كريشنا رانجاساي، المؤسس والرئيس التنفيذي لشركة SiMa.ai – سلسلة المقابلات

كريشنا رانجاساي هو المؤسس والرئيس التنفيذي لشركة SiMa.ai. في السابق، كان كريشنا الرئيس التنفيذي للشركة Groq وشركة Xilinx لمدة 18 عامًا، حيث شغل العديد من المناصب القيادية العليا، بما في ذلك نائب الرئيس التنفيذي ومدير عام الأعمال، والرئيس التنفيذي للمبيعات العالمية. خلال فترة وجوده في شركة Xilinx، نمت الأعمال إلى 2.5 مليار دولار في الإيرادات بنسبة هامش ربح 70٪، مع خلق الأساس لمدة 10 أرباع متتالية من النمو المتسلسل وتوسيع الحصة السوقية. قبل شركة Xilinx، شغل مناصب هندسية وأعمال في شركة Altera Corporation وشركة Cypress Semiconductor. وهو يحمل أكثر من 25 براءة اختراع دولية، وخدم في مجلس إدارة الشركات العامة والخاصة.

ما الذي جذبك في البداية إلى تعلم الآلة؟

لقد كنت طالبًا لسوق الحوافز والغيوم لمدة 20 عامًا. لقد رأيت الكثير من الابتكارات في الغيوم، ولكن القليل جدًا لتمكين تعلم الآلة في الحوافز. إنها سوق ضخمة غير مخدمة تبلغ قيمتها أكثر من 40 مليار دولار، والتي كانت تعتمد على التكنولوجيا القديمة لعدة عقود.

لذلك، انطلقنا في شيء لم يفعله أحد من قبل – تمكين تعلم الآلة دون جهد في الحوافز.

يمكنك مشاركة قصة نشأة شركة SiMa؟

في مسيرتي المهنية التي تبلغ 20 عامًا، لم أكن قد شهدت ابتكارًا في الهندسة المعمارية يحدث في سوق الحوافز. ومع ذلك، زادت الحاجة إلى تعلم الآلة في الحوافز في الغيوم وعناصر إنترنت الأشياء. هذا يثبت أن الشركات تطلب تعلم الآلة في الحوافز، ولكن التكنولوجيا التي تجعل هذا حقيقة واقعة هي قديمة جدًا.

لذلك، قبل أن تبدأ شركة SiMa.ai في تصميمها، كان من المهم فهم أكبر تحديات عملائنا. ومع ذلك، كان من الصعب الحصول على وقت من العملاء لشركة بدء تشغيل لجمع تعليقات مفيدة وواضحة. لحسن الحظ، تمكن الفريق وأنا من الاستفادة من شبكتنا من العلاقات السابقة حيث يمكننا تعزيز رؤية شركة SiMa.ai مع الشركات المستهدفة.

لقد التقينا مع أكثر من 30 عميلًا وسألناهم سؤالين أساسيين: “ما هي أكبر التحديات لتنمية تعلم الآلة في الحوافز؟” و “كيف يمكننا مساعدتك؟” بعد العديد من المناقشات حول كيف يريدون إعادة تشكيل الصناعة وسماع تحدياتهم لتحقيق ذلك، حصلنا على فهم عميق لآلامهم وطورنا أفكارًا حول كيفية حلها. وتشمل هذه:

• الحصول على فوائد تعلم الآلة دون منحنى تعلم حاد.
• الحفاظ على التطبيقات التقليدية جنبًا إلى جنب مع مستقبل تعلم الآلة.
• العمل مع حل ذكي منخفض الطاقة في بيئة سهلة الاستخدام.

سرعان ما أدركنا أننا بحاجة إلى تقديم نهج مخفف للمخاطر لمساعدة عملائنا. كشركة بدء تشغيل، كان علينا تقديم شيء جذاب ومميز عن الجميع. لم يكن هناك شركة أخرى تتعامل مع هذه الحاجة الواضحة، لذلك اخترنا هذا المسار.

حققت شركة SiMa.ai هذا الإنجاز النادر من خلال تصميم منصة نظام تعلم الآلة على شريحة (MLSoC) برمجية خاضعة للسيطرة، مصممة خصيصًا لأغراضها. مع تركيبة من الشريحة والبرمجيات، يمكن إضافة تعلم الآلة إلى تطبيقات الحوافز المدمجة بضغطة زر.

يمكنك مشاركة رؤيتك لتعلم الآلة وكيف سوف يغير كل شيء في الحوافز؟

تتركز معظم شركات تعلم الآلة على أسواق النمو العالي مثل الغيوم والسيارات المستقلة. ومع ذلك، فإن الروبوتات والطائرات بدون طيار والبيع الخالي من الاحتكاك والمدينة الذكية والتحكم الصناعي هم الذين يطلبون أحدث تكنولوجيا تعلم الآلة لتحسين الكفاءة وتقليل التكاليف.

تعد هذه القطاعات النامية مجتمعة مع الإحباطات الحالية لتنفيذ تعلم الآلة في الحوافز هي الفرصة التي نعتقد أنها جيدة. تقترب شركة SiMa.ai من هذا المشكل بطريقة مختلفة تمامًا؛ نريد جعل تبني تعلم الآلة على نطاق واسع حقيقة.

ما الذي منع حتى الآن توسيع نطاق تعلم الآلة في الحوافز؟

يجب أن يدمج تعلم الآلة بسهولة مع الأنظمة التقليدية. استثمرت الشركات الكبيرة والشركات الناشئة على حد سواء بكثرة في منصات التكنولوجيا الحالية، ولكن معظمهم لن يعيد كتابة جميع أكوادهم أو إعادة بناء البنية التحتية الأساسية لدمج تعلم الآلة. لتحديد المخاطر مع الحصول على فوائد تعلم الآلة، هناك حاجة إلى تكنولوجيا تسمح بالتكامل السلس لتعلم الآلة مع الأنظمة التقليدية.

لا توجد محفظة كبيرة، لا يوجد عميل كبير واحد سوف يحرك الإبرة، لذلك لم نكن لدينا خيار سوى دعم أكثر من 1000 عميل لتحقيق نمو تعلم الآلة وتقديم الخبرة لهم. اكتشفنا أن هؤلاء العملاء يرغبون في تعلم الآلة ولكنهم لا يملكون القدرة على الحصول على تجربة التعلم لأنهم يفتقرون إلى القدرة الداخلية على بناءها وهم لا يملكون القاعدة الأساسية للمعرفة. لذلك، يريدون تنفيذ تجربة تعلم الآلة ولكن بدون منحنى تعلم الحوافز، وما وصلنا إليه بسرعة هو أننا يجب أن نجعل تجربة تعلم الآلة سهلة جدًا للعملاء.

كيف يمكن لشركة SiMa أن تقلل استهلاك الطاقة بشكل كبير مقارنة بالمنافسين؟

منصة MLSoC هي المحرك الأساسي الذي يمكّن كل شيء، من المهم التمييز بين أننا لا نبني معزز تعلم الآلة. بالنسبة للمليار دولار الذي استثمر في بدء تشغيل شركات شريحة تعلم الآلة في الحوافز، كان رد فعل الصناعة على الابتكار هو كتلة معززة تعلم الآلة كلب أو شريحة. ما لا يدركه الناس هو أننا بحاجة إلى بيئة MLSoC حتى يتمكن الناس من تشغيل تعلم الآلة التقليدية من اليوم الأول وتشغيل قدرتهم بشكل مخفف للمخاطر.

ما هي بعض الأولويات السوقية الرئيسية لشركة SiMa؟

لقد حددنا عدة أسواق رئيسية، بعضها أسرع في الإيرادات من غيرها. السوق الأسرع في الإيرادات هو رؤية ذكية، روبوتات، صناعة 4.0، وطائرات بدون طيار. الأسواق التي تأخذ وقتًا أطول بسبب المواصفات والمتطلبات هي التطبيقات السيارات والرعاية الصحية. لقد بدأنا العمل في جميع هذه الأسواق مع أفضل الشركات في كل فئة.

ما هي فوائد تحويل استراتيجية النشر هذه؟

تطبيقات الحوافز تحتاج إلى معالجة البيانات محليًا، في العديد من التطبيقات لا يوجد وقت كافٍ لإرسال البيانات إلى الغيوم والعودة. تعلم الآلة هو أساسي في تطبيقات الحوافز لأن القرارات يجب أن تتم بسرعة وفعالية، على سبيل المثال في التطبيقات السيارات والروبوتات حيث يجب معالجة القرارات بسرعة وفعالية.

لماذا يجب على الشركات النظر في حلول شركة SiMa بدلاً من منافسيها؟

نهجنا الفريد البرمجي المدمج مع حل أجهزة كامل. لقد ركزنا على حل كامل يعالج ما نسميه “أي” و “10 أضعاف” و “زر” كجزء من قضايا العملاء. الافتراض الأصلي للشركة هو أنك تضغط على زر وتحصل على تجربة رائعة! يجب أن تكون التجربة مجردة إلى نقطة حيث تريد الحصول على آلاف المطورين لاستخدامها، ولكنك لا تريد أن تجعل جميعهم عباقرة تعلم الآلة، ولا تريد أن تجعل جميعهم يعدلون طبقة تلو الأخرى لتحقيق الأداء المطلوب، تريد أن يبقوا على أعلى مستوى من التجريد وينشئون وينشرون بسرعة تعلم الآلة دون جهد.

قضينا السنة الأولى في زيارة أكثر من 50 عميلًا حول العالم لمعرفة لماذا لا ينفذون تعلم الآلة. ما يمنعهم من تنفيذ تعلم الآلة؟ وما هو مطلوب لتحقيق نمو تعلم الآلة؟ ويأتي ذلك إلى ثلاثة ركائز أساسية، الأولى هي “أي”. كشركة، يجب أن نحل المشاكل مع عرض العملاء ونمذجة الاستخدامات وتفاوت الشبكات، وأجهزة الاستشعار، ومعدل الإطار، والدقة. إنها عالم منفصل جدًا حيث لكل سوق تصميمات أمامية مختلفة تمامًا، وإذا اخترنا فقط شريحة ضيقة من ذلك، لن نتمكن من بناء شركة اقتصاديًا.

الركيزة الثانية هي “10 أضعاف”، وهذا يعني أن هناك مشكلة أخرى لا تسمح للعملاء بإنشاء منصات مشتقة لأن كل شيء يعود إلى الصفر لبناء نموذج أو трубة جديد. التحدي الثاني هو أننا بحاجة إلى تقديم شيء مثير ومثير للاهتمام حتى يتمكن الجميع من أخذ المخاطر حتى لو كنا شركة بدء تشغيل. النقطة الفنية التي نركز على حلها في مشاكل الرؤية هي معيار الإطارات في الثانية لكل واط. يجب أن نكون أفضل من أي شخص آخر بشكل غير منطقي حتى نتمكن من البقاء أمام الجيل أو الجيلين التاليين، لذلك اخترنا هذا الجزء من نهجنا البرمجي.

الركيزة الثالثة هي “زر”، وهي مدفوعة بالحاجة إلى توