بريون جاكوب، الرئيس التنفيذي للتقنية والشريك المؤسس لشركة data.world – سلسلة المقابلات

بريون جاكوب هو الرئيس التنفيذي للتقنية والشريك المؤسس لشركة data.world – على مهمة بناء أكثر مورد بيانات معنوي ومتعاون وغني في العالم. قبل انضمامه إلى data.world، قضى عشر سنوات في مناصب متزايدة المسؤولية في HomeAway.com، وتولى منصب نائب الرئيس للتقنية والزميل الفني. كما عمل بريون في شركة أمازون، وهو أيضًا معلم طويل الأمد في مصنع رأس المال. حصل على شهادة البكالوريوس والماجستير في علوم الحاسوب من جامعة كيس ويسترن.

ما الذي جذبك في البداية إلى علوم الحاسوب؟

لقد كنت معجبًا بالبرمجة منذ حصلت على كمبيوتر كومودور 64 في سن العاشرة. بدأت مع لغة بيسك وانتقلت بسرعة إلى لغة التجميع. بالنسبة لي، علوم الحاسوب تشبه حل سلسلة من الألغاز المعقدة مع إضافة فرصة التutomatisation. إن جانب حل المشكلات هذا هو ما دائمًا ما أبقاني منغمسًا ومثيرًا.

يمكنك أن تشاركنا قصة ولادة data.world؟

ولدت data.world من سلسلة من جلسات العصف الذهني بين فريق المؤسسين. اتصل بريت، الرئيس التنفيذي، ب جون ومات، وكلاهما عمل معه من قبل. بدأوا الاجتماع لتسليط الأفكار، وجون أتى ببعض من هذه المفاهيم إليّ لتقييمها من الناحية الفنية. على الرغم من أن تلك الأفكار لم تنجح، إلا أنها أطلقت محادثات وثيقة الصلة بعمل tôi. من خلال هذه المناقشات،达نا إلى الفكرة التي أصبحت فيما بعد data.world. سمحت لنا التاريخ المشترك والاحترام المتبادل ببناء فريق رائع بسرعة، وجلب أفضل الأشخاص الذين عملنا معهم في الماضي، وإرساء أساس قوي للابتكار.

ما الذي أثار اهتمام data.world بتطوير محرك السياق الاصطناعي، وما هي التحديات المحددة التي يعالجها للمنظمات؟

من البداية، كنا نعلم أن граф المعرفة سيكون حاسمًا لتعزيز قدرات الاصطناعي. مع ظهور الاصطناعي التوليدي، أراد عملاؤنا حلولًا اصطناعية يمكنها التفاعل مع بياناتهم بطرق محادثية. أحد التحديات الكبيرة في تطبيقات الاصطناعي اليوم هي القابلية للشرح. إذا لم تكن قادرًا على إظهار عملك، فإن الإجابات أقل موثوقية. يؤسس تصميم граф المعرفة كل استجابة في حقائق يمكن التحقق منها، مما يوفر تفسيرات واضحة وقابلة للتعقب. هذا يعزز الشفافية والموثوقية، ويمكّن المنظمات من اتخاذ قرارات مدروسة بثقة.

كيف يعزز تصميم граф المعرفة لمحرك السياق الاصطناعي دقة ووضوح النماذج اللغوية الكبيرة مقارنة bằng قواعد البيانات التقليدية؟

في ورقةنا الرائدة، أظهرنا تحسنًا ثلاثيًا في الدقة باستخدام графات المعرفة مقارنة بالقواعد التقليدية. تستخدم графات المعرفة Семантиات لتمثيل البيانات ككيانات وعلاقات في العالم الحقيقي، مما يجعلها أكثر دقة من قواعد البيانات التقليدية التي تركز على الجداول والاعمدة. فيما يتعلق بالوضوح، تسمح لنا графات المعرفة بربط الإجابات بالتعريفات المصطلحية ومصادر البيانات والقياسات، مما يوفر مسارًا قابلًا للتحقق يزيد من الثقة والقابلية للاستخدام.

يمكنك أن تشاركنا بعض الأمثلة عن كيفية تحويل محرك السياق الاصطناعي للتفاعلات مع البيانات وعمليات اتخاذ القرار داخل المنظمات؟

صمم محرك السياق الاصطناعي كواجهة برمجة تطبيقات تدمج بشكل متوافق مع تطبيقات الاصطناعي الحالية للعملاء، سواء كانت حلول جبت مخصصة أو حلول مخصصة بناءً على لانج تشين. هذا يعني أن المستخدمين لا يحتاجون إلى التبديل إلى واجهة جديدة – بدلاً من ذلك، نأتي بمحرك السياق الاصطناعي إليهم. هذا التكامل يعزز采用 المستخدمين والرضا، مما يدفع اتخاذ قرارات أفضل وتفاعلات بيانات أكثر كفاءة عن طريق دمج قدرات اصطناعية قوية مباشرة في سير العمل الحالية.

