Tio rader kod, skrivna i Scala, ovanpå ramverket Apache Spark. Det är vad Salesforce nu gör tillgängligt för att driva på utvecklingen inom artificiell intelligens och maskininlärning. Biblioteket som går under namnet TransmogrifAI är tänkt att ge utvecklare en chans att träna maskininlärningsmodeller att förutse kundbeteende utan att ha tillgång till stora mängder data. Ett verktyg för att öka produktiviteten, skriver Computerworld UK.

Det var för tre år sedan som molnföretaget började bygga in funktioner för maskininlärning i sin plattform. Ett beslut som kom med en hel del utmaningar, inte minst när det kom till att bygga system på företagsnivå.

Läs också: Det här är AI och så funkar det

Framför allt fokuserade de på att hitta lösningar för att ta fram insikter och rekommendationer utan att behöva slå samman data från samtliga kunder. En riktigt tuff nöt att knäcka visade det sig. Tills Salesforce köpte upp ett antal bolag som specialiserat sig på maskininlärning. Dessförinnan kunde de inte använda informationen i ett intelligent system. Vilket de nu kan göra med den plattform som växte fram. Det vill säga använda data utan att det påverkar förtroendet för deras kunder.

– Vi måste bygga maskininlärningsmodeller som är specifika för varje kund och given situation. Även om vi kunde bygga globala modeller, vore det meningslöst eftersom varje kunds uppsättning data är unik, med olika scheman och olika former. För att verkligen få maskininlärning att fungera för våra kunder måste vi bygga och köra tusentals personaliserade maskininlärningsmodeller tränade för varje enskild kunds data och varje enskilt fall, säger Shubha Nabar, ansvarig för data science i Einstein-teamet.

Och nyckeln för att lösa denna ekvation var just en automatiserad process. Detta för att slippa anställa en hel armé utvecklare inom maskininlärning. Dock var det så att tillgängliga lösningar ofta fokuserade på små delar av arbetsprocessen eller var byggda för ostrukturerade data som såg likadan ut. Salesforce behövde lösning för det motsatta – stora mängder heterogen, strukturerad data.

Läs också: Nu tar Google hjälp av en AI för att kyla sina datacenter

Slutprodukten blev en tjänst som med automatiserad maskininlärning kan bygga modeller som fungerar för mindre datamängder. Men det ser ut att vara större.

– Med bara ett fåtal rader kod kan en utvecklare automatiskt rensa data, genomföra beräkningar och bygga upp ett urval och få en modell som hon kan utforska och upprepa framöver, säger Shubha Nabar.

Tjänsten riktar sig främst till stora företag. Men Shubha Nabar ser hur även mindre bolag har ett behov av den här typen av modeller. Anledningen till att de nu öppnar upp plattformen är att de gärna ser att tekniken utvecklas. Och att barriärerna som hindrar en vidare utveckling på bästa sätt rivs genom öppenhet och transparens.

ANNONS: Storsatsande eventet IBM Analytics University kommer till Stockholm 17-20 september 2018