Snowflake utilise l’IA générative pour les données synthétiques et les requêtes en langage naturel

Les outils d’IA générative ont révolutionné la façon dont nous percevons l’intelligence artificielle, car ils peuvent produire du contenu ressemblant étroitement aux créations humaines, du texte aux images et même aux vidéos. Cependant, les applications de l’IA générative vont au-delà de la simple imitation. L’IA moderne repose sur la reconnaissance de motifs dans les données pour répondre aux questions et faire des prédictions. Par exemple, ChatGPT d’OpenAI exploite l’IA générative pour générer plus de données, en adhérant aux motifs trouvés dans ses données d’entraînement.

Bien que les données du monde réel soient inestimables, elles présentent des défis tels que les coûts de collecte et les préoccupations en matière de confidentialité. Pensez à la création d’un ensemble de données pour entraîner des algorithmes de reconnaissance faciale ; des milliers d’individus doivent être photographiés, leur consentement obtenu, suivi de vérifications rigoureuses pour atténuer les biais potentiels.

Saisir des données synthétiques

Les données synthétiques offrent une solution à ces défis. Il s’agit de données générées artificiellement qui imitent étroitement les données du monde réel et peuvent servir à de nombreux objectifs similaires. Snowflake, une entreprise majeure de « données en tant que service », a poussé ce concept plus loin en intégrant des ensembles de données synthétiques générés par l’IA à ses offres.

Les données synthétiques sont des informations créées artificiellement pour posséder les caractéristiques des données du monde réel, sans contenir de données réelles. L’IA générative est bien adaptée à cette tâche, analysant les ensembles de données et générant des données synthétiques qui leur correspondent étroitement. Cette approche permet aux entreprises d’entraîner des algorithmes d’IA, de réaliser des tests et des simulations sans exposer les informations sensibles ou privées présentes dans les données du monde réel.

De nombreuses applications

Les données synthétiques trouvent des applications dans divers secteurs. Dans la finance, elles permettent d’entraîner des algorithmes de détection de fraude pour identifier les transactions délibérément falsifiées. Dans le secteur de la santé, elles préservent la confidentialité des données des patients. Dans le commerce de détail et le marketing, elles créent des clients synthétiques pour analyser les comportements d’achat. Les dirigeants d’entreprise, confrontés à des défis liés à l’accessibilité, à la complexité et à la disponibilité des données réelles, se tournent de plus en plus vers les données synthétiques. Les ensembles de données partiellement synthétiques, qui complètent les données réelles avec des données synthétiques, sont devenus plus courants que les ensembles entièrement synthétiques.

Le rôle de Snowflake dans les données synthétiques génératives

Snowflake, acteur majeur du courtage de données B2B, a élargi ses offres pour inclure l’accès à des ensembles de données synthétiques générés par des algorithmes d’IA. Par exemple, il propose un ensemble de données de visages humains synthétiques créé par Synthesis AI, comprenant 5 000 visages humains diversifiés. Cela répond aux préoccupations concernant les biais dans les algorithmes de reconnaissance faciale, permettant de personnaliser les ensembles de données pour favoriser l’inclusivité et la représentation.

Les algorithmes génératifs ont accéléré l’échelle des ensembles de données, les rendant personnalisables pour répondre aux besoins variés des clients mondiaux. Snowflake fournit également des données financières synthétiques de Clearbox AI, y compris des demandes de prêt hypothécaire simulées augmentées par des données générées par l’IA générative.

Snowflake reconnaît le rôle pivot des données synthétiques générées par l’IA dans son avenir. À mesure que les modèles génératifs progressent, ils refléteront de plus en plus le monde réel, offrant des informations plus rentables et efficaces aux entreprises.

Au-delà des données synthétiques et d’autres applications d’IA générative chez Snowflake

Snowflake est allé au-delà des données synthétiques, offrant à ses clients des outils basés sur l’IA générative. L’acquisition de Neeva, une startup de recherche fondée par d’anciens employés de Google, a conduit à la mise en œuvre d’interrogations en langage naturel pour les ensembles de données. Les utilisateurs peuvent désormais interagir avec leurs données par le biais de conversations, extrayant des informations en posant des questions plutôt que de s’appuyer sur l’analyse traditionnelle des sciences des données.

De plus, Snowflake s’est associé à Nvidia pour créer une plateforme permettant aux utilisateurs de construire des applications d’IA générative telles que des chatbots et des moteurs de recherche, accédant ainsi aux vastes ressources de données de Snowflake. Une autre initiative consiste à développer un outil Document AI pour interroger et extraire le sens des documents, en utilisant la technologie acquise lors de l’achat de la plateforme suédoise de langage naturel Applica en 2022.

Snowflake exploite l’IA générative non seulement pour la création de données synthétiques, mais aussi pour la construction d’outils facilitant l’analyse et l’extraction de données. L’engagement de l’entreprise à exploiter l’IA générative reflète sa vision de solutions de données innovantes et d’une meilleure utilisation des données dans divers secteurs.