Databricks, Anthropic waungana kuleta Claude AI kwa data

Enzi Mpya ya Ushirikiano katika Akili Bandia na Usimamizi wa Data

Mandhari ya akili bandia yanapitia mabadiliko makubwa, yakionyeshwa na modeli zinazozidi kuwa za kisasa na mahitaji yanayokua ya ujumuishaji wao usio na mshono katika mifumo iliyopo ya kazi ya biashara. Kwa kutambua wakati huu muhimu, Databricks, kiongozi katika majukwaa ya ujasusi wa data, na Anthropic, shirika maarufu la usalama na utafiti wa AI, wamezindua ushirikiano wa kimkakati wa kihistoria wa miaka mitano. Ushirikiano huu umeundwa kufafanua upya jinsi biashara zinavyoingiliana na kutumia akili bandia kwa kupachika modeli za hali ya juu za Claude za Anthropic moja kwa moja ndani ya Jukwaa la Ujasusi wa Data la Databricks. Hatua hii ya kimkakati inaashiria zaidi ya ujumuishaji wa kiufundi tu; inawakilisha mabadiliko ya kimsingi kuelekea kufanya uwezo mkubwa wa AI kuwa sehemu ya asili ya mzunguko wa maisha ya data, inayopatikana kiasili pale data ya biashara inapokaa. Lengo liko wazi: kuwawezesha mashirika kutumia nguvu iliyojumuishwa ya rasilimali zao za kipekee za data na modeli za kisasa za AI, kukuza uvumbuzi na kuendesha matokeo dhahiri ya biashara. Muungano huu unaahidi kupunguza vizuizi vya kuingia kwa matumizi ya kisasa ya AI, kuleta teknolojia ya hali ya juu moja kwa moja kwa watumiaji wengi ambao tayari wanatumia Databricks kwa mahitaji yao ya data.

Mwingiliano wa Majukwaa ya Data na Modeli za Juu za AI

Muunganiko wa majukwaa kamili ya data na modeli za hali ya juu za AI unawakilisha hatua muhimu ya mageuzi kwa teknolojia ya biashara. Kihistoria, kupata AI yenye nguvu mara nyingi kulihusisha ujumuishaji tata, changamoto za uhamishaji data, na wasiwasi unaowezekana wa usalama. Databricks imejiimarisha kama kitovu kikuu cha uhandisi wa data, sayansi ya data, ujifunzaji wa mashine, na uchanganuzi, ikitoa jukwaa lililounganishwa—Jukwaa la Ujasusi wa Data—lililoundwa kusimamia mzunguko mzima wa maisha ya data. Inatoa miundombinu na zana muhimu kwa mashirika kuhifadhi, kuchakata, na kuchanganua kiasi kikubwa cha data kwa ufanisi.

Wakati huo huo, Anthropic imeibuka kama mchezaji muhimu katika ukuzaji wa modeli kubwa za lugha (LLMs), ikizingatia sio tu uwezo bali pia usalama na uaminifu. Familia yao ya modeli za Claude inajulikana kwa utendaji mzuri katika anuwai ya kazi za usindikaji wa lugha asilia, ikiwa ni pamoja na kufikiri, mazungumzo, na uzalishaji wa maudhui. Wazo kuu nyuma ya ushirikiano huu ni kuziba pengo kati ya injini zenye nguvu za AI za Anthropic na data tajiri, iliyo na muktadha inayodhibitiwa ndani ya mazingira ya Databricks.

Kwa kutoa modeli za Claude kiasili kupitia jukwaa la Databricks, ushirikiano huu unaunda mwingiliano wenye nguvu. Biashara hazihitaji tena kupitia miito tata ya API za nje au kusimamia miundombinu tofauti kwa mipango yao ya AI. Badala yake, wanaweza kutumia uwezo wa hali ya juu wa kufikiri wa Anthropic moja kwa moja pamoja na data zao muhimu za biashara, ambayo inajumuisha taarifa za umiliki, mwingiliano wa wateja, kumbukumbu za uendeshaji, na utafiti wa soko. Uunganisho huu thabiti unawezesha mchakato wa maendeleo ulioboreshwa zaidi, salama, na ufanisi kwa suluhisho za AI zinazoendeshwa na data. Uwezo unaofunguliwa na ujumuishaji huu unaenea katika tasnia na kazi nyingi, kuwezesha uundaji wa mifumo ya AI iliyoboreshwa sana ambayo inaelewa nuances maalum za kikoa cha shirika.

