip AI ببناء نموذج لغة كبير مخصص لتشغيل منصة المراقبة الخاصة به
تعد إمكانية الملاحظة كلمة طنانة في دوائر تكنولوجيا المعلومات هذه الأيام، ولكنها تتضمن بشكل أساسي مراقبة أنظمة الشركة، أو البحث عن المشكلات، أو محاولة العثور على السبب الجذري للمشكلات بعد حدوثها – وهي تحدث طوال الوقت، وتتباطأ أحيانًا أسفل موقع أو تطبيق، وفي أسوأ الحالات، قم بإيقاف تشغيله.
هناك العديد من الشركات الناشئة والشركات القائمة التي تحاول حل هذه المشكلة، لكن Flip AI يجلب تطورًا جديدًا لهذه الفئة. قامت الشركة الناشئة في مرحلة مبكرة ببناء نموذج لغوي كبير خاص بها، مصمم خصيصًا لمهاجمة مشكلة المراقبة.
أعلنت الشركة اليوم أن منتجها أصبح متاحًا بشكل عام بالإضافة إلى استثمار أولي لم يعلن عنه سابقًا بقيمة 6.5 مليون دولار.
يقول الرئيس التنفيذي والمؤسس المشارك كوري هاريسون، إنه اليوم، على الرغم من عدد الأدوات المتوفرة، لا تزال الشركات تستخدم في كثير من الأحيان عمليات يدوية للغاية لتتبع البيانات بين الأنظمة. لقد رأى هو ومؤسسوه المشاركون، CTO Sunil Mallya وCPO Deap Ubhi، فرصة لاستخدام الذكاء والأتمتة في العمل لتسريع وقت الحل.
“لذا تستخدم الشركات الكبيرة [multiple] وقال هاريسون لـ TechCrunch: “الأدوات، ومع ذلك لا تزال تواجه صعوبة عندما يحين وقت استكشاف الأخطاء وإصلاحها فعليًا”. وقال إن هذه المشكلة غالبًا ما تكون أكثر حدة في المؤسسات الكبيرة حيث يكون لديها المزيد من الأدوات والبيانات الموجودة غالبًا في أنظمة مختلفة، مما يجعل من الصعب بشكل خاص تعقب سبب المشكلة دون الكثير من الاستعلامات اليدوية.
ومن خلال بناء نموذج لغة كبير تم تدريبه على بيانات DevOps، يعتقدون أن بإمكانهم تسريع عملية استكشاف الأخطاء وإصلاحها ووقت الاسترداد. “لدينا نموذج لغوي كبير خاص بنا – نحن لا نستخدم OpenAI أو أي شيء من هذا القبيل – والذي قمنا بتدريبه على أكثر من 100 مليار رمز من البيانات الخاصة بـ DevOps مثل السجلات والمقاييس وبيانات التتبع وملفات التكوين وما إلى ذلك. ويمكن بعد ذلك ترشيدها وقال هاريسون: “بنفس الطريقة التي كان من المفترض أن يقوم بها البشر بالاستعلام بين الأنظمة”.
والنتيجة هي أداة تحلل البيانات عبر الأنظمة وتولد تحليل السبب الجذري في أقل من دقيقة، وعادةً ما يستغرق الأمر بضع ثوانٍ فقط، وفقًا لهاريسون، ويقول إنهم يتركون البيانات في مكانها، ويتطلبون الوصول للقراءة فقط لإكمالها التحليل.
يعترف هاريسون بأنه لا يمكن لأي نموذج أن يكون صحيحًا طوال الوقت، لكنه يقول إنها توفر المسار الذي يوضح كيفية حصول النموذج على الإجابة، حتى يتمكن المطور البشري من التحقق من العمل. “لذا، حتى لو لم يكن تحليل السبب الجذري صحيحًا بنسبة 100% في النهاية، فقد قمنا بالفعل بترجمة الخطأ، وقمنا بتشغيل الاستعلامات وسحبنا بيانات العينة. وقال: “لقد قمنا بـ 90٪ من العمل نيابةً عنك”.
إنها فكرة كبيرة وجريئة أن تدرب ماجستير إدارة الأعمال الخاص بك، لكن ماليا وأوبهي كانا يعملان سابقًا في أمازون حيث كانت ماليا مسؤولة عن Amazon Comprehend، خدمة البرمجة اللغوية العصبية للشركة، وكان أوبهي مديرًا لإدارة المنتجات. يتمتع هاريسون أيضًا بخلفية فنية عميقة بما في ذلك العمل مؤخرًا كنائب أول للرئيس للعمليات ورئيسًا لموظفي مفوض اتحاد كرة القدم الأميركي.
ويعمل لدى الشركة حاليًا 20 موظفًا مقسمين بين سان فرانسيسكو وبنغالور بالهند. ومع نموها، تحاول تحقيق التوازن بين طلب العملاء، وهو ما يقول إنه جيد جدًا، مع التحرك بطريقة منهجية. من المؤكد أن هاريسون، وهو أسود، يدرك نقص التنوع في سوق وظائف التكنولوجيا، وهو أمر يقول إنه يفكر فيه كثيرًا. وقال: “فقط بالنظر إلى خلفيتي، ومن ساعدني في الوصول إلى هنا، ومجموعة متنوعة من الأشخاص الذين ساعدوني في الوصول إلى هنا، أريد التأكد من أن Flip AI يتمتع بنفس مستوى التنوع، إن لم يكن أكبر”.
تمت قيادة الاستثمار الأولي بقيمة 6.5 مليون دولار بواسطة Factory مع مشاركة صندوق Morgan Stanley Next Level Fund وGTM Capital أيضًا.
