电信巨头 AT&T 和总部位于加利福尼亚州山景城的人工智能云公司 H2O联合推出了面向企业的人工智能功能商店。
该存储库作为付费软件平台提供，使数据科学家、开发人员和工程师能够发现、共享和重用机器学习功能，以加快他们的 AI 项目部署。据这些公司称，它可用于个性化和推荐引擎以及旨在预测的模型，以及动态定价、供应链、物流和运输的优化。
随着越来越多的组织转向 AI 实施以从大量数据中生成可操作的见解和预测，这一发展随之而来。AT&T 最初将该解决方案用于生产网络优化、欺诈预防、税收计算、预测性维护等。
机器学习的特点
在构建机器学习模型时，数据至关重要。然而，原始数据并不是性能良好的算法的关键。首先收集的信息必须经过清理和丰富的特征——作为系统输入的个体独立变量或特征。这些特征的质量决定了模型的质量及其预测的准确性。
通常，人工智能专家应用数据和工程工具的领域知识来提取和创建特征。整个过程需要几个月的时间，并且必须为每个新的 AI 项目重复(增加成本)，即使它在同一个组织下也是如此。
一个功能店致力于通过作为家庭常用的功能来解决这个难题。使用此解决方案，专家可以为项目创建新功能，然后将它们添加到商店中，确保可以在以后需要时重复使用。Databricks、Tecton、Molecula、Hopsworks、Splice Machine 和 Amazon Web Services (AWS) 是提供特征存储以加速 MLOps 的领先厂商。
附加功能
H2O 和AT&T的最新产品不仅执行了特色商店的核心功能，而且还配备了多种附加功能。该商店提供与多个数据和机器学习管道的集成，可应用于本地数据湖或利用云和 SaaS 提供商。它与 Snowflake、Databricks、Apache Spark、H2O Sparkling Water、Python、Scala 和 Java 集成。
然后，该解决方案还提供了一个自动推荐引擎，可以随着时间的推移进行学习并推荐新功能和功能更新，以提高用户的 AI 模型性能。通过这种方式，数据科学家可以简单地查看建议的更新并接受最适合其模型的建议。FeatureRank 根据其受欢迎程度和价值对商店中的所有功能进行评分。
“我们正在将 AI 直接构建到功能存储中，并采用开放、模块化和可扩展的方法来紧密集成到不同的功能工程管道中，同时保留对快速变化的业务条件做出反应所需的亚毫秒级延迟，”Sri Ambati， H2O.ai 的首席执行官兼创始人在一份声明中表示。
该公司表示，任何从事人工智能开发的公司都可以采用其商店，从金融服务和卫生组织到制药商、零售和软件开发商。
AT&T 首席数据官安迪·马库斯 (Andy Markus) 表示：“功能存储是目前人工智能开发最热门的领域之一，因为能够重用和重新利用数据工程工具至关重要，因为这些工具变得越来越复杂且构建成本越来越高。”
“凭借我们在管理和分析大量数据流方面的专业知识，结合 H2O.ai 深厚的人工智能专业知识，我们了解企业客户在这个领域寻找什么，我们的特色商店产品满足了这一需求，”马库斯补充道。
根据普华永道的一项研究，到 2030 年，人工智能将为全球经济带来 15.7 万亿美元。引领这一增长的是中国和北美，这将推动最大的经济增长，达到 10.7 万亿美元。