Kuwawezesha Makampuni na Mawakala Wenye Akili, Wanaofahamu Data

Lengo kuu la ushirikiano wa Databricks-Anthropic ni kuwapa makampuni uwezo wa kujenga na kupeleka mawakala wa AI wenye uwezo wa kufikiri juu ya data zao za umiliki. Dhana hii inapita zaidi ya matumizi ya jumla ya AI kuelekea kuunda wasaidizi maalum wa kidijitali au mifumo ya kiotomatiki ambayo ina uelewa wa kina wa muktadha maalum wa kampuni, shughuli, na msingi wa maarifa.

“Kufikiri juu ya data ya umiliki” kunamaanisha nini?

• Uelewa wa Muktadha: Mawakala wa AI wanaweza kufikia na kutafsiri nyaraka za ndani, hifadhidata, na hazina za maarifa ili kutoa majibu yenye taarifa, kuzalisha maudhui muhimu, au kutoa mapendekezo yanayoendeshwa na data.
• Utatuzi wa Matatizo Magumu: Kwa kuchanganya nguvu ya uchanganuzi ya modeli za Claude na data maalum ya biashara, mawakala hawa wanaweza kukabiliana na changamoto ngumu za biashara, kama vile kutambua mwelekeo wa soko uliofichwa ndani ya data ya mauzo, kuboresha vifaa vya ugavi kulingana na taarifa za wakati halisi, au kufanya tathmini za kisasa za hatari kwa kutumia rekodi za ndani za kifedha.
• Mwingiliano Uliobinafsishwa: Mawakala wanaweza kutumia data ya mteja (inayoshughulikiwa kwa usalama na kimaadili) kutoa usaidizi uliobinafsishwa sana, mapendekezo ya bidhaa yaliyolengwa, au mawasiliano yaliyoboreshwa.
• Uendeshaji Kiotomatiki wa Kazi za Maarifa: Kazi za kurudia zinazohusisha urejeshaji wa taarifa, ufupishaji, uchanganuzi, na utoaji taarifa kulingana na vyanzo vya data vya ndani zinaweza kufanywa kiotomatiki, kuwaacha wafanyakazi wa kibinadamu kwa mipango ya kimkakati zaidi.

Uwezo huu unawakilisha hatua kubwa mbele. Badala ya kutegemea modeli za AI zilizofunzwa kwenye data ya jumla ya mtandao, biashara sasa zinaweza kujenga mawakala walioboreshwa kwenye seti zao za kipekee za data, na kusababisha matokeo sahihi zaidi, muhimu, na yenye thamani. Fikiria kampuni ya huduma za kifedha ikipeleka wakala wa AI anayechanganua utafiti wake wa soko wa umiliki na data ya jalada la mteja ili kutoa ushauri wa uwekezaji uliobinafsishwa, au kampuni ya utengenezaji bidhaa ikitumia wakala kugundua hitilafu za vifaa kwa kufikiri juu ya kumbukumbu za matengenezo na data ya sensa. Ushirikiano huu unatoa teknolojia ya msingi—Databricks kwa ufikiaji wa data na utawala, Claude ya Anthropic kwa kufikiri—ili kufanya mawakala kama hao wa AI wa kikoa maalum kuwa ukweli kwa zaidi ya kampuni 10,000 ambazo tayari zinatumia jukwaa la Databricks.

