Aible是一家专注于考虑业务变量和约束的现实人工智能的创业公司，它推出了Aible Advanced，一个面向数据科学家和开发人员的自动化机器学习平台。

随着此举，Aible(其商业用户版本)旨在实现机器学习流程(AutoML)的自动化，并使数据科学家和开发人员能够连接到容纳关键数据的企业系统。

Aible首席执行官Arijit Sengupta 表示，Aible Advanced背后的理念是让数据科学家和开发人员能够思考模型以及如何链接回企业系统。“缺少的部分是企业应用程序，人工智能和预测实际工作的频率之间的联系，”他说。

Sengupta是Salesforce爱因斯坦的首席执行官之一，根据人工智能已经过于理论化而无法商业化的想法启动了Aible。

下一波IT创新将由人工智能和机器学习提供支持。我们看看公司可以利用它的方式以及如何开始。

阅读更多

“我已经在人工智能领域工作了20多年，我最终意识到人工智能是在错误的事情上接受培训的。它是为了准确而训练的，但却变得过于理论化。有什么商业意义?” 他问。“没有办法教会商业用户人工智能是如何运作的，但你可以教人工智能以相互关联的方式理解业务，成本效益，业务问题和约束。”

以商业为中心的人工智能方法导致Aible在3月份推出。Aible的推出意味着业务用户可以输入业务目标和约束，然后创建旨在最大化业务影响的预测模型。传统人工智能将专注于预测10个人中有3个人会购买产品。Sengupta解释说，这个模型可能是准确的，但如果一个企业确实需要50个转换线，就可以把钱留在桌面上。

另外： 从低码和云，以AI和加密：你的数据做些什么需要大约比流行语更 | 数据科学家求职面试：期待的问题和要问的问题(免费PDF)

虽然Aible的商业模式围绕着软件即服务，但Sengupta表示，在某些情况下，该公司还将削减这些模型的资金，比如收入的10%到15%。这导致观察发展的服务方法会很有趣。Sengupta表示，该模型是可行的，因为Aible内置了性能监控功能。

Sengupta补充说，它有一些大型企业的收入分成模式，它往往吸引企业高管，但采购推迟。

分析已经从基础 - 可视化，历史和仪表板 - 演变为更复杂的建议和结果预测。现在是时候加强它并获得规定性。

阅读更多

理论上，Aible可以根据个人的风格和积极性为个体销售人员创建模型。Aible的方法引起了Forrester和Gartner等研究公司的关注。Gartner最近发布了一项关于Merrow的案例研究，Merrow是一家制造和分销公司，使用Aible来最大化其市场机会。

Sengupta表示，Aible Advanced将使用10个步骤生成模型，将其他AutoML工具加倍。步骤包括：

要求收集AutoML学习业务目标，现实和用例的位置。

有良好预测因素的蓝图。

Data Recipes从现有企业应用程序和数据存储库收集培训数据。

数据增强，用于清理和准备机器学习数据并创建派生变量。

模型定制以确保模型经过培训，以最大化实际业务目标并尊重业务约束。

超参数调整以训练各种类型的模型并尝试设置。

模型选择推荐最佳优化业务目标的模型，并进行敏感性，假设分析和情景分析等评估。

模型部署，它开始在客户环境中运行模型。

预测回写，它将预测写回企业应用程序和业务用户。

监测其观察实际业务成果的位置，并将其与预期的再培训结果进行比较。

最重要的是模型培训围绕前两项。通常不考虑商业现实。

为了宣传Aible Advanced，Aible正在推出30分钟的AutoML挑战。在不到30分钟的时间内，Aible将根据用户在其自己的AWS账户中的专有数据创建预测模型。如果Aible失败，用户可以免费使用该模型。