Sisense Inc.相信有一种更好的方法来处理边缘信息。

这家由DFJ支持的分析初创公司今天推出了Hunch，这是一款人工智能引擎，据称它可以将大型数据集压缩为可管理的大小，即使对于连接的设备也是如此。该软件通过创建一个神经网络来实现这一目的，该神经网络可以充当替身，每替换1 TB的信息仅占用数MB的空间。

压缩大型分析工作负载以适应硬件受限的环境并不是什么新鲜事。一种常见的方法是创建要分析的记录的摘要，而另一种方法是提取样本并使用它来生成数据集的资源消耗较少的统计近似值。然而，尽管它们提供了一定的优势，但是这两种方法都需要在精度方面进行权衡，如Sisense所说，Hunch在很大程度上降低了精度。

根据这家初创公司的说法，该引擎的工作方式是从数据集中提取模式并生成大量查询，以模拟业务用户可能针对该信息运行的查询。从那里，Hunch将这些知识灌输到一个轻量级的神经网络中，该网络可以立即回答查询而无需梳理原始记录。

消除了用户每次需要特定信息时都运行全面查询的需要，从而节省了大量时间。根据Sisense的说法，使用Hunch生成的AI模型可以提供亚毫秒级的响应时间，且准确性高达99%。另外，这些神经网络的轻量级性质使得在相对较小的设备上执行分析成为可能。

“一旦Sisense Hunch神经网络学习了数据，它就不需要对整个基础数据集进行任何持续访问，从而可以以最少的成本实现快速，分析性的查询响应，同时又保持了完整的数据隐私性。”执行官阿米尔·奥拉德(Amir Orad)在一份声明中说。

Hunch确实必须做出一些权衡以提供这些优势：神经网络提供的详细信息级别与它们所基于的数据集不同。在用户需要比神经网络可以处理的粒度更高的粒度的情况下，引擎会将请求路由到包含原始信息的系统。

汉尚早已在市场上看到了一些吸引力。Sisense表示，该引擎已被一家公开上市的电子制造商采用，以优化工厂的质量控制操作，而其他几家公司目前也在对其进行测试。

Hunch的推出标志着Sisense自上个月获得8000万美元融资以来的首个产品发布。该公司已筹集了总计约2亿美元的资金，并拥有1000多个客户，其中包括通用电气公司，VMware Inc.和纳斯达克股票市场。