Kukabiliana na Vikwazo vya Kudumu katika Uadoption wa AI wa Biashara

Licha ya uwezo mkubwa wa akili bandia, mashirika mengi hukumbana na vikwazo vikubwa wakati yanapojaribu kujenga, kupeleka, na kusimamia suluhisho za AI kwa ufanisi, haswa zile zinazokusudiwa kwa mazingira ya uzalishaji yanayoshughulikia data nyeti. Ushirikiano wa Databricks na Anthropic unashughulikia moja kwa moja changamoto kadhaa muhimu ambazo kwa kawaida huzuia uadoption wa AI wa biashara:

1. Usahihi na Umuhimu: Modeli za jumla za AI mara nyingi hukosa maarifa maalum yanayohitajika kufanya kazi kwa usahihi ndani ya muktadha fulani wa biashara. Kwa kuwezesha mawakala wa AI kufikiri juu ya data ya kipekee ya shirika, suluhisho lililojumuishwa linakuza ukuzaji wa modeli zinazotoa matokeo sahihi zaidi na muhimu yaliyolengwa kwa mahitaji maalum ya uendeshaji.
2. Usalama na Faragha ya Data: Kushughulikia data ya umiliki ya biashara kunahitaji hatua kali za usalama. Kujumuisha modeli za Claude kiasili ndani ya jukwaa la Databricks kunaruhusu mashirika kutumia AI yenye nguvu huku yakidumisha udhibiti mkubwa juu ya data zao. Data inaweza kuchakatwa ndani ya mipaka salama ya mazingira ya Databricks, kupunguza uwezekano wa kufichuliwa na kuzingatia itifaki za utawala zilizowekwa. Hii inashughulikia wasiwasi mkubwa kuhusu kutuma taarifa nyeti kwa watoa huduma wa modeli zanje.
3. Utawala na Uzingatiaji: Makampuni hufanya kazi chini ya mahitaji magumu ya udhibiti na uzingatiaji. Databricks Mosaic AI, sehemu muhimu ya jukwaa, hutoa zana za utawala wa mwisho hadi mwisho katika mzunguko mzima wa maisha ya data na AI. Hii inajumuisha uwezo wa kufuatilia utendaji wa modeli, kuhakikisha usawa, kufuatilia nasaba, na kusimamia udhibiti wa ufikiaji, ambayo ni muhimu kwa kujenga mifumo ya AI inayoaminika na inayozingatia sheria. Kujumuisha Claude ndani ya mfumo huu unaotawaliwa kunaongeza udhibiti huu kwa matumizi ya LLMs za hali ya juu.
4. Utata wa Upelekaji na Ujumuishaji: Kuweka na kusimamia miundombinu ya kupeleka modeli za kisasa za AI kunaweza kuwa ngumu na kuhitaji rasilimali nyingi. Ujumuishaji wa asili hurahisisha mchakato huu kwa kiasi kikubwa, kuruhusu timu za data kutumia modeli za Claude ndani ya mazingira yanayojulikana ya Databricks bila kuhitaji kujenga na kudumisha mifumo tofauti ya upelekaji wa AI.
5. Kutathmini Utendaji na ROI: Kutathmini ufanisi na faida ya uwekezaji (ROI) ya mipango ya AI kunaweza kuwa changamoto. Databricks Mosaic AI inatoa zana za kutathmini utendaji wa modeli dhidi ya metriki maalum za biashara na seti za data. Kuchanganya hii na uboreshaji wa Claude kwa kazi za ulimwengu halisi husaidia kuhakikisha kuwa mawakala wa AI waliopelekwa wanatoa thamani inayoweza kupimika.

Kwa kutoa suluhisho lililounganishwa linalochanganya modeli bora za AI na usimamizi thabiti wa data na zana za utawala, Databricks na Anthropic wanalenga kurahisisha njia kutoka kwa majaribio ya AI hadi upelekaji wa kiwango cha uzalishaji, na kufanya AI ya kisasa ipatikane zaidi, iwe salama, na iwe na athari kubwa kwa biashara.

