Γιατί η Vodafone χρειαζόταν έναν ενισχυτή AI για να κλιμακώσει την επιστήμη των δεδομένων

Γιατί η Vodafone χρειαζόταν έναν ενισχυτή AI για να κλιμακώσει την επιστήμη των δεδομένων

Dezember 8, 2022 0 Von admin

Ρίξτε μια ματιά στις συνεδρίες κατ‘ απαίτηση από τη Σύνοδο Κορυφής Low-Code/No-Code για να μάθετε πώς να καινοτομείτε με επιτυχία και να επιτύχετε αποτελεσματικότητα, αναβαθμίζοντας και κλιμακώνοντας τους πολίτες προγραμματιστές. Παρακολουθήσετε τώρα.


Τηλεπικοινωνιακός γίγαντας Vodafone Δεν είναι ξένος στον κόσμο της τεχνητής νοημοσύνης (AI) και της μηχανικής μάθησης (ML), έχοντας χρησιμοποιήσει την τεχνολογία για χρόνια, με εκατοντάδες επιστήμονες δεδομένων που έχουν κατασκευάσει χιλιάδες μοντέλα.

Ενώ η Vodafone μπόρεσε να αναπτύξει και να επωφεληθεί από την τεχνητή νοημοσύνη, τα τελευταία χρόνια αντιμετώπιζε ολοένα και περισσότερες προκλήσεις. Μεταξύ των προκλήσεων ήταν το ζήτημα της κλιμάκωσης του φόρτου εργασίας της τεχνητής νοημοσύνης σε μια τυποποιημένη και επαναλαμβανόμενη προσέγγιση. Η Vodafone αντιμετώπισε επίσης προβλήματα ταχύτητας και ασφάλειας.

Σε μια συνεδρία στην εκδήλωση Google Cloud Next 2022 αυτή την εβδομάδα, ο Sebastian Mathalikunnel, επικεφαλής στρατηγικής τεχνητής νοημοσύνης στη Vodafone, παρουσίασε λεπτομερώς τα προβλήματα που αντιμετώπισε ο οργανισμός του και τι έπρεπε να κάνει για να τα βοηθήσει να ξεπεραστούν.

[Follow VentureBeat’s ongoing Google Cloud Next 2022 coverage »]

Εκδήλωση

Ευφυής Σύνοδος Ασφάλειας

Μάθετε τον κρίσιμο ρόλο του AI & ML στην ασφάλεια στον κυβερνοχώρο και τις ειδικές περιπτωσιολογικές μελέτες του κλάδου στις 8 Δεκεμβρίου. Εγγραφείτε για το δωρεάν πάσο σας σήμερα.

Κάνε εγγραφή τώρα

«Η Vodafone είναι αρκετά ώριμη στο ταξίδι της στην επιστήμη δεδομένων», είπε ο Mathalikunnel. «Αλλά κοιτάζοντας πίσω πριν από δύο χρόνια, ήταν στην πραγματικότητα αυτό ακριβώς το πρόβλημα του μεγέθους και της κλίμακας των εργασιών της επιστήμης δεδομένων της Vodafone που μας οδήγησε να πιστέψουμε ότι θα μπορούσαμε να έχουμε πρόβλημα στα χέρια μας».

AI Booster στη διάσωση

Ο Mathalikunnel είπε ότι πριν από δύο χρόνια, χρειάστηκαν πολλά βήματα για οποιονδήποτε επιστήμονα δεδομένων της Vodafone να δημιουργήσει και να λειτουργήσει ένα περιβάλλον παραγωγής στο Google Cloud.

Όχι μόνο υπήρχαν πολλά βήματα, αλλά πολλά από αυτά τα βήματα ήταν χειροκίνητα και απαιτούσαν χρόνο για τη ρύθμιση. Αυτή η κατάσταση οδήγησε επίσης σε πολλές προσαρμοσμένες αναπτύξεις όπου η ανάπτυξη του Google Cloud AI ενός επιστήμονα δεδομένων ήταν διαφορετική από εκείνη ενός άλλου.

Εξήγησε ότι η Vodafone αντιμετώπιζε προκλήσεις τόσο κάθετης όσο και οριζόντιας κλίμακας. Οι οριζόντιες προκλήσεις ήταν από την προσπάθεια αναπαραγωγής ενός φόρτου εργασίας σε όλες τις αγορές, κάτι που ήταν δύσκολο καθώς κάθε περιβάλλον ήταν διαφορετικό. Τα ζητήματα της κάθετης κλιμάκωσης αφορούσαν τον χρόνο και την προσπάθεια που χρειαζόταν για να μεταβείτε από ένα σημειωματάριο επιστήμης δεδομένων, στην απόδειξη της ιδέας και στη συνέχεια στην παραγωγή με τον ταχύτερο δυνατό τρόπο.

