تتيح محطة الأرقام لمستخدمي الأعمال إمكانية الدردشة باستخدام بياناتهم

تطلق Numbers Station، وهي شركة ناشئة تستخدم نماذج لغوية كبيرة (LLMs) لتشغيل منصة تحليل البيانات الخاصة بها، أول منتج قائم على السحابة اليوم: Numbers Station Cloud، الذي أصبح الآن في مرحلة الوصول المبكر. باستخدام هذه الخدمة، يمكن لأي مستخدم في أي مؤسسة تقريبًا تحليل بياناته الداخلية باستخدام واجهة الدردشة الخاصة بـ Numbers Station.

تركز العديد من الأدوات المشابهة على ترجمة استعلامات اللغة الطبيعية إلى لغة قاعدة بيانات مثل SQL. ومع ذلك، يرى فريق Numbers Station أن هذا النهج له حدود، ويرجع ذلك جزئيًا إلى أن LLM العام ليس لديه فهم لكيفية عمل شركة معينة، وكيفية هيكلة بياناتها وكيف يشير الأشخاص داخل الشركة إلى كائنات بيانات محددة.

وكما أخبرني كريس أبيرجر، المؤسس المشارك والرئيس التنفيذي لشركة Numbers Station، فإنه سئم إلى حد ما من الحديث عن الكيفية التي تسمح بها الخدمة للمستخدمين “بالدردشة مع بياناتهم”، لأن هناك الكثير من الضجيج حول ذلك. قال لي: “لكن المستوى الأعلى لمديري الأعمال، والمستخدمين غير التقنيين، الذين لديهم أسئلة يريدون طرحها، ومن ثم الحصول على إجابات عبر مصادر البيانات المنظمة الكلاسيكية هذه، هو في الواقع ما أدت إليه الأمور”. “هناك الكثير من نماذج البيانات، وتدفق البيانات حول هذه النماذج الأساسية ونماذج اللغات الكبيرة لجعلها تعمل.”

بالنسبة إلى Numbers Station، كان هذا يعني إنفاق الكثير من الموارد الهندسية على بناء ما تسميه الشركة الكتالوج الدلالي الخاص بها. يعد هذا الكتالوج في الأساس مصدرًا منظمًا تلقائيًا لمقاييس الشركة وتعريفاتها. هذا الكتالوج خاص بكل شركة (وليس مشتركًا بينها). وصف أبيرجر الكتالوج بأنه “شيء وحشي” يضمن، على سبيل المثال، أن تعريف النموذج “للإيرادات المتكررة” يتماشى مع استخدام الشركة لهذا المصطلح.

في حين أن منصة Numbers Station تقع على رأس مجموعة من دورات LLM ونماذج التعلم الآلي المتخصصة جدًا، فإن هذا الكتالوج هو الذي يجمع كل شيء معًا. وكما أخبرتني إيناس الشامي، المؤسسة المشاركة وكبيرة العلماء في Numbers Station، فقد قلل الفريق في البداية من أهمية التحدي المتمثل في بناء هذا الجزء من المنصة.

“إنها تعود إلى الكلاسيكية [machine learning] وهندسة البيانات الكلاسيكية: كيف يمكنني إنشاء تمثيل للمعرفة التي يمكن للنموذج استخدامها فعليًا للإجابة على هذه الأسئلة. “لأنه من المستحيل أن يفهم النموذج كل تلك المقاييس، وكل تلك الأشياء التي يسأل عنها مستخدمو الأعمال.” حتى البشر لا يفهمون كل سؤال على الفور، بعد كل شيء، ويجب على النموذج أن يحول تلك الأسئلة الغامضة إلى استفسارات محددة للغاية. تُظهر أبحاث Numbers Stations أن أسلوبها يؤدي إلى تحسين الدقة بشكل ملحوظ مقارنة بخطوط أنابيب تحويل النص إلى SQL التقليدية.

اعتمادات الصورة: محطة الأرقام

وبينما تطلق الشركة خدمة الدردشة هذه اليوم، فإن الرؤية الشاملة أكبر بكثير.

وقال أبيرجر: “ما نقوم به، بشكل أساسي، هو بناء منصة ذكاء اصطناعي للتحليلات”. “هذا أحد التطبيقات […]. هناك مسرحية أكبر وأوسع ما زلنا نعمل عليها كشركة، وهي تسعى إلى حل مجموعة من مشكلات البيانات المختلفة التي تقع في المقدمة هنا، ومن أمثلة ذلك: كيف يمكنني إثراء بياناتي ببيانات الطرف الثالث مصادر؟ كيف أقوم ببعض هذه الخوارزميات الكلاسيكية مثل المطابقة الغامضة وما إلى ذلك؟ هناك تقريبًا عدد لا حصر له من المتحدثين الذين يمكنك البناء عليهم على هذه المنصة.

وقد قامت الشركة بالفعل بالتسجيل مع العديد من عملاء Fortune 500، بما في ذلك أمثال شركة الخدمات العقارية العالمية Jones Lang LaSalle. وقال شاراد راستوجي، الرئيس التنفيذي لتكنولوجيا ديناميكيات العمل في شركة جونز لانج لاسال: “تعد Numbers Station في طليعة الذكاء الاصطناعي المؤسسي للبيانات المنظمة”. “نحن معجبون بمنصة Numbers Station الجذابة والموثوقة. فهو يتعلم باستمرار أثناء استخدامه، مما يمكّن فرق البيانات لدينا من اكتشاف الفرضيات والتحقق منها لتحقيق نتائج أعمال مؤثرة.