Kuanzisha Claude 3.7 Sonnet: Alama Mpya katika Kufikiri na Usimbaji

Kipengele muhimu cha ushirikiano huu ni upatikanaji wa haraka wa modeli ya hivi karibuni ya Anthropic, Claude 3.7 Sonnet, ndani ya mfumo wa ikolojia wa Databricks. Modeli hii inawakilisha maendeleo makubwa katika uwezo wa AI na imewekwa kama jiwe la msingi la toleo la pamoja. Claude 3.7 Sonnet inajulikana hasa kwa sababu kadhaa:

• Kufikiri Mseto: Inaelezwa kama modeli ya kwanza ya kufikiri mseto sokoni. Ingawa maelezo maalum ya usanifu huu ni ya umiliki, inapendekeza mbinu ya hali ya juu inayochanganya mbinu tofauti (uwezekano ikiwa ni pamoja na kufikiri kwa ishara pamoja na usindikaji wa mtandao wa neva) ili kufikia uelewa thabiti zaidi na wenye nuances na uwezo wa kutatua matatizo. Hii inaweza kusababisha utendaji ulioboreshwa kwenye kazi ngumu zinazohitaji upunguzaji wa kimantiki, upangaji, na uchanganuzi wa hatua nyingi.
• Umahiri wa Usimbaji Unaongoza Viwandani: Modeli hii inatambuliwa kama kiongozi wa tasnia kwa kazi za usimbaji. Uwezo huu ni wa thamani kubwa kwa makampuni yanayotafuta kuendesha kiotomatiki michakato ya ukuzaji wa programu, kuzalisha vijisehemu vya msimbo, kurekebisha misingi ya msimbo iliyopo, au kutafsiri msimbo kati ya lugha tofauti za programu—yote yakifahamishwa na viwango vya ndani vya usimbaji vya kampuni na maktaba zinazopatikana kupitia Databricks.
• Uboreshaji kwa Matumizi ya Ulimwengu Halisi: Anthropic inasisitiza kuwa modeli za Claude, ikiwa ni pamoja na 3.7 Sonnet, zimeboreshwa kwa aina ya kazi za ulimwengu halisi ambazo wateja huziona kuwa muhimu zaidi. Lengo hili la vitendo linahakikisha kuwa nguvu ya modeli inatafsiriwa kuwa faida dhahiri kwa shughuli za biashara, badala ya kufaulu tu katika vigezo vya kinadharia.
• Upatikanaji: Kufanya modeli kama hiyo ya hali ya juu ipatikane moja kwa moja kupitia Databricks kwenye majukwaa makubwa ya wingu (AWS, Azure, Google Cloud Platform) kunademokrasisha ufikiaji. Mashirika yanaweza kujaribu na kupeleka AI hii ya kisasa bila kuhitaji miundombinu maalum au uhusiano wa moja kwa moja na mtoa huduma wa modeli, wakitumia uwekezaji wao uliopo wa Databricks.

Ujumuishaji wa Claude 3.7 Sonnet huwapa wateja wa Databricks ufikiaji wa haraka wa zana yenye nguvu inayoweza kukabiliana na changamoto za kisasa za uchanganuzi, ubunifu, na kiufundi. Nguvu zake katika kufikiri na usimbaji, pamoja na upatikanaji wake wa asili pamoja na data ya biashara, huiweka kama kiwezeshaji muhimu cha kujenga kizazi kijacho cha matumizi na mawakala wenye akili.

Faida Tofauti ya Ujumuishaji wa Asili

Dhana ya ujumuishaji wa asili ni muhimu kwa pendekezo la thamani la ushirikiano wa Databricks-Anthropic. Mbinu hii inatofautiana sana na njia za jadi za kupata modeli za AI, ambazo mara nyingi hutegemea Violesura vya Kupanga Programu (APIs) vya nje. Ujumuishaji wa asili unamaanisha muunganisho wa kina zaidi, usio na mshono kati ya modeli za Claude za Anthropic na Jukwaa la Ujasusi wa Data la Databricks, ukitoa faida kadhaa zinazowezekana:

