كومو العلائقي من إنفيديا يتفوق على التعلم المراقب دون تدريب
أطلقت إنفيديا نموذج كومو ريليشينال، وهو نموذج أساسي علائقي مدرَّب مسبقًا لإجراء تنبؤات مباشرة على قواعد بيانات الشركات، دون الحاجة إلى تدريب خاص بالمهمة أو هندسة ميزات أو تسطيح الجداول. ويستقبل النموذج استعلامًا تنبؤيًا، ثم يجمع ما يصل إلى ١٠٬٠٠٠ مثال تاريخي كسياق، ويتنبأ بنتائج مثل تسرب العملاء أو الطلب أو الاحتيال في مرور أمامي واحد، اعتمادًا على التعلم ضمن السياق بعدد أمثلة قليلة. ويمثل الإعلان تحولًا في النمذجة التنبؤية على البيانات المهيكلة، التي تدعم قرارات الأعمال الحرجة، لكنها ظلت تعتمد على مسارات إعداد ممتدة. وتقول إنفيديا إن النموذج يتجاوز نماذج التعلم العميق العلائقية المدرَّبة، وخطوط أشجار التدرج المعززة المعدة بخبرة، في ٤١ مهمة عبر ١٥ قاعدة بيانات. وعلى مقياس ساب سالت، يفوق تجميعات أوتوغلون بنسبة ٨٪ في متوسط المقلوب العكسي للرتبة، ويرتفع الفارق إلى ١٦٪ عند الضبط الدقيق، كما يتفوق على نماذج أساسية للبيانات الجدولية بنحو ٢٥٪. وفي تصنيف ريل آرينا، يظهر ضمن أعلى توازن بين الدقة والكفاءة، إذ يحقق نتائج قريبة من الأعلى مع زمن استدلال يقارب ١٧ ثانية لكل ١٬٠٠٠ عينة، أي أسرع بنحو ٤٣٠ مرة من أعلى نتيجة. ويشتغل كومو ريليشينال مباشرة داخل قواعد البيانات، محترمًا الجداول والمفاتيح الأجنبية والطوابع الزمنية، مستخدمًا لغة استعلام تنبؤية تسمح بتحديد المطلوب التنبؤ به بدل كيفية حسابه. وعند توليد السياق، يعيد تمثيل حالات قاعدة البيانات التاريخية، فيلتقط رسوما فرعية حول كيان عند زمن مرجعي، ويحسب الهدف من أحداث لاحقة، بينما يقدم للنموذج البيانات السابقة فقط لتجنب تسرب المعلومات. ثم يجري الاستدلال على مرحلتين: انتباه داخل الجداول لربط القيم داخل العمود والصف، وانتباه عبر الجداول لربط سجلات عبر المفاتيح ومقارنة أمثلة السياق، مع معالجة مجموعات الصفوف لتقليل التكلفة التشغيلية. ولم يعتمد التدريب المسبق على بيانات شركات حقيقية، بل على قواعد بيانات علائقية اصطناعية تحاكي تعقيد البيانات الواقعية عبر مولد مبني على نهج توليد اصطناعي متقدم. ويتعلم النموذج من هذا التدريب كيف يفلتر ويربط ويجمع المعلومات عبر الجداول. ويصل التشغيل إلى قواعد تتجاوز ٥٠٠ مليار صف عبر محركات ذاكرة وتوصيلات قواعد بيانات ومستودعاتها، أو عبر خدمة مستقلة. ويتاح النموذج ضمن مكتبة مفتوحة لنمذجة البيانات المهيكلة تعتمد على معالجات الرسوميات، مع إصدار الأكواد برخصة أباتشي ٢.٠. وترى إنفيديا أن النموذج يتيح للفرق الفنية ووكلاء الذكاء الاصطناعي طلب تنبؤات مباشرة حول سلوك العملاء والمخاطر والطلب، مما يقلل زمن تطوير المشاريع التنبؤية. لكن الشركة تشير إلى حدوده؛ فهو يعمل أفضل في البيانات ذات العلاقات الديناميكية الزمنية، وقد تتفوق النماذج المدرَّبة حسب المهمة في مجموعات التدريب الضخمة، لأن السياق في التقييم استخدم حتى ١٠٬٠٠٠ مثال، لذلك يوصى بالضبط الدقيق أو بدء الاستعلام بجداول محدودة ثم توسيع الرسم العلائقي حسب الحاجة.
