Qlik更新AutoML，增强机器学习模型的信任
Qlik在周二更新了AutoML，增加了新功能，旨在通过简化开发和部署，以及提供更多关于模型性能的可见性，从而促进对机器学习模型的信任。
在过去几个月里，信任一直是Qlik的一个主题，因为它为客户创造了一个开发和部署AI模型和应用的环境。
今年六月，该供应商推出了Qlik Talend Cloud，这是一个旨在确保AI工具所训练数据可信的数据集成平台。同时，它推出了Qlik Answers，这是一个基于生成式AI的助手，旨在为用户提供对自然语言查询的可信回答，以便他们可以自信地采取行动。
这两者在七月份正式推出。
现在，信任是最新Qlik AutoML更新的焦点。AutoML最初于2022年8月推出，这是Qlik在2021年收购Big Squid后推出的一套用于开发、部署和提供机器学习模型的套件，是Qlik Staige系列的一部分，用于开发AI工具。
随着企业对AI和机器学习的兴趣上升，以及组织委托AI和机器学习模型执行以前由人类执行的某些任务，信任AI和机器学习模型变得至关重要。根据TechTarget企业战略集团的分析师Mike Leone的说法，Qlik为AutoML增加了培养信任的功能，因此具有重要意义。
“信任是如此重要，因为这些技术的有效性和最终成功取决于它们提供可靠和可理解的结果的能力，”他说。“人们需要确信模型正在做出准确的预测或提供有充分理由支持的准确响应。”
此外，信任会带来更高的用户参与度，员工更有可能继续使用他们信任的工具，如果他们知道这些工具是可信的，更多的员工会开始使用这些工具，Leone继续说道。
“最终，建立信任的基础最终会导致更广泛的采用和更好的业务结果，”他说。
总部位于宾夕法尼亚州金斯普鲁西亚的Qlik是一家长期从事分析的供应商，在近年来通过增加数据集成能力来补充其BI平台，现在专注于增加AI和机器学习的环境。为了向客户提供创建AI应用程序的能力，Qlik在一月份收购了专门从事非结构化数据管理的Kyndi公司。
新的AutoML功能
Qlik的AutoML更新包括四个新功能。
智能模型优化旨在简化模型开发和部署。该功能自动化开发过程的部分，减轻开发人员、数据科学家和其他参与开发过程的人员的负担，应用预先训练的最佳实践，以提高模型性能，同时减少构建模型所需的工作量。
本地机器学习分析使开发人员和其他机器学习模型利益相关者能够观察模型的性能。该功能为用户提供自动生成的仪表板，显示有关给定模型的详细信息，使用户可以了解模型预测的内容以及驱动这些预测的因素。
一套全面的机器学习运营能力旨在确保导致对模型输出的信任的模型准确性。MLOps功能包括自动监控模型漂移、模型重新训练和生命周期管理等问题。
最后，Qlik AutoML与Qlik Cloud的完全集成旨在为用户提供对其数据基础设施的简单访问，以提供简单的用户体验，从而实现高效的数据驱动决策。
新功能的核心目标是为企业提供对其机器学习输出更多的信任，根据Qlik分析业务部总经理Brendan Grady的说法。
“最新的Qlik AutoML增强功能提供了更大的可见性、控制和简便的模型管理，这直接促进了信任，”他说。
例如，模型漂移的自动监控使用户能够快速了解模型何时开始失去准确性，以便用户可以重新训练模型以恢复其可靠性。同样，提供有关模型性能的详细信息的自动生成的仪表板让用户知道模型是否以可信赖的水平运行，或者是否需要调整。
“这些功能为未来模型生命周期管理的自动化奠定了基础，进一步增强了AI驱动决策的可靠性和信心，”Grady说。
Leone同样表示，新的AutoML功能有潜力实现Qlik提供用户对机器学习模型输出更多信任的目标。特别是，提供关于模型性能的解释的功能让用户相信他们可以根据模型告诉他们的内容采取行动。
“关注模型可解释性意味着用户可以理解预测背后的原因，从而建立对获得的见解的信任，”Leone说。“这次更新提供了一种混合体，包括可访问性、透明度和先进分析，不仅加速了数据驱动策略，还帮助Qlik在分析领域继续脱颖而出。”
在各个功能方面，MLOps功能和模型优化工具脱颖而出，Leone继续说道。单独使用时，它们为用户提供见解。除此之外，它们通过创建一个框架来开发、部署和维护机器学习模型，相互补充。
“这些功能可以帮助组织迅速响应数据的变化，但更重要的是，它缩短了新模型上市的时间，同时保持可靠性和透明度，”Leone说。“这正是组织所要求的，因此它非常适合大多数市场今天的需求。”
虽然信任是Qlik的AutoML更新的基本原则，但Grady表示，客户反馈在确定要开发哪些功能方面发挥了作用。
他指出，客户使用Qlik AutoML进行预测分析。在这样做的过程中，他们要求更好的理解他们的模型输出。然而，AutoML更新的部分动机来自于Qlik对未来商业需求的观察，Grady继续说道。
“开发是…展望未来，预测企业将需要什么来保持竞争力，”他说。“例如，我们预见随着AI采用加速，对主动决策和增加自动化的需求将不断增长。”
即将到来
虽然信任近几个月来一直是Qlik的指导原则，但未来的一个需求是使客户不仅可以使用结构化数据来进行分析，还可以使用非结构化数据。
分析历来侧重于结构化数据，如财务记录和销售点交易。然而，现在，非结构化数据，如文本、图像和音频文件，占据了所有数据的绝大部分 —— 可能超过所有数据的80%。
因此，利用这些非结构化数据将为企业提供对其业务的更全面视图。
但除了传统分析外，AI —— 尤其是生成式AI —— 需要大量数据才能准确，最小化不正确甚至有时会出现冒犯性输出，称为AI幻觉。一个组织的结构化数据可能不足以训练AI或机器学习模型。
作为回应，许多数据管理供应商增加了矢量搜索和其他功能，使客户能够访问非结构化数据，并将其与结构化数据结合起来，以提供有关企业更全面信息，以及为训练模型和应用程序提供适当手段。
Qlik一直通过收购来增加功能。例如，其数据集成平台在很大程度上是通过收购Attunity、Podium Data和Talend而开发的。同样，AutoML是Qlik收购Big Squid后的结果。
Qlik收购Kyndi为其提供了利用非结构化数据的基础。
Qlik的首席执行官Mike Capone在六月份表示，使客户能够访问非结构化数据并将其与结构化数据结合起来是一个重点。Grady也表示了同样的看法。
“在未来的六到十二个月里，Qlik将专注于通过加深对结构化和非结构化数据的理解，使企业获得竞争优势，”Grady说。“我们正致力于提升我们的能力，为所有组织中的每个人提供更全面的见解，而不仅仅是为数据科学家。”
相关文章