• Kupunguza Muda wa Kusubiri: Kuchakata maombi ndani ya mazingira sawa ya jukwaa kunaweza kupunguza muda wa kusubiri wa mtandao unaohusishwa na miito ya API za nje, na kusababisha nyakati za majibu za haraka kwa matumizi ya AI. Hii ni muhimu hasa kwa matumizi ya wakati halisi au mwingiliano.
• Usalama Ulioimarishwa: Kwa kuweka uchakataji wa data ndani ya mzunguko salama wa jukwaa la Databricks (kulingana na maelezo maalum ya utekelezaji), ujumuishaji wa asili unaweza kuimarisha kwa kiasi kikubwa usalama wa data na faragha. Data nyeti ya umiliki inaweza isihitaji kupita kwenye mitandao ya nje au kuchakatwa na miundombinu ya wahusika wengine kwa njia sawa na miito ya API, ikilingana vizuri zaidi na mkao mkali wa usalama wa biashara.
• Mifumo ya Kazi Iliyorahisishwa: Wanasayansi wa data na wasanidi programu wanaweza kufikia na kutumia modeli za Claude kwa kutumia zana na violesura vinavyojulikana vya Databricks. Hii huondoa hitaji la kusimamia vitambulisho tofauti, SDKs, au sehemu za ujumuishaji, kurahisisha mzunguko wa maisha wa ukuzaji, upelekaji, na usimamizi wa matumizi ya AI. Mchakato mzima, kutoka kwa utayarishaji wa data hadi uombaji wa modeli na uchanganuzi wa matokeo, unaweza kutokea ndani ya mazingira yaliyounganishwa.
• Utawala Uliorahisishwa: Kujumuisha matumizi ya modeli ndani ya jukwaa la Databricks kunaruhusu utumiaji thabiti wa sera za utawala, udhibiti wa ufikiaji, na mifumo ya ukaguzi inayosimamiwa na Mosaic AI. Ufuatiliaji wa matumizi, gharama, na utendaji unakuwa sehemu ya mfumo uliopo wa utawala wa data.
• Ufanisi wa Gharama Unaowezekana: Kulingana na modeli za bei na matumizi ya rasilimali, ujumuishaji wa asili unaweza kutoa miundo ya gharama inayotabirika zaidi au iliyoboreshwa ikilinganishwa na modeli za API za kulipa kwa kila mwito, haswa kwa hali za matumizi ya kiwango cha juu zilizounganishwa kwa karibu na kazi za uchakataji wa data ambazo tayari zinaendeshwa kwenye Databricks.

Uunganisho huu thabiti hubadilisha Claude kutoka kuwa zana ya nje hadi kuwa uwezo uliopachikwa ndani ya mfumo wa ikolojia wa data wa biashara, na kufanya ukuzaji na upelekaji wa mawakala wa AI wa kisasa, wanaofahamu data kuwa na ufanisi zaidi, salama, na rahisi kusimamia.

Kutoa Unyumbufu Kupitia Upelekaji Usio na Mshono wa Mawingu-anuwai

Kipengele muhimu cha toleo la Databricks-Anthropic ni upatikanaji wake katika watoa huduma wakuu wa wingu wa umma: Amazon Web Services (AWS), Microsoft Azure, na Google Cloud Platform (GCP). Mkakati huu wa mawingu-anuwai ni muhimu kwa kukidhi mahitaji mbalimbali ya miundombinu ya makampuni ya kisasa. Mashirika mengi hutumia watoa huduma wengi wa wingu ili kutumia huduma bora zaidi, kuhakikisha ustahimilivu, kuepuka kufungwa kwa muuzaji, au kuzingatia mahitaji maalum ya kikanda au ya mteja.

Databricks yenyewe imeundwa kama jukwaa la mawingu-anuwai, ikitoa safu thabiti ya ujasusi wa data bila kujali miundombinu ya msingi ya wingu. Kwa kufanya modeli za Claude zipatikane kiasili ndani ya Databricks kwenye AWS, Azure, na GCP, ushirikiano huu unahakikisha kuwa wateja wanaweza kufaidika na ujumuishaji huu wa hali ya juu wa AI bila kujali mazingira yao ya wingu yanayopendelewa au mkakati wa mawingu-anuwai.

