گوگل دستیار تحلیل داده هوش مصنوعی را به صورت رایگان در Google Colab عرضه کرد

به گزارش کارگروه فناوری اطلاعات سایبربان به نقل از ونچربیت، این دستیار تحلیل داده از طریق Google Colab، سرویس هشت‌ساله گوگل برای اجرای کدهای پایتون در فضای ابری، در دسترس قرار می‌گیرد. Google Colab  خدمتی است که در فضای ابری امکان اجرای کدهای زنده را روی واحدهای پردازش گرافیکی (GPU) و واحدهای پردازش تانسوری (TPU) گوگل فراهم می‌کند.

این ابزار ابتدا در دسامبر ۲۰۲۴ برای گروهی از کاربران منتخب منتشر شد، اما اکنون در دسترس عموم قرار دارد. کاربران می‌توانند تنها با ارائه یک توضیح ساده به زبان طبیعی (مانند «تجزیه‌وتحلیل روند داده‌ها» یا «ساخت مدل پیش‌بینی»)، یک نوت‌بوک Jupyter (نوت‌بوک‌های Jupyter برای وظایف متعدد داده محور استفاده می‌شوند) و کاملا قابل اجرا دریافت کنند که تمام مراحل تحلیل داده را به‌صورت خودکار انجام می‌دهد.

این ویژگی‌ها به گوگل کمک می‌کند تا در رقابت با اوپن‌ای‌آی، که ابزار تحلیل داده پیشرفته را از طریق ChatGPT ارائه کرده است، جایگاه خود را در دنیای تحلیل داده‌های مبتنی بر هوش مصنوعی تقویت کند.

ویژگی‌های کلیدی دستیار تحلیل داده گوگل

• تحلیل خودکار داده‌ها: تولید نوت‌بوک‌های کاملا قابل اجرا در Colab به‌جای ارائه صرف کدهای پراکنده.

• صرفه‌جویی در زمان: حذف فرایندهای تنظیم دستی و کدنویسی‌های تکراری.

• بهبود همکاری تیمی: قابلیت اشتراک‌گذاری آسان پروژه‌ها در محیط‌های تحقیقاتی و شرکتی.

• انعطاف‌پذیری بالا:کاربران می‌توانند کدهای تولیدشده را ویرایش و سفارشی‌سازی کنند.

طبق گزارش گوگل، کاربران اولیه این قابلیت به کاهش چشمگیر زمان تحلیل داده اشاره می‌کنند. به‌عنوان مثال، یک پژوهشگر از آزمایشگاه ملی لاورنس برکلی که بر روی انتشار گاز متان در مناطق گرمسیری تحقیق می‌کند، اعلام کرده که زمان پردازش داده‌های او از یک هفته به تنها ۵ دقیقه کاهش یافته است.

مقایسه با رقبا

بر اساس رتبه‌بندی DABStep که عملکرد مدل‌های هوش مصنوعی در تحلیل داده را مقایسه می‌کند، دستیار تحلیل داده گوگل در جایگاه چهارم قرار می‌گیرد. این ابزار از مدل‌هایی مانند ReAct (GPT-4.0)، DeepSeek و Claude 3.5 Haiku عملکرد بهتری دارد، اما هنوز از رقبایی مانند o3-mini و o1 ازاوپن‌ای‌آی و مدل Claude 3.5 Sonnet شرکت انتروپیک عقب‌تر است.

نحوه استفاده از دستیار تحلیل داده گوگل در Google Colab

کاربران می‌توانند از طریق مراحل زیر به این دستیار هوش مصنوعی دسترسی پیدا کنند:

1. ایجاد یک نوت‌بوک جدید در Google Colab.

2. بارگذاری مجموعه داده‌ها (CSV، JSON و غیره.)

3. توصیف تحلیل موردنظر به زبان طبیعی از طریق پنل کناری  جمنای.

4. اجرای نوت‌بوک ایجادشده برای دریافت نتایج و نمودارهای تصویری.

تجربه اولیه استفاده از ابزار

در یک آزمایش اولیه، پنج فایل CSV شامل هزینه‌های ماهانه بررسی شد. با ارائه دستور «چقدر در هر ماه و هر فصل برای هزینه‌های آب و برق خرج می‌کنم؟»، دستیار تحلیل داده گوگل مراحل زیر را انجام داد:

• ترکیب مجموعه داده‌ها و اصلاح ناسازگاری‌ها.

• فیلتر کردن و تمیزسازی داده‌ها برای حذف هزینه‌های غیرمرتبط.

• دسته‌بندی تراکنش‌ها بر اساس ماه و فصل برای محاسبه هزینه‌ها.

• ایجاد نمودارهای تصویری برای تحلیل روند هزینه‌ها.

• ارائه خلاصه‌ای از یافته‌ها در قالب یک گزارش ساختاریافته.

بااین‌حال، در نخستین تلاش، نمودار نهایی فقط هزینه‌های یک ماه را نمایش داد و داده‌های یک ساله را به درستی تشخیص نداد. در تلاش دوم، نتیجه بهتر اما همچنان ناقص بود، که ممکن است به عدم تجربه کاربر با ابزارهای تحلیل داده مربوط باشد.

قیمت‌گذاری

گوگل پلتفرم Colab را به‌صورت رایگان عرضه کرده است، اما کاربران می‌توانند برای دریافت قدرت پردازشی بیشتر، اشتراک‌های پولی را خریداری کنند:

• Colab Pro با قیمت ۹.۹۹ دلار در ماه شامل دسترسی به ۱۰۰ واحد پردازشی، پردازنده‌های گرافیکی سریع‌تر و دسترسی به ترمینال است.

• Colab Pro+ با قیمت ۴۹.۹۹ دلار در ماه شامل ۵۰۰ واحد پردازشی، اولویت‌دهی ارتقای GPU و اجرای در پس‌زمینه.

• Colab Enterprise برای یکپارچگی با Google Cloud و تولید کد با هوش مصنوعی.

• پرداخت به‌ازای مصرف نیز با قیمت ۹.۹۹ دلار  برای ۱۰۰ واحد پردازشی و ۴۹.۹۹ دلار برای ۵۰۰ واحد پردازشی قابل دسترسی است.

گفتنی است که گوگل برای بهبود مدل‌های خود، داده‌های ورودی کاربران را جمع‌آوری و تا ۱۸ ماه ذخیره می‌کند. این داده‌ها هویت‌زدایی می‌شوند، اما گوگل می‌تواند درخواست حذف داده‌های کاربر را به اجرا نگذارد. درنتیجه کاربران باید از ارائه اطلاعات حساس خودداری کنند، زیرا ممکن است درخواست‌های آن‌ها توسط بازبین‌های انسانی بررسی شود.

دستیار تحلیل داده گوگل در Google Colab، یکی از مهم‌ترین گام‌های این شرکت در جهت ادغام هوش مصنوعی با تحلیل داده محسوب می‌شود. این ابزار می‌تواند به محققان، دانشمندان داده و توسعه‌دهندگان کمک کند تا تمرکز بیشتری بر بینش‌های تحلیلی داشته باشند و زمان کمتری را صرف تنظیمات دستی و کدنویسی کنند.

با گسترش این ابزار به کاربران و مناطق بیشتر، باید دید که چگونه این دستیار هوش مصنوعی می‌تواند آینده تحلیل داده را تغییر دهد و تا چه اندازه با ابزارهای مشابه اوپن‌ای‌آی و سایر شرکت‌ها رقابت می‌کند.