إدوارد كوي، المؤسس والرئيس التنفيذي لشركة Graviti – سلسلة المقابلات

إدوارد كوي هو المؤسس والرئيس التنفيذي لشركة Graviti، وهي شركة تبني منصة البيانات الجيل التالي التي ستغير بشكل جذري كيفية تفاعل المطورين مع البيانات غير المهيكلة. مع Graviti، يمكن لمطوري الذكاء الاصطناعي الحصول على البيانات وتخزينها ومعالجتها بسرعة وسهولة أكبر – الأساس الذي يحتاجه للاستفادة من الذكاء الاصطناعي لتمكين جميع الصناعات.

بدأت دراستك الجامعية كمهندس ميكانيكي، ما الذي تسبب في التحول إلى علوم الحاسوب والذكاء الاصطناعي؟

درست الهندسة الميكانيكية في الجامعة في عام 2012. درست دورة في التعلم الآلي في جامعة بنسيلفانيا، والتي كانت مذهلة، و knew أنها المستقبل وما أردت القيام به في مسيرتي المهنية. بعد تلك الدورة، انتقلت إلى علوم الحاسوب.

بعد التخرج، قمت بأبحاث حول التعلم التعزيزي في جامعة بنسيلفانيا. في عام 2015، انضم رئيسي السابق، جيف سنايدر، إلى شركة Uber و邀اني للانضمام إلى Uber ATG. تلك هي بداية مسيرتي المهنية في صناعة السيارات ذاتية القيادة.

يمكنك أن تشاركنا بقصة ولادة Graviti؟

العمل في Uber كان معقدًا في البداية لأن الناس لم يستخدموا نماذج التعلم الآلي الكبيرة ولم يكن لدينا قوة حسابية ومنصة إدارة بيانات لتدريب النماذج. البيانات التي جمعناها لسيارات ذاتية القيادة كانت جميعها غير مهيكلة. على سبيل المثال، كانت صورًا، مقاطع فيديو، نقاط LIDAR. كل ذلك النوع من البيانات من حساسات العالم الحقيقي وجمعناها بكميات كبيرة كل يوم. قمنا بإحصاء أظهر لنا أن كمية البيانات التي جمعناها في قسم السيارات ذاتية القيادة في أسبوع تساوي كمية البيانات التي نجمعها لجميع أعمال المطاعم في العالم في عام كامل. كميات كبيرة من البيانات غير المهيكلة تتراكم كل يوم، مما خلق مشاكل كبيرة في كيفية تخزين تلك البيانات، وإدارتها، واستخدامها لتحقيق قيم مختلفة للمنظمات.

بعد ثلاث سنوات من العمل في Uber، رأيت الفرصة لتحسين كيفية إدارة البيانات غير المهيكلة على نطاق واسع. لذلك، أسست Graviti في عام 2019 لتسريع الابتكارات في الذكاء الاصطناعي من خلال بناء منصة إدارة البيانات غير المهيكلة.

يمكنك أن تناقش كيفية عمل Graviti كمنصة لإدارة وتحويل البيانات على نطاق واسع؟

تهدف Graviti إلى إطلاق أول منصة بيانات تمكن المنظمات من العمل مع كميات كبيرة من البيانات غير المهيكلة لتمكين التطبيقات الابتكارية للذكاء الاصطناعي. هذه المنصة تلغي المتاعب وتساعد المطورين على إدارة كميات كبيرة من البيانات غير المهيكلة مع الفريق.

في حين أن معظم المعلومات المتاحة في تطوير الذكاء الاصطناعي هي منخفضة الجودة وغير مهيكلة، تقضي فرق التطوير أكثر من 50% من وقتها – ليس على بناء النماذج – ولكن على تحديد، تعزيز، أو تنظيف البيانات غير المهيكلة، وهذا只是 بداية عملها. تقدم Graviti طريقة إدارة بيانات أكثر خبرة لتحرير المطورين وتمنحهم المزيد من الوقت لتحليل البيانات غير المهيكلة وتدريب نماذج الذكاء الاصطناعي.

نساعد المطورين في ثلاثة أبعاد: اكتشاف البيانات، تكرار البيانات، وتحسين العمل.

اكتشاف البيانات:

تقدم Graviti ميزة استضافة البيانات التي تجعل تنظيم البيانات الخام والتعليقات والبيانات الوصفية أكثر سهولة من خلال توحيد تنسيق البيانات والتعليقات. عندما يصل المطورون إلى مجموعات بيانات مختلفة من خلال Graviti، لا يحتاجون إلى تحويل تنسيق البيانات مما يبسط إدارة البيانات، والاستفسار، والوصول، والعمليات الأخرى المتعلقة بالتعليقات. تساعد Graviti على تقليل فرصة حدوث بيانات خام غير متوافقة أو فقدان التعليقات. بالإضافة إلى ذلك، يمكن لمنصة Graviti أن تساعد المطورين على تقييم جودة مجموعات البيانات باستخدام ميزة التصور البياني، مما يوفر時間 لهم بمقدار ثماني ساعات في الأسبوع.

تكرار البيانات:

عندما يطور المطورون نماذج الذكاء الاصطناعي، يحتاجون إلى اختبار مجموعات البيانات المختلفة لمراقبة النتائج وتدوين التعليقات. التحدي هو تتبع التعديلات المختلفة وأصدارات التعليقات مع أعضاء الفريق الذين يعملون على نفس المشروع. تقدم Graviti الحل من خلال تمكين تخصيص مستويات مختلفة من حقوق الوصول للموظفين لتمكينهم من تحميل تعليقاتهم لتتبع تقدم المشروع والعمل بشكل متزامن.