Για το σκοπό αυτό, η Vodafone ανέπτυξε μια πλατφόρμα που ονομάζει AI Booster, η οποία στοχεύει να βοηθήσει στην επίλυση των προκλήσεων κλιμάκωσης με ένα τυποποιημένο σύνολο εργαλείων και διαδικασιών. Το AI Booster βασίζεται σε πολλαπλά στοιχεία Google Cloud, συμπεριλαμβανομένου του Vertex AI, Cloud Build, Μητρώο τεχνουργημάτων και BigQuery.

«Περνάμε από μια προσαρμοσμένη, βασισμένη σε κωδικοποίηση προσέγγιση στη μηχανική μηχανικής μάθησης, σε μια προσέγγιση όπου όλα λειτουργούν με βάση τυπικά εξαρτήματα και αγωγούς που συνδέουν αυτά τα στοιχεία μεταξύ τους», είπε ο Mathalikunnel.

Βελτίωση της τυποποίησης AI με σύμβαση δεδομένων

Ο Mathalikunnel σημείωσε ότι καθώς η Vodafone περνούσε από τη διαδικασία δημιουργίας AI Booster, εντόπισε επίσης τομείς όπου οι διαδικασίες θα μπορούσαν να βελτιστοποιηθούν σημαντικά.

Για παράδειγμα, πριν από το AI Booster, είπε ότι όταν η Vodafone ανέλυσε κάθε φόρτο εργασίας ML που εκτελούσε, περίπου το 30 έως 35% αυτού του κώδικα αφορούσε απλώς την ποιότητα των δεδομένων και την επικύρωση δεδομένων. Η Vodafone αυτοματοποιεί πλέον μεγάλο μέρος αυτής της εργασίας με μια προσέγγιση συμβάσεων δεδομένων.

Ο Mathalikunnel εξήγησε ότι όταν τα δεδομένα λαμβάνονται για πρώτη φορά από τη Vodafone, ενεργοποιεί μια ανάλυση των δεδομένων όσον αφορά τη διανομή και τα διαφορετικά χαρακτηριστικά τους, η οποία στη συνέχεια σχηματίζει σύμβαση. Αυτό που κάνει στη συνέχεια η Vodafone είναι να επιτύχει ευρεία συμφωνία κατά αυτής της σύμβασης με διάφορους ενδιαφερόμενους, όπως επιστήμονες δεδομένων και κατόχους δεδομένων. Μόλις υπάρξει συμφωνία ότι τα χαρακτηριστικά των δεδομένων είναι αυτά που θέλουν οι ενδιαφερόμενοι, η Vodafone κολλάει αυτά τα συμβόλαια και πάλι στον αγωγό AI Booster.

Όταν εκτελείται ο αγωγός AI Booster, ο Mathalikunnel είπε ότι είναι σε θέση να επικυρώσει αυτόματα ότι τα δεδομένα πληρούν την απαίτηση που είχε υπογράψει.

Μία από τις περιπτώσεις χρήσης όπου το AI Booster έχει χρησιμοποιηθεί από τη Vodafone είναι με το Net Promoter Score (NPS) της εταιρείας. Το NPS είναι μια μέτρηση που στοχεύει να βοηθήσει στην πρόβλεψη της ικανοποίησης που έχει ένας πελάτης με τη Vodafone.

«Αυτό που προσπαθούμε να κάνουμε με την NPS είναι να προσπαθούμε να γνωρίσουμε ή να μετρήσουμε την ευτυχία των πελατών μας με τα προϊόντα μας», είπε ο Mathalikunnel. „Όπως μπορείτε να φανταστείτε, είναι μια πολύ σημαντική περίπτωση χρήσης για εμάς.“

Η αποστολή του VentureBeat πρόκειται να αποτελέσει μια ψηφιακή πλατεία της πόλης για τους τεχνικούς λήπτες αποφάσεων ώστε να αποκτήσουν γνώσεις σχετικά με τη μετασχηματιστική επιχειρηματική τεχνολογία και να πραγματοποιήσουν συναλλαγές. Ανακαλύψτε τις Ενημερώσεις μας.