Hii inatoa faida kadhaa muhimu:

• Chaguo na Unyumbufu: Makampuni yanaweza kupeleka mawakala wa AI wanaotumia Claude kwenye jukwaa la wingu (au majukwaa) linalofaa zaidi mahitaji yao ya kiufundi, uwekezaji uliopo wa miundombinu, na makubaliano ya kibiashara.
• Uthabiti: Timu za maendeleo zinaweza kujenga na kusimamia matumizi ya AI kwa kutumia kiolesura na seti ya zana thabiti (Databricks na Claude) katika mazingira tofauti ya wingu, kupunguza utata na gharama za mafunzo.
• Ukaribu wa Data: Mashirika yanaweza kutumia modeli za Claude katika mazingira sawa ya wingu ambapo maziwa yao ya data ya msingi au maghala ya data yanakaa, kuboresha utendaji na uwezekano wa kupunguza gharama za utokaji wa data.
• Uthibitisho wa Baadaye: Mbinu ya mawingu-anuwai hutoa ustahimilivu na uwezo wa kubadilika, kuruhusu biashara kubadilisha mkakati wao wa wingu bila kuvuruga uwezo wao wa AI uliojengwa kwenye ujumuishaji wa Databricks-Anthropic.

Kujitolea kwa upatikanaji wa mawingu-anuwai kunasisitiza lengo la ushirikiano katika kukidhi mahitaji ya biashara kwa uhalisia, kukiri asili tofauti ya miundombinu ya kisasa ya IT na kutoa njia rahisi ya kupitisha AI ya hali ya juu.

Databricks Mosaic AI: Injini ya AI Inayotawaliwa na Kuaminika

Wakati Anthropic inatoa modeli zenye nguvu za Claude, Databricks Mosaic AI hutoa mfumo muhimu wa kujenga, kupeleka, na kusimamia matumizi ya AI kwa uwajibikaji na ufanisi ndani ya muktadha wa biashara. Mosaic AI ni sehemu muhimu ya Jukwaa la Ujasusi wa Data la Databricks, ikitoa seti ya zana zilizoundwa kushughulikia mzunguko kamili wa maisha ya AI kwa msisitizo mkubwa juu ya utawala na uaminifu.

Uwezo muhimu wa Mosaic AI unaohusiana na ushirikiano wa Anthropic ni pamoja na:

• Utoaji wa Modeli: Hutoa miundombinu iliyoboreshwa ya kupeleka na kutoa modeli za AI, ikiwa ni pamoja na LLMs kama Claude, kwa kiwango kikubwa na upatikanaji wa juu na muda mdogo wa kusubiri.
• Utafutaji wa Vekta: Huwezesha utafutaji bora wa ufanano muhimu kwa matumizi ya Uzalishaji Ulioongezwa kwa Urejeshaji (RAG), kuruhusu mawakala wa AI kurejesha taarifa muhimu kutoka kwa misingi ya maarifa ya biashara ili kufahamisha majibu yao.
• Ufuatiliaji wa Modeli: Hutoa zana za kufuatilia utendaji wa modeli, kugundua mabadiliko (mabadiliko katika utendaji kwa muda), na kufuatilia ubora wa data, kuhakikisha kuwa mawakala wa AI waliopelekwa wanabaki sahihi na wa kuaminika.
• Uhandisi na Usimamizi wa Vipengele: Hurahisisha mchakato wa kuunda, kuhifadhi, na kusimamia vipengele vya data vinavyotumiwa kufunza au kuingiliana na modeli za AI.
• Utawala wa AI: Hutoa uwezo wa kufuatilia nasaba (kuelewa data ilitoka wapi na jinsi modeli zilivyojengwa), udhibiti wa ufikiaji, kumbukumbu za ukaguzi, na tathmini za usawa, kuhakikisha kuwa mifumo ya AI inakuzwa na kutumiwa kwa uwajibikaji na kuzingatia kanuni.
• Zana za Tathmini: Huruhusu mashirika kutathmini kwa ukali ubora, usalama, na usahihi wa modeli na mawakala wa AI, ikiwa ni pamoja na LLMs, dhidi ya mahitaji maalum ya biashara na seti za data kabla na baada ya upelekaji.

