Databricks, Genie Code'u Tanıtıyor: Bir Yapay Zeka Aracısı, Veri Ekiplerinin İşini Kolaylaştırmalı

kapanış bildirimi

Bu makale İngilizce olarak da mevcuttur. Teknik yardımla tercüme edildi ve yayınlanmadan önce editoryal olarak gözden geçirildi.

Bir daha gösterme.

Databricks, veri ekiplerinin çalışmalarını temelden değiştirecek bir yapay zeka aracısı olan Genie Code'u tanıttı. Duyuruya göre, geliştiricilere yalnızca kod yazma konusunda yardımcı olmak yerine, aracı karmaşık görevleri kendi başına üstlenecek: veri hatları oluşturmak, üretim sistemlerinde sorun gidermek, gösterge tabloları oluşturmak ve sistemleri çalışır durumda tutmak. Databricks'in kurucu ortağı ve CEO'su Ali Ghodsi'ye göre Genie Code, “aracı tabanlı veri çalışmasına” giden yolu açıyor.

Genie Code'un yapması gerekenler

Databricks blogunda yer alan duyuruya göre Genie Code, kullanıcıların halihazırda bir sohbet arayüzü aracılığıyla şirket verilerine erişebildiği mevcut Genie ürün ailesini tamamlıyor. Geleneksel kodlama aracılarıyla karşılaştırıldığında Genie Code, öncelikle şirketin veri altyapısına derin entegrasyonu nedeniyle öne çıkıyor. Aracı, Databricks'in Birlik Kataloğu aracılığıyla meta verilere, veri kökenine, kullanım modellerine ve yönetişim politikalarına erişir. Databricks'e göre, geleneksel kodlama aracıları veriyle ilgili görevlerde çoğunlukla başarısız oluyor çünkü bu bağlamdan yoksunlar.

Genie Code tek bir dil modeli değil, görevleri birden fazla model ve araç arasında dağıtan aracı tabanlı bir sistemdir. Duyuruya göre, gereksinimlere bağlı olarak sistem, ister özel bir Frontier şablonu, ister açık kaynaklı bir şablon, ister Databricks'te barındırılan özel bir şablon olsun, uygun şablonu otomatik olarak seçiyor.

Özellikler, tüm verileri ve makine öğrenimi yaşam döngüsünü kapsar: Aracı, özellik mühendisliğinden eğitime ve birden fazla model türünü karşılaştırmaya ve Databricks Model Hizmetine kadar dağıtıma kadar makine öğrenimi iş akışlarının tamamını yönetebilmelidir. Deneyler MLflow'a kaydedilir. Veri mühendisliği alanında Genie Code, üretime hazır Spark işlem hatları oluşturur, hazırlama ve üretim ortamları arasındaki farkları hesaba katar ve veri kalitesi kontrollerini otomatik olarak uygular. Ayrıca aracı, yeniden kullanılabilir anlamsal tanımlara sahip gösterge tabloları oluşturabilmeli ve çok adımlı görevleri bağımsız olarak planlayabilmeli ve yürütebilmelidir.

Diğer bir husus da proaktif izlemedir: Genie Code, Lakeflow boru hatlarını ve yapay zeka modellerini arka planda izlemeyi, hataları sınıflandırmayı ve bir insanın müdahale etmesine gerek kalmadan anormallikleri araştırmayı amaçlamaktadır. Databricks'e göre, bu izlemeyi arka planda kalıcı olarak gerçekleştiren sözde “arka plan aracıları” henüz mevcut değil, ancak yakında eklenecek.

Aracı, geçmiş etkileşimlere ve kodlama tercihlerine göre dahili talimatları otomatik olarak güncelleyen kalıcı bir belleğe sahiptir. Bu nedenle zamanla “daha iyi hale gelmesi” gerekir.

AI Bölümünün Edinilmesi

Genie Code'un sunumuna paralel olarak Databricks, Quotient AI'yi satın aldığını duyurdu. Şirket, yapay zeka aracıları için değerlendirme ve pekiştirmeli öğrenme konusunda uzmanlaşmıştır ve daha önce GitHub Copilot için kalite iyileştirme çalışmalarında yer almıştır. Entegrasyonun, sürekli performans izlemeyi doğrudan Genie Code'a yerleştirmesi amaçlanıyor: Databricks'e göre Quotient, yanıt kalitesini ölçüyor, gerilemeleri tespit ediyor ve hataları erkenden tespit ediyor ve bu sonuçları bir iyileştirme sürecine besliyor.

Kullanılabilirlik ve genişletilebilirlik

Databricks'e göre Genie Code artık genel olarak mevcut ve doğrudan Databricks çalışma alanlarına entegre ediliyor: not defterlerinde, SQL düzenleyicisinde ve Lakeflow işlem hattı düzenleyicisinde. Karmaşık kurulum gerekmez.

Aracı üç şekilde genişletilebilir: Genie Code, Model Bağlam Protokolü (MCP) aracılığıyla Jira, Confluence veya GitHub gibi harici araçlarla etkileşime girebilir. Temsilci becerileri olarak adlandırılan beceriler, örneğin kişisel veri yönetimi veya şirkete özel doğrulama çerçeveleri gibi sektöre özgü becerileri tanımlamak için kullanılabilir. Kalıcı hafıza sayesinde temsilci geçmiş etkileşimlerden öğrenir ve her ekibin nasıl çalıştığına uyum sağlar.

Databricks'in yeni özellikleri sektör çapındaki bir trendin parçası. Neredeyse tüm büyük satıcılar artık karmaşık görevleri özerk bir şekilde çözmek için aracı tabanlı yapay zeka sistemlerine güveniyor. Ancak gerçek yeteneklerin ne kadar genişlediği tartışmalıdır, özellikle de işlevsel olmayan gereksinimler söz konusu olduğunda.

(harita)