د. مايك فلاكسمان، نائب الرئيس لمنتجات HEAVY.AI – سلسلة مقابلات

د. مايك فلاكسمان هو نائب الرئيس الحالي لمنتجات HEAVY.AI، بعد أن شغل منصب مدير المنتج وقاد ممارسة العلوم المكانية في الخدمات المهنية. وقد قضى العشرين سنة الماضية يعمل في التخطيط البيئي المكاني. قبل انضمامه إلى HEAVY.AI، أسس شركة Geodesign Technologies، Inc وشارك في تأسيس شركة GeoAdaptive LLC، وهي شركتان بدأتا تطبيق تقنيات التحليل المكاني في التخطيط. قبل حياته في مجال الأعمال، كان أستاذا للتخطيط في معهد ماساتشوستس للتكنولوجيا ومدير الصناعة في ESRI.

HEAVY.AI هي منصة معززة بالأجهزة لتحليل البيانات في الوقت الفعلي وتأثيره الكبير. إنها تستخدم معالجة GPU وCPU للاستعلام عن مجموعات بيانات ضخمة بسرعة، مع دعم SQL وبيانات الجغرافيا المكانية. وتشمل المنصة أدوات تحليلات بصرية لdashboards التفاعلية والتصفية المتقاطعة والتصوير البياني القابل للتطوير، مما يسمح بالتحليل الفعال لبيانات كبيرة عبر مختلف الصناعات.

يمكنك أن تخبرنا عن خلفيتك المهنية وما أدى بك إلى الانضمام إلى HEAVY.AI؟

قبل انضمامي إلى HEAVY.AI، قضيت سنوات في الأكاديمية، وأخيراً درّست التحليلات المكانية في معهد ماساتشوستس للتكنولوجيا. كما قمت بتشغيل شركة استشارات صغيرة، مع مجموعة من العملاء في القطاع العام. لقد شاركت في مشاريع نظم المعلومات الجغرافية عبر 17 دولة. وقد أخذتني عملي من مشورة منظمات مثل بنك التنمية للبحر الكاريبي إلى إدارة تقنيات نظم المعلومات الجغرافية للهندسة والمعمارية والبناء في ESRI، أكبر مطور لنظم المعلومات الجغرافية في العالم.

أذكر جيدا أول لقائي مع ما هو الآن HEAVY.AI، عندما كنت كمستشار مسؤولا عن التخطيط السيناريو لبرنامج حماية المواطن في فلوريدا. كان زملائي وأنا نضطر إلى نمذجة موطن السلاحف البحرية باستخدام بيانات Landsat 30m، واشار لي صديق إلى بعض البيانات الجديدة والملائمة جدا – بيانات LiDAR 5cm. كانت هذه هي ما احتاجه علميا، ولكن شيء مثل 3600 مرة أكبر مما كنا قد خططنا لاستخدامه. ومن الطبيعي أن لا أحد سيزيد ميزانيتي حتى بجزء صغير من ذلك المقدار. لذا، في ذلك اليوم، وضعته أدواتي التي كنت أستخدمها وآدابها لعدة عقود، وذهبت أبحث عن شيء جديد. قامت HEAVY.AI بتجزئة تلك البيانات وتصويرها بسهولة وبدون جهد، لذلك كنت معجبا بشكل فوري.

بعد عدة سنوات، ما زلت أعتقد أن ما تفعله HEAVY.AI هو فريد من نوعه، وأن رهانها المبكر على تحليلات GPU هو بالضبط حيث تحتاج الصناعة لا تزال أن تذهب. HEAVY.AI تركز بصرامة على تعميم الوصول إلى البيانات الكبيرة. هذا له جانب حجم البيانات وسرعة المعالجة بالطبع، مما يعطي الجميع جهاز كمبيوتر فائق. ولكن جانباً متزايداً الأهمية مع ظهور نماذج اللغة الكبيرة هو جعل النمذجة المكانية متاحة لعدد أكبر من الناس. في هذه الأيام، بدلاً من قضاء سنوات في تعلم واجهة معقدة ذات آلاف الأدوات، يمكنك ببساطة بدء محادثة مع HEAVY.AI باللغة البشرية التي تختارها. البرنامج لا يولد فقط الأوامر المطلوبة، بل يعرض أيضاً تصورات بصرية.

