Databricks renforce Mosaic AI pour les applications d'IA d'entreprise

Databricks renforce Mosaic AI pour les applications d'IA d'entreprise

Par
Elena Rodriguez
3 min de lecture

Databricks annonce une amélioration de sa plateforme AI Mosaic dédiée au développement d'IA en entreprise

Databricks a annoncé des améliorations significatives de sa plateforme AI Mosaic, axées sur les besoins des entreprises souhaitant développer des applications d'IA robustes. Le focus est particulièrement mis sur l'IA générative, avec des outils avancés désormais disponibles pour la construction de systèmes d'IA complexes, l'évaluation des performances selon des métriques diverses et la gouvernance complète. Cette démarche positionne Databricks en concurrence directe avec des concurrents de l'industrie tels que Snowflake, qui a également renforcé ses capacités en matière d'IA.

Les nouveautés concernent le cadre de formation de modèles AI Mosaic et le cadre d'agent, conçus pour faciliter le réglage des modèles et la création d'applications de génération de haute qualité, basées sur la récupération (RAG). Par ailleurs, l'introduction de la passerelle AI Mosaic propose une interface unifiée pour la gestion et le déploiement des modèles, améliorant ainsi les procédures de gouvernance et de surveillance. Ces développements s'inscrivent dans la démarche continue de Databricks visant à simplifier le développement et le déploiement des applications d'IA, permettant ainsi aux entreprises d'exploiter plus efficacement leurs données.

Points clés à retenir

  • Databricks renforce sa plateforme AI Mosaic pour le développement d'applications d'IA générative en entreprise.
  • Les nouvelles fonctionnalités se concentrent sur les systèmes d'IA complexes, l'évaluation et la gouvernance.
  • Mosaic AI inclut désormais des outils de recherche Vector AI et de formation de modèles.
  • Le cadre d'agent est intégré pour la création d'applications RAG de haute qualité.
  • La passerelle AI Mosaic offre des fonctionnalités avancées de gestion et de gouvernance des modèles.

Analyse

Les améliorations apportées à la plateforme AI Mosaic de Databricks devraient considérablement renforcer les capacités d'IA en entreprise, posant un défi direct à des concurrents tels que Snowflake. Des outils avancés tels que Mosaic AI Model Training et le cadre d'agent, associés à la passerelle AI Mosaic, facilitent le développement et la gouvernance des applications d'IA. Cette démarche stratégique pourrait se traduire par une augmentation de la part de marché de Databricks et une accélération de la concurrence dans le secteur des plateformes d'IA. Les entreprises devraient bénéficier d'une amélioration de la qualité et de la gestion des applications d'IA, accélérant ainsi leur transformation numérique. À long terme, cela pourrait entraîner une redéfinition des normes en matière de gouvernance et de déploiement de l'IA, influençant ainsi les tendances futures en matière de développement et d'adoption de l'IA.

Saviez-vous que?

  • IA générative : Ce sous-ensemble de l'IA se concentre sur la création de nouveaux contenus, tels que du texte, des images, de l'audio ou de la vidéo, qui ressemblent étroitement au contenu généré par des humains. Il utilise des algorithmes pour apprendre à partir de données existantes et générer un contenu original basé sur cet apprentissage.
  • Génération basée sur la récupération (RAG) : Dans l'IA, la RAG fait référence à une technique où le modèle combine les avantages des systèmes de récupération et des modèles génératifs. Il récupère d'abord des informations pertinentes dans une source de connaissances, puis utilise ces informations pour générer une réponse, améliorant ainsi la pertinence et l'exactitude du contenu qu'il génère.
  • Recherche par vectorisation : Cette méthode de recherche de données implique l'utilisation d'empreintes vectorielles, qui représentent des points de données dans un espace à haute dimension. Cette approche permet des résultats de recherche plus nuancés et pertinents sur le plan contextuel, car la similarité entre vecteurs peut être calculée pour trouver les points de données les plus pertinents. Elle se révèle particulièrement utile dans les systèmes d'IA complexes, où la recherche par mot-clé traditionnelle présente des limites.

Vous aimerez peut-être aussi

Cet article est soumis par notre utilisateur en vertu des Règles et directives de soumission de nouvelles. La photo de couverture est une œuvre d'art générée par ordinateur à des fins illustratives uniquement; ne reflète pas le contenu factuel. Si vous pensez que cet article viole les droits d'auteur, n'hésitez pas à le signaler en nous envoyant un e-mail. Votre vigilance et votre coopération sont inestimables pour nous aider à maintenir une communauté respectueuse et juridiquement conforme.

Abonnez-vous à notre bulletin d'information

Obtenez les dernières nouvelles de l'entreprise et de la technologie avec des aperçus exclusifs de nos nouvelles offres