تحسين العمل:

باستخدام ميزة تسمى “إجراء”، يمكن للمهندسين تلقين سير العمل وتقليل المهام المتكررة والمستهلكة للوقت واليدوية. هذا يحرر المطورين من كتابة سكريبتات يدوية كبيرة لتحقيق هذه سير العمل، ويفسح لهم الوقت للقيام بالعمل الذي يحتاجون إليه.

لماذا البيانات غير المهيكلة هي مستقبل الذكاء الاصطناعي؟

أكثر من 80% من بيانات الشركات هي غير مهيكلة الآن، بما في ذلك الصور، التسجيلات، مقاطع الفيديو، منشورات وسائل التواصل الاجتماعي، إلخ. الذكاء الاصطناعي هو المفتاح لتسليم القيم من البيانات غير المهيكلة. الشركات تبدأ في الاستفادة من البيانات غير المهيكلة لدعم البحث العميق والتحليلات الإضافية.

أطلقت Graviti مؤخرًا OpenBytes، وهو مشروع بيانات مفتوح غير ربحي يُستضاف تحت مؤسسة لينكس. يمكنك أن تناقش ما هو OpenBytes تحديدًا؟

مهمة OpenBytes هي تسهيل مشاركة البيانات على نطاق أوسع في مجتمع الذكاء الاصطناعي من خلال إنشاء معايير البيانات، والتنسيقات، والعمليات التي تمكن من المساهمة في البيانات. نطاق OpenBytes يشمل تحرير مجموعات البيانات المفتوحة، ومواصفات البيانات المفتوحة، والتنمية التعاونية تحت رخص مفتوحة تدعم المهمة، بما في ذلك الوثائق، والاختبار، والدمج، وإنشاء الملفات الأخرى التي تساعد في تطوير، ونشر، وتشغيل، أو تبني مشروع مفتوح المصدر.

OpenBytes يمكن أن تقلل من مخاطر المسؤولية للمساهمين في البيانات. حاملي مجموعات البيانات مترددين في مشاركة مجموعاتهم البيانية علنًا بسبب نقص المعرفة بتراخيص البيانات. بمجرد انضمام مساهمي البيانات إلى OpenBytes، ستكون بياناتهم محمية، وستكون المزيد من البيانات المفتوحة متاحة.

نحن أيضًا نولد تنسيقًا قياسيًا لمجموعات البيانات عند نشرها، ومشاركتها، وتبادلها. سيساعد تنسيق موحد مساهمي البيانات على فهم مجموعات البيانات وfinding البيانات ذات الصلة التي يحتاجونها، مما يؤدي إلى المزيد من مجموعات البيانات المفتوحة عالية الجودة.

ما هي بعض الفوائد من مجموعات البيانات المفتوحة؟

تفيدهم الباحثون لأن العلماء لديهم المزيد من الموارد المجانية لاستخدامها لتدريب النماذج واكمال البحث.

تفيدهم الشركات، التي تستخدم مجموعات البيانات لبدء بناء قدرات الذكاء الاصطناعي وتعزيز الانتقال من الشركات التقليدية إلى شركات الذكاء الاصطناعي.

كيف تؤكد Graviti جودة مجموعات البيانات؟

حتى مجموعات البيانات الشهيرة مثل COCO و KITTI ليست مثالية للمطورين. تحدث الأخطاء دائمًا عندما يطور المطورون نماذج و لم يجد أحد طريقة رائعة لتحسين جودة مجموعات البيانات. تعتقد Graviti أن نموذجًا لتقييم مجموعة البيانات سيتطور أو ستحدث ثورة تقنية أخرى تساعد المجتمع على حل هذه المشكلة، وهذا جزء من مهمة Graviti لتحقيقه في المستقبل.

ما هو رؤيتك لمستقبل كيفية وصول المطورين إلى البيانات في المستقبل؟

对于 كمية صغيرة من البيانات، يجب أن يكون المطورون قادرين على الوصول إلى تلك البيانات بسهولة.对于 كميات أكبر من البيانات، مثل مجموعات البيانات المتنوعة لتدريب النماذج، سيساعد تقنية التعلم الفيدرالي في العمل بالطرق التعاونية من خلال فصل القدرة على أداء التعلم الآلي عن تخزين البيانات في خادم مركزي.

هل هناك أي شيء آخر تريد أن تشاركه حول Graviti؟

Graviti تتطور أيضًا. نحن نستمع إلى تعليقات العملاء، بما في ذلك الشركات الناشئة، والشركات، والمطورين الفردية، والباحثين. نحن نرحب أيضًا بفرص التعاون أو الشراكة من الجميع.

نرى فرصًا كبيرة في تطوير الذكاء الاصطناعي من البيانات المفتوحة في المستقبل القريب. نبني مجتمعًا لمشاركة ومساهمة البيانات المفتوحة. هذا سوف يفيد ليس فقط الباحثين لدفع حدود العلوم إلى الأمام، ولكن أيضًا الشركات لتحسين نماذجها وتطوير التكنولوجيا في بيئة مفيدة بشكل متبادل.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Graviti.