Mosaic AI hufanya kazi kama daraja muhimu kati ya nguvu ghafi ya modeli kama Claude na hali halisi ya upelekaji wa biashara. Inatoa vizuizi, mifumo ya ufuatiliaji, na zana za usimamizi zinazohitajika ili kuhakikisha kuwa mawakala wa AI waliojengwa kwa kutumia modeli za Anthropic sio tu wenye akili bali pia salama, wa kuaminika, wanaotawaliwa, na wanaolingana na malengo ya biashara. Mbinu hii kamili ni muhimu kwa kujenga uaminifu na imani katika mifumo ya AI inayoshughulikia data na michakato muhimu ya biashara.

Dira ya Pamoja kwa AI ya Mabadiliko ya Haraka

Viongozi wa Databricks na Anthropic wanaelezea dira ya kuvutia kwa athari za haraka na za baadaye za ushirikiano huu, wakisisitiza mabadiliko kutoka kwa AI kama ahadi ya baadaye hadi ukweli wa sasa unaobadilisha biashara.

Ali Ghodsi, Mwanzilishi Mwenza na Mkurugenzi Mtendaji wa Databricks, anasisitiza pendekezo la msingi la thamani: kuwawezesha makampuni hatimaye kufungua uwezo uliofichika ndani ya hazina zao kubwa za data kupitia matumizi ya AI ya kisasa. Anaangazia umuhimu wa kuleta uwezo wa Anthropic moja kwa moja kwenye Jukwaa la Ujasusi wa Data, akisisitiza faida za usalama, ufanisi, na uwezo wa kuongezeka. Mtazamo wa Ghodsi unajikita katika kuwezesha biashara kwenda zaidi ya suluhisho za jumla za AI na kujenga mawakala wa AI wa kikoa maalum walioboreshwa kwa uangalifu kwa muktadha wao wa kipekee wa uendeshaji na maarifa ya umiliki. Hii, anapendekeza, inawakilisha mustakabali wa kweli wa AI ya biashara – akili iliyoboreshwa, iliyojumuishwa, na inayoendeshwa na data.

Dario Amodei, Mkurugenzi Mtendaji na Mwanzilishi Mwenza wa Anthropic, anasisitiza hisia za athari za haraka za AI, akisema kuwa mabadiliko ya biashara yanatokea ‘sasa hivi’. Anatabiri maendeleo ya ajabu katika muda mfupi ujao, haswa katika ukuzaji wa mawakala wa AI wenye uwezo wa kufanya kazi kwa kujitegemea kwenye kazi ngumu. Amodei anaona upatikanaji wa Claude kwenye Databricks kama kichocheo, akiwapa wateja zana muhimu za kujenga mawakala wenye nguvu zaidi wanaoendeshwa na data. Uwezo huu, anadokeza, ni muhimu kwa mashirika yanayotafuta kudumisha makali ya ushindani katika kile anachokiita ‘enzi hii mpya ya AI’.

Kwa pamoja, mitazamo hii inachora picha ya ushirikiano uliojikita katika matumizi ya vitendo na uundaji wa thamani wa haraka. Sio tu kuhusu kutoa ufikiaji wa modeli zenye nguvu; ni kuhusu kuzijumuisha kwa kina ndani ya muundo wa data wa mashirika ili kukuza ukuzaji wa mawakala wenye akili, wanaojitegemea wenye uwezo wa kukabiliana na matatizo magumu, ya ulimwengu halisi ya biashara leo, na kutengeneza njia kwa matumizi ya kisasa zaidi kesho.

Zaidi ya Akili ya Jumla: Kuunda Suluhisho za AI za Kikoa Maalum

Mada inayojirudia na kichocheo kikuu nyuma ya muungano wa Databricks-Anthropic ni kuondoka kutoka kwa AI ya aina moja inayofaa wote kuelekea akili ya kikoa maalum. Modeli za AI za madhumuni ya jumla, ingawa zinavutia, mara nyingi hukosa uelewa wa kina unaohitajika kwa kazi maalum za biashara. Maarifa yao kwa kawaida yanatokana na data pana ya mtandao, ambayo inaweza isilingane na istilahi maalum, michakato, na taarifa za siri za kipekee kwa biashara au tasnia fulani.

Ushirikiano huu unawezesha moja kwa moja uundaji wa suluhisho za AI zilizoboreshwa sana kwa kuchanganya:

• Umahiri wa Data wa Databricks: Jukwaa hutoa zana