كيف يوفر محرك السياق الاصطناعي شفافية وتعقباً في اتخاذ القرارات الاصطناعية لتلبية متطلبات التنظيم والرقابة؟

يرتبط محرك السياق الاصطناعي بغراف المعرفة وكتالوج البيانات، مستفيدًا من القدرات حول النسب والرقابة. تتبع منصتنا نسب البيانات، وتوفر قابلية تعقب كاملة للبيانات والتحويلات. ترتبط الإجابات التي يولدها الاصطناعي بsources البيانات، مما يوفر مسارًا واضحًا لتحديد كيفية اشتقاق كل قطعة من المعلومات. هذه الشفافية حاسمة لامتثال التنظيم والرقابة، مما يضمن أن كل قرار اصطناعي يمكن تدقيقه وتحверه.

ما الدور الذي ترى أن يلعب графات المعرفة فيه في المشهد الأوسع لإدارة البيانات والاصطناعي في السنوات القادمة؟

تزداد أهمية графات المعرفة مع ظهور الاصطناعي التوليدي. من خلال تحويل الحقائق إلى هيكل граф، توفر графات المعرفة أساسًا أقوى للاصطناعي، مما يعزز الدقة والوضوح. نشهد تحولًا من هياكل توليد المضاف الرتيبة التقليدية، التي تعتمد على البيانات غير المنظمة، إلى نماذج راغ графية. هذه النماذج تحول المحتوى غير المنظم إلى графات المعرفة أولاً، مما يؤدي إلى تحسينات كبيرة في الاستدعاء والدقة. من المتوقع أن تلعب графات المعرفة دورًا حاسمًا في دفع الابتكارات والفعالية في مجال الاصطناعي.

ما التحسينات المستقبلية التي يمكننا توقعها لمحرك السياق الاصطناعي لتحسين قدراته وتجربة المستخدم؟

يتحسن محرك السياق الاصطناعي مع الاستخدام، حيث يتدفق السياق обратًا إلى كتالوج البيانات، مما يجعله أكثر ذكاءً مع مرور الوقت. من الناحية المنتج، نحن نركز على تطوير وكلاء يقومون بمهام هندسة المعرفة المتقدمة، مما يتحول إلى أونطولوجيات و قواعد معرفة أكثر ثراء. نحن نتعلم باستمرار من الأنماط التي تعمل، وندمج تلك الاكتشافات بسرعة، مما يوفر للمستخدمين أداة قوية و直观 لإدارة واستغلال بياناتهم.

كيف تستثمر data.world في البحث والتطوير لتبقى في طليعة تقنيات الاصطناعي وتكامل البيانات؟

البحث والتطوير على محرك السياق الاصطناعي هو أكبر منطقة استثمار لنا. نحن ملتزمون بالبقاء في طليعة ما هو ممكن في مجال الاصطناعي وتكامل البيانات. فريقنا، الذي يتألف من خبراء في كل من الاصطناعي الرمزي و学习 الآلة، ي推د هذا الالتزام. الأساس القوي الذي بنيناه في data.world يسمح لنا بالتحرك بسرعة و دفع الحدود التكنولوجية، مما يضمن لنا تقديم قدرات متقدمة باستمرار لعملائنا.

ما هو رؤيتك طويلة الأمد لمستقبل الاصطناعي وتكامل البيانات، وكيف ترى data.world يساهم في هذه التطورات؟

رؤيتي لمستقبل الاصطناعي وتكامل البيانات دائمًا ما كانت تتجاوز مجرد جعل استعلام البيانات أسهل للمستخدمين. بدلاً من ذلك، نهدف إلى القضاء على حاجة المستخدمين لاستعلام بياناتهم على الإطلاق. لقد كانت رؤيتنا دائمًا هي دمج بيانات المنظمة مع معرفتها – بما في ذلك البيانات الوصفية عن أنظمة البيانات والنماذج المنطقية للكيانات في العالم الحقيقي.

من خلال تحقيق هذه التكامل في граф معرفة قابل للقراءة آليًا، يمكن للنظم الاصطناعية أن تفي بوعود التفاعل اللغوي الطبيعي مع البيانات. مع التطورات السريعة في الاصطناعي التوليدي خلال العامين الماضيين وجهودنا لتكاملها مع графات المعرفة الشركات، يصبح هذا المستقبل حقيقة اليوم. في data.world، نحن في طليعة هذه التطورات، مما يدفع التحول الذي يسمح للاصطناعي بتوفير قيمة غير مسبوقة من خلال تفاعلات بيانات ذكية ومتواصلة.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة data.world.