معالجة اللغة الطبيعية (NLP) ، وهو مجال الذكاء الاصطناعي الذي يتضمن تحليل النص للمهام بما في ذلك التلخيص والتوليد ، هو تقنية سريعة النمو. وفقًا لمسح عام 2021 من John Snow Labs وتدفق التدرج ، أشار 60 ٪ من قادة التكنولوجيا إلى أن ميزانيات NLP الخاصة بهم نمت بنسبة لا تقل عن 10 ٪ مقارنة بعام 2020 ، في حين قال الثلث إن إنفاقهم ارتفع بأكثر من 30 ٪. قامت Fortune Business Insights بربط سوق NLP بمبلغ 16.53 مليار دولار في عام 2020.
ضد هذه الخلفية ، أعلنت Deepset ، بدء التشغيل وراء إطار Haystack المفتوح المصدر NLP ، اليوم أنها جمعت 14 مليون دولار في سلسلة A استثمار بقيادة GV بقيادة GV بمشاركة من Harpoon Ventures و System.One و Lunar Ventures و Acequia Capital. وصل التسريب الرأسمالي إلى جانب Deepset Cloud ، وهو منتج اشتراك جديد لبناء برامج تعمل بالطاقة NLP. مجتمع NLP [لسنوات] ، أخبر Rusic TechCrunch عبر البريد الإلكتروني. وُلد Haystack ، المنتج الرائد المصدر المفتوح للشركة ، من الخبرات والخبرات والدراية المكتسبة أثناء بناء NLP للمؤسسات الكبيرة والحاجة إلى مجموعة مناسبة من لبنات البناء لتطبيقات الواجهة الخلفية القابلة للتطوير والمحفزة API.
الرئيس التنفيذي لشركة Milos Rusic شارك في تأسيس Deepset مع Malte Pietsch و Timo Möller في عام 2018. جاء Pietsch و Möller-الذين لديهم خلفيات علمية للبيانات-من Plista ، وهي شركة Adtech ، حيث عملوا على منتجات بما في ذلك AI Propered أداة إنشاء الإعلانات.
تتيح Haystack للمطورين إنشاء خطوط أنابيب لحالات استخدام NLP. تم إنشاؤه في الأصل لتطبيقات البحث ، يمكن للإطار عمل محركات الطاقة التي تجيب على أسئلة محددة (على سبيل المثال ، لماذا تنتقل الشركات الناشئة إلى برلين؟) أو البحث عن المستندات. على مواقع الويب التي تحتوي على الكثير من البيانات أو الويكي الداخلي. يقول Rusic إنه تم استخدام Haystack لأتمتة سير عمل إدارة المخاطر في شركات الخدمات المالية ، مما يعيد النتائج للاستعلامات مثل ما هي توقعات الأعمال؟ وكيف تطورت الإيرادات في السنوات الماضية؟ استفادت منظمات أخرى ، مثل Alcatel-Lucent Enterprise ، من طراز Haystack لإطلاق مساعدين افتراضيين يوصون المستندات لفنيي الميدان. اعتمادات الصورة: Haystack
وفقًا لـ Rusic ، كان الهدف من Haystack هو تمكين المطورين وأقسام المنتجات من بناء تطبيقات NLP الحديثة التي تحركها API بنجاح-وبسرعة. ويشير إلى أنه على الرغم من أنه من السهل في كثير من الأحيان أن يتوصل فريق علوم البيانات إلى نموذج أولي ، إلا أن التحديات يمكن أن تنشأ في الانتقال من النموذج الأولي إلى الإنتاج. حوالي 80 ٪ من مشاريع الذكاء الاصطناعى-بما في ذلك مشاريع NLP-لا تدخل في الإنتاج ، وفقًا لمسح أجريت عام 2019. وقال روسيتش إن تطبيق NLP وتوجيهه إلى سير العمل المناسبة ... يتحرك NLP الحديث بسرعة كبيرة ، ومن الأسهل بكثير سد الفجوة بين الأبحاث المتطورة والتقنيات الجاهزة للإنتاج الفعلية من خلال المصدر المفتوح. [أنظمة NLP Prebuilt] هي الأساس [لشركة Haystack] وغالبًا ما توفر نتائج رائعة في خطوط الأنابيب دون تدريب إضافي. يحدث التخصيص ، إذا لزم الأمر ، مع المستخدمين النهائيين والخبراء الذين يقدمون ملاحظات عن طريق اختبار واستخدام التكرارات الجديدة لنظام [نظام] أو خط أنابيب.
ولكن ليس كل شركة تختار - أو ترغب - في طريق DIY. بالنسبة لأولئك الذين يفضلون الحل المدارة ، هناك سحابة Deepset المذكورة أعلاه ، والتي تدعم العملاء عبر دورة حياة خدمة NLP. تبدأ الخدمة بالتجريب - أي اختبار وتقييم التطبيق ، وتعديله في حالة الاستخدام ، وبناء دليل على المفهوم - وينتهي بوضع العلامات على التطبيق ومراقبته في الإنتاج.
جميع خدمات NLP التي يتم تطوير [مع Deepset Cloud] في أي تطبيق نهائي ، ببساطة عن طريق دمج واجهة برمجة التطبيقات ، Rusic SA
اخلاء مسؤولية! هذا المقال لا يعبر بالضرورة عن رأي جامعة الرازي