خلف الكواليس، تقديم سهولة الاستخدام هو بالطبع أمر صعب جدا. حاليا، كنائب لرئيس إدارة المنتج في HEAVY.AI، أنا منخرط بشكل كبير في تحديد الميزات والقدرات التي نقدمها لمنتجاتنا. خلفيتي الواسعة في نظم المعلومات الجغرافية تسمح لي بفهم احتياجات عملائنا حقا وتوجيه خارطة طريق تطويرنا وفقا لذلك.

كيف أثرت خبرتك السابقة في التخطيط البيئي المكاني والشركات الناشئة على عملك في HEAVY.AI؟

التخطيط البيئي هو مجال تحدي خاص، حيث تحتاج إلى مراعاة احتياجات بشرية مختلفة وعالم طبيعي. الحل العام الذي تعلمته مبكرا هو زوج من طريقة التخطيط التشاركي، مع تقنيات الاستشعار عن بعد ونظم المعلومات الجغرافية. قبل أن نستقر على خطة عمل، كنا ننشئ سيناريوهات متعددة ونحاكي تأثيراتها الإيجابية والسلبية على الكمبيوتر باستخدام التصورات. استخدام عمليات التخطيط التشاركي سمح لنا بدمج أشكال مختلفة من الخبرة وحل مشاكل معقدة جدا.

في حين أننا لا نعمل عادة على التخطيط البيئي في HEAVY.AI، فإن هذا النمط يعمل جيدا جدا في بيئات الأعمال. لذا، نساعد عملائنا على بناء توائم رقمية لأجزاء رئيسية من أعمالهم، ونسمح لهم بإنشاء سيناريوهات أعمال بسرعة.

أعتقد أن خبرتي في التدريس قد أعطاني تعاطفا عميقا مع مستخدمي البرامج، خاصة البرامج المعقدة. حيث يتعثر طالب واحد في مكان ما هو عشوائي، ولكن حيث يرتكب مئات أو آلاف من الناس نفس الأخطاء، تعرف أنك لديك مشكلة في التصميم. ربما أن جزءي المفضل من تصميم البرمجيات هو أخذ هذه التعلمات وتطبيقها في تصميم أجيال جديدة من الأنظمة.

يمكنك أن تخبرنا عن كيفية عمل HeavyIQ في استخدام معالجة اللغة الطبيعية لتسهيل استكشاف البيانات وتصورها؟

في هذه الأيام، يبدو أن الجميع واخواتهم يطرحون نموذجا جديدا من الجيل الثالث من الذكاء الاصطناعي، معظمهم نسخ مكررة من بعضها البعض. لقد سلكنا طريقا مختلفا جدا. نحن نعتقد أن الدقة وال قابليتها للتكرار والخصوصية هي سمات أساسية لأدوات تحليل الأعمال، بما في ذلك تلك التي تم إنشاؤها باستخدام نماذج اللغة الكبيرة. لذلك، بنينا هذه الخصائص في عروضنا الأساسية. على سبيل المثال، نحن نحدد مدخلات النموذج بشكل صارم إلى قواعد بيانات الشركات وتقديم الوثائق داخل حاجز أمان الشركات. نحن نحدد أيضاً مخرجات إلى أحدث HeavySQL ورسوماته. هذا يعني أن سؤالاً ما تطرحه، سنحاول الإجابة عليه باستخدام بياناتك، وسنريك كيف تم اشتقاق ذلك الجواب.

مع وجود هذه الضمانات في مكانها، فإنها لا تهم كثيرا لعملائنا بالضبط كيف نمتلك معالجة الاستفسارات. ولكن خلف الكواليس، هناك فرق آخر مهم مقارنة بالنموذج الاستهلاكي للذكاء الاصطناعي، وهو أننا ننفذ نموذج دقيق بشكل كبير ضد أنواع الأسئلة التي يطرحها مستخدمو الأعمال على بيانات الأعمال، بما في ذلك البيانات المكانية. على سبيل المثال، نموذجنا ممتاز في أداء الانضمام المكاني والزمني، والتي ليست في المعايير الكلاسيكية للغة SQL ولكن مستخدمينا يستخدمونها يوميا.

نحن نقدم هذه القدرات الأساسية في واجهة دفتر ملاحظات نسميها HeavyIQ. IQ هو عن جعل استكشاف البيانات وتصورها أمرا سهلا كما يمكن. تسأل سؤالا باللغة الإنجليزية – مثل “ما كانت أنماط الطقس في كاليفورنيا الأسبوع الماضي؟” – و HeavyIQ يترجم ذلك إلى استفسارات SQL التي معالج بيانات GPU الخاص بنا يعالجها بسرعة. النتائج يتم تقديمها ليس فقط كبيانات ولكن كتصورات – خرائط، رسومات، ما هو الأكثر صلة. إنه عن تمكين الاستفسار التفاعلي السريع، خاصة عند التعامل مع مجموعات بيانات كبيرة أو سريعة الحركة. ما هو مهم هنا هو أنه ليس السؤال الأول الذي تسأله، ولكن ربما السؤال الثالث، هو الذي يصل إلى الفكرة الأساسية، و HeavyIQ مصمم لتسهيل هذا الاستكشاف الأعمق.

ما هي الفوائد الرئيسية لاستخدام HeavyIQ على أدوات BI التقليدية للشركات الاتصالات والخدمات العامة والوكالات الحكومية؟

HeavyIQ يتفوق في البيئات التي تتعامل مع بيانات كبيرة السرعة – بالضبط نوع البيانات التي تتعامل معها شركات الاتصالات والخدمات العامة والوكالات الحكومية. أدوات BUSINESS INTELLIGENCE التقليدية غالبا ما تتعثر مع حجم وسرعة هذه البيانات. على سبيل المثال، في الاتصالات، قد يكون لديك مليارات السجلات الهاتفية، ولكنها فقط الجزء الصغير من المكالمات المقطوعة التي تحتاج إلى التركيز عليها. HeavyIQ يسمح لك بالبحث في هذه البيانات 10 إلى 100 مرة أسرع بفضل بنية GPU الخاصة بنا. هذه السرعة، مع القدرة على الاستفسار التفاعلي وتصور البيانات، تجعلها لا تقدر بثمن للتحليلات المخاطرية في الخدمات العامة أو التخطيط السيناريو في الوقت الفعلي للوكالات الحكومية.

الميزة الأخرى المذكورة أعلاه هي أن استفسارات SQL المكانية والزمنية تحليليا قوية جدا – ولكن يمكن أن تكون بطيئة أو صعبة في الكتابة باليد. عندما يعمل النظام عند “سرعة الفضول”، يمكن للمستخدمين أن يطرحوا أكثر الأسئلة وأكثرها دقة. على سبيل المثال، قد يلاحظ مهندس شركة اتصالات زيادة زمنية في فشل المعدات من نظام مراقبة، ويتوصل إلى انطباع أن هناك شيء خاطئ في منشأة معينة، ويتحقق من ذلك باستفسار مكاني يعود بالخريطة.

ما هي التدابير المتبعة لمنع تسرب الميتاداتا عند استخدام HeavyIQ؟

كما هو موضح أعلاه، بنينا HeavyIQ مع الخصوصية والأمان في جوهره. هذا يشمل ليس فقط البيانات ولكن أيضاً أنواع متعددة من الميتاداتا. نستخدم ميتاداتا على مستوى العمود والجدول على نطاق واسع في تحديد الجداول والاعمدة التي تحتوي على المعلومات المطلوبة للإجابة على الاستفسار. نستخدم أيضاً وثائق الشركة الداخلية حيثما تم توفيرها لمساعدة ما يسمى بالتوليد المعزز بالاسترجاع (RAG). وأخيراً، نموذج اللغة نفسه يولد ميتاداتا إضافية. جميع هذه، ولكن خاصة الأخيرة، يمكن أن تكون حساسة جداً للأعمال.

على عكس النماذج الثالثة حيث يتم إرسال بياناتك عادة إلى خادم خارجي، يعمل HeavyIQ محلياً على نفس بنية GPU مثل باقي منصتنا. هذا يضمن أن بياناتك وميتاداتاكم تبقى تحت سيطرتك، بدون خطر تسرب.对于 المنظمات التي تتطلب أعلى مستويات الأمان، يمكن تثبيت HeavyIQ حتى في بيئة معزولة تماما، مما يضمن أن المعلومات الحساسة لا تترك أبدا المعدات المحددة.

كيف تحقق HEAVY.AI أداء عالياً ومتساماً مع مجموعات بيانات ضخمة باستخدام بنية GPU؟

السر هو اساسا في تجنب تحرك البيانات السائد في الأنظمة الأخرى. في جوهره، يبدأ هذا مع قاعدة بيانات مصممة من البداية لتشغيلها على وحدات معالجة الرسومات من شركة NVIDIA. لقد عملنا على هذا لمدة 10 سنوات الآن، ونعتقد حقا أننا لدينا الحل الأفضل في فئته عندما يتعلق الأمر بتحليلات معززة بالGPU.

حتى أفضل الأنظمة المعتمدة على المعالجات المركزية تفرغ من البخار قبل أن تصل إلى منتصف الطريق، بينما المعالج الغرافيكي يتفوق. الاستراتيجية عندما يحدث هذا على المعالج المركزي تتطلب توزيع البيانات عبر نوى متعددة ثم أنظمة متعددة (ما يسمى “التمكين الأفقي”). هذا يعمل جيدا في بعض السياقات حيث الأمور أقل حرجا، ولكن بشكل عام يبدأ في الحصول على زجاجة عنق على أداء الشبكة.

إضافة إلى تجنب كل هذا التحريك للبيانات في الاستفسارات، نحن نتجنب ذلك أيضا في العديد من المهام الشائعة الأخرى. الأول هو أننا يمكن أن نرسم الرسومات بدون تحريك البيانات. ثم إذا كنت تريد نمذجة الاستدلال بالتعلم الآلي، نفعل ذلك بدون تحريك البيانات. وإذا كنت تطرح البيانات بسؤال باستخدام نموذج اللغة الكبيرة، نفعل ذلك أيضا بدون تحريك البيانات. حتى إذا كنت عالم بيانات وتريد استجواب البيانات من Python، نقدم أساليب للقيام بذلك على GPU بدون تحريك البيانات.

ما يعنيه ذلك في الممارسة هو أننا يمكن أن نؤدي ليس فقط الاستفسارات ولكن أيضا التصوير 10 إلى 100 مرة أسرع من قواعد البيانات التقليدية المعتمدة على المعالجات المركزية والخادمات الخرائط. عندما تتعامل مع مجموعات بيانات ضخمة وسريعة الحركة التي يعمل معها عملاؤنا – مثل نماذج الطقس وسجلات المكالمات الهاتفية أو الصور الفضائية – فإن هذا النوع من تعزيز الأداء هو أمر ضروري تماما.

كيف تحتفظ HEAVY.AI بميزتها التنافسية في مشهد تحليلات البيانات الكبيرة والذكاء الاصطناعي السريع التطور؟

这是 سؤال رائع، وهو شيء نفكره فيه باستمرار. مشهد تحليلات البيانات الكبيرة والذكاء الاصطناعي يتطور بسرعة كبيرة، مع حدوث اختراقات وابتكارات جديدة دائما. من دون شك، لا يضرنا أن لدينا بداية مبكرة بتقنية قاعدة البيانات GPU لمدة 10 سنوات.

أعتقد أن المفتاح لنا هو البقاء مركزين على مهمتنا الأساسية – تعميم الوصول إلى البيانات الكبيرة الجغرافية المكانية. هذا يعني دفع حدود ما هو ممكن مع تحليلات معززة بالGPU، وضمان أن منتجاتنا تقدم أداء وقدرات غير مسبوقة في هذا المجال. جزء كبير من ذلك هو استثمارنا المستمر في تطوير نماذج لغة مخصصة ومدربة جيدا، والتي تفهم حقا دقائق SQL المكانية وتحليل الجغرافيا المكانية.

لقد بنينا مكتبة شاملة من بيانات التدريب، تتجاوز البenchmarks العامة، لضمان أن أدوات التحليلات التفاعلية يمكنها التفاعل مع المستخدمين بطريقة طبيعية وسهلة. ولكننا نعلم أيضا أن التكنولوجيا وحدها ليست كافية. يجب أن نبقى على اتصال وثيق مع عملائنا واحتياجاتهم المتطورة. في النهاية، ميزتنا التنافسية تأتي من التركيز الشديد على تقديم قيمة تحويلية لمستخدمينا. نحن لا نتبع السوق فقط – نحن ندفع حدود ما هو ممكن مع البيانات الكبيرة والذكاء الاصطناعي. وسنواصل القيام بذلك، مهما تطور السوق بسرعة.

كيف تدعم HEAVY.AI جهود الاستجابة للطوارئ من خلال HeavyEco؟

بنينا HeavyEco عندما رأينا بعض أكبر عملائنا يواجهون تحديات كبيرة في مجرد استهلاك مخرجات نماذج الطقس الحالية، وكذلك تصورها لمقارنات مشتركة. كان يأخذ أحد العملاء ما يصل إلى أربع ساعات لتحميل البيانات، وعندما تكون في مواجهة ظروف طقس متحركة سريعة مثل الحرائق… هذا ليس جيدا.

HeavyEco مصمم لتقديم رؤى في الوقت الفعلي في مواقف ذات عواقب عالية، مثل حريق أو فيضان. في مثل هذه الحالات، تحتاج إلى اتخاذ قرارات بسرعة وبدقة. لذلك، HeavyEco يخدم في المقام الأول كخط أنابيب بيانات محترف لنموذج السلطات مثل NOAA وUSGS. على هذه النماذج، يسمح HeavyEco لك بتشغيل السيناريوهات ونمذجة تأثيرات المباني والتصوير البياني في الوقت الفعلي. هذا يمنح المستجيبين الأوائل المعلومات الحاسمة التي يحتاجونها عندما يهم الأمر.

في النهاية، هدفنا هو منح مستخدمينا القدرة على استكشاف بياناتهم بسرعة الفكر. سواء كانوا يديرون نماذج مكانية معقدة أو يقارنون توقعات الطقس أو يحاولون تحديد الأنماط في السلاسل الزمنية الجغرافية المكانية، نريد أن يكونوا قادرين على القيام بذلك بسهولة، دون أي حواجز تقنية تمنعهم.

ما يميز نموذج HEAVY.AI المملوك لشركة LLM عن نماذج LLM الثالثة فيما يتعلق بالدقة والأداء؟

نموذج LLM المملوك لشركة HEAVY.AI مخصص لتحليلاتنا التي نركز عليها – مثل text-to-SQL وtext-to-visualization. لقد حاولنا في البداية نماذج تقليدية ثالثة، ولكن وجدنا أنها لا تفي بالدقة العالية المطلوبة من مستخدمينا، الذين غالبا ما يتخذون قرارات حرجة. لذلك، قمنا بتعديل نماذج مفتوحة المصدر واختبارها ضد معايير الصناعة.

نموذج LLM الخاص بنا أكثر دقة لConcepts SQL المتقدمة التي يحتاجها مستخدمونا، خاصة في البيانات المكانية والزمنية. بالإضافة إلى ذلك، نظراً لأنها تعمل على بنية GPU الخاصة بنا، فهي أكثر أمانا.

بالإضافة إلى قدرات النموذج المدمجة، نقدم أيضا واجهة مستخدم تفاعلية كاملة للمسؤولين والمستخدمين لإضافة ميتاداتا ذات صلة بالصناعة أو الأعمال. على سبيل المثال، إذا لم يؤد نموذج القاعدة كما هو متوقع، يمكنك استيراد أو تعديل ميتاداتا على مستوى العمود أو إضافة معلومات توجيهية و الحصول على ملاحظات فورية.

كيف تتخيل HEAVY.AI دور تحليلات البيانات المكانية والزمنية في تشكيل مستقبل مختلف القطاعات؟

نعتقد أن تحليلات البيانات المكانية والزمنية ستكون حاسمة لمستقبل العديد من الصناعات. ما نحن حقا مركزون عليه هو مساعدة عملائنا على اتخاذ قرارات أفضل، أسرع. سواء كنت في شركة اتصالات أو خدمات عامة أو حكومة، أو غيرها – فإن القدرة على تحليل وتصور البيانات في الوقت الفعلي يمكن أن تكون مغيراً للعبة.

مهمتنا هي جعل هذا النوع من التحليلات القوية متاحا للجميع، وليس فقط لأكبر اللاعبين بموارد ضخمة. نريد أن نضمن أن عملائنا يمكنهم الاستفادة من البيانات التي لديهم، للبقاء في المقدمة ومواجهة المشاكل كما تظهر. مع نمو البيانات وزيادة تعقيداتها، نرى دورنا في ضمان أن أدواتنا تتطور جنباً إلى جنب معها، بحيث يكون عملاؤنا دائماً مستعدين لما يأتي بعد ذلك.

شكراً على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة HEAVY.AI.