شرکت «Hugging Face» به‌عنوان یکی از پیشگامان حوزه هوش مصنوعی منبع‌باز، به‌تازگی از گسترش همکاری استراتژیک خود با «مایکروسافت» خبر داد. بر اساس این همکاری، کاتالوگ رسمی مدل‌های Hugging Face در سرویس «Azure Machine Learning» در دسترس توسعه‌دهندگان قرار می‌گیرد تا فرآیند استقرار مدل‌های زبانی بزرگ و سایر مدل‌های Transformers به شکلی ساده‌تر و سریع‌تر انجام شود.
کاتالوگ مدل‌های Hugging Face؛ پلی میان منبع‌باز و Azure
با افزوده‌شدن کاتالوگ مدل‌های Hugging Face به استودیوی Azure Machine Learning، کاربران می‌توانند جدیدترین و محبوب‌ترین مدل‌های هوش مصنوعی را از جامع‌ترین مخزن متن‌باز جهان جستجو کرده و در چند کلیک روی سرویس‌های مدیریت‌شده مایکروسافت راه‌اندازی کنند. این کاتالوگ در ابتدا شامل هزاران مدل Transformers از جمله مدل‌های زبانی بزرگ، مدل‌های ترجمه، خلاصه‌سازی متن و طبقه‌بندی تصاویر است.
چرا یکپارچه‌سازی بومی جایگزین راه‌حل قبلی شد؟
مشارکت استراتژیک این دو شرکت از سال گذشته آغاز شده بود و «Azure Machine Learning Endpoints» به‌عنوان یک اپلیکیشن مدیریت‌شده در Azure Marketplace در دسترس قرار گرفت. با این حال، این راه‌حل اولیه با محدودیت‌هایی در تجربه کاربری و یکپارچگی با اکوسیستم Azure روبه‌رو بود. به همین دلیل، تیم مهندسی مشترک تصمیم گرفت تا یکپارچه‌سازی بومی را در قلب Azure Machine Learning ایجاد کند و در نتیجه، مسیر استقرار مدل‌های بزرگ زبانی و سایر مدل‌های هوش مصنوعی را برای شرکت‌ها و توسعه‌دهندگان هموارتر سازد.
مزیت‌های جدید برای توسعه‌دهندگان و سازمان‌ها
با این قابلیت تازه، دیگر نیازی به انتقال دستی مدل‌ها یا کدنویسی سفارشی برای راه‌اندازی نیست. توسعه‌دهندگان می‌توانند مستقیماً از پورتال Azure Machine Learning به کاتالوگ Hugging Face دسترسی داشته باشند و مدل موردنظر خود را روی managed endpoints مستقر کنند. این سرویس به‌صورت خودکار مقیاس‌پذیری، امنیت و به‌روزرسانی‌های لازم را مدیریت می‌کند.
- جستجو و انتخاب از بین هزاران مدل Transformers درون محیط توسعه
- استقرار یک‌کلیکی بدون نیاز به زیرساخت اختصاصی اولیه
- مدیریت خودکار مقیاس‌پذیری و امنیت توسط زیرساخت Azure
- کاهش هزینه‌های عملیاتی و زمان رسیدن به تولید
دموکراتیزه کردن هوش مصنوعی؛ چشم‌انداز مشترک
هدف اصلی هر دو شرکت، پیشبرد تحقیقات در حوزه هوش مصنوعی و عمومی‌سازی استفاده از آن است. انتشار کاتالوگ مدل‌های Hugging Face روی Azure، گامی عملی در این مسیر محسوب می‌شود؛ چرا که موانع فنی و زیرساختی را از سر راه توسعه‌دهندگان برمی‌دارد و به تیم‌های کوچک‌تر نیز امکان می‌دهد از قدرتمندترین مدل‌های روز بدون صرف هزینه‌های سنگین بهره ببرند.
پرسش‌های پرتکرار
Hugging Face و مایکروسافت چه همکاری جدیدی آغاز کرده‌اند؟
آن‌ها کاتالوگ مدل‌های Hugging Face را در Azure Machine Learning راه‌اندازی کرده‌اند تا توسعه‌دهندگان بتوانند مدل‌های محبوب منبع‌باز مانند Transformers را به‌سادگی روی زیرساخت امن و مقیاس‌پذیر Azure مستقر کنند.
مزیت این همکاری نسبت به راه‌حل قبلی چیست؟
برخلاف راه‌حل مبتنی بر Marketplace، این یکپارچه‌سازی بومی در Azure Machine Learning محدودیت‌های قبلی را برطرف کرده و امکان استقرار مدل‌های هوش مصنوعی را در چند کلیک فراهم می‌کند.
