Anomalo公司是一家使用人工智能监控和确保数据质量的企业平台,今日推出了AIDA——Anomalo智能数据分析师的缩写,这是一个新的生成式AI系统,让用户能够用自然语言查询和控制数据。
该公司使用机器学习替代传统的基于规则的系统,用于监控和纠正企业组织中的数据质量问题。该平台能够自动检测结构化和非结构化数据中的异常和其他问题。
Anomalo首席执行官Elliot Shmukler在接受采访时表示,新产品扩展了公司的监控能力,为数据科学家、工程师和业务用户提供了从数据中获取答案的方式。它将生成式AI能力与公司对企业数据的深度情境理解相结合,让用户能够用自然语言"与数据对话"。
"大多数人在尝试使用生成式AI进行数据分析时遇到的问题不是生成查询——模型在这方面很出色,"Shmukler说。"实际问题是拥有正确的业务和数据上下文,以确保这些查询是正确的。"
AIDA通过将每个生成的查询建立在Anomalo不断更新的组织数据库结构、高质量数据和已建立业务指标知识基础上来解决这个问题。
Shmukler在LinkedIn和Instacart等高增长公司工作时亲身经历的数据错误启发他创立了Anomalo。在Instacart,缺失或不一致的数据源可能导致收入损失——有时是数百万美元的销售额。
据Shmukler介绍,一些顶级分析师花费多达50%的时间追踪数据质量问题并试图解决它们。
"我们遇到过一个问题,我们的合作伙伴Costco实际上发送给我们一个没有肉类部门任何商品的数据源,"他说。"事实证明,如果你建立一个Costco店面却没有任何肉类产品,你会失去50%的订单。"
由于业务数据不断演变,公司的需求和政策也会发生变化,用户可以透明地查看AIDA的推理过程并根据需要进行干预。一旦纠正,这些对公司政策和业务背景的洞察就会被存储。这随着时间的推移改善了系统的理解能力。
虽然Anomalo最大的立足点在金融服务、零售和电子商务领域,但Shmukler表示数据驱动的决策制定正在变得普遍。该公司的主要客户包括Discover Financial Services和Block(前身为Square)等金融服务公司。
为数据质量带来智能化
AIDA是与包括Google Cloud、Databricks和Snowflake在内的领先数据和AI开发商合作构建的。该系统使用Anomalo现有的连接器连接到超过17个数据源,包括Google BigQuery。
在底层,公司可以通过使用Google Cloud的Vertex AI平台、Snowflake Cortex AI和Databricks Mosaic AI提供的AI能力来增强这些连接。客户也可以接入他们首选的AI提供商,包括Google的Gemini和Anthropic的Claude。
"这是一个传统的聊天界面,"Shmukler解释道。"你提出问题,智能体会看看能否立即回答问题……或者可能需要查询数据,编写SQL查询,向你展示该查询,执行它然后分析结果。"
用户还可以发出诸如"嘿,这个指标非常重要。让我们从现在开始用Anomalo监控它"这样的语句。从那里,AIDA将基于特定的业务指标设置监控器和触发器,然后在出现问题时产生警告。
AIDA正在作为预览功能向所有客户推出,预期反馈将指导未来的更新。
Q&A
Q1:AIDA是什么?它有什么功能?
A:AIDA是Anomalo智能数据分析师的缩写,是一个生成式AI系统,让用户能够用自然语言查询和控制数据。它结合了生成式AI能力与企业数据的深度情境理解,让用户可以"与数据对话"。
Q2:Anomalo平台主要解决什么问题?
A:Anomalo使用机器学习替代传统的基于规则的系统,用于监控和纠正企业组织中的数据质量问题。平台能够自动检测结构化和非结构化数据中的异常和其他问题,帮助企业避免因数据错误导致的收入损失。
Q3:AIDA支持哪些AI提供商和数据源?
A:AIDA使用Anomalo现有的连接器连接到超过17个数据源,包括Google BigQuery。客户可以使用Google Cloud的Vertex AI、Snowflake Cortex AI和Databricks Mosaic AI,也可以接入Google的Gemini和Anthropic的Claude等AI提供商。
好文章,需要你的鼓励
Linux基金会宣布成立代理AI基金会,为AI智能体基础设施开发提供厂商中立的监督。尽管业界承认AI智能体存在安全问题,高德纳咨询公司警告许多企业项目可能因缺乏商业价值而被取消,但基金会仍致力于为AI公司提供中立平台。Anthropic、Block和OpenAI分别贡献了三个项目,包括模型上下文协议、开源AI智能体框架和机器可读文档标准。
快手科技研究团队提出了熵比截断机制,用于解决强化学习训练中AI容易"走偏"的问题。该方法通过监控AI学习前后思维活跃度变化,在关键时刻进行精准干预,既保证训练稳定性又维持探索能力。在数学推理任务中,此方法显著提升了模型性能并改善了训练稳定性,为AI训练领域提供了新的解决思路。
微软计划在未来四年内向印度投资175亿美元,这是该公司在亚洲的最大投资。投资将用于建设新数据中心、AI基础设施和技能培训项目。此举正值全球科技巨头加速在印度布局,该国庞大的互联网和智能手机用户群体使其成为关键战场。投资还包括在海德拉巴建设新数据中心区域,并与印度政府合作将AI能力整合到公共数字平台中。
EditThinker是北京航空航天大学与美团等机构联合研发的图像编辑AI框架,让AI在编辑图片时能够像人类一样进行反复思考和优化。该系统通过"批评-优化-重试"的循环机制,将传统的一次性编辑转变为迭代改进过程,在四个权威测试平台上显著提升了现有编辑模型的表现,特别是在需要复杂推理的编辑任务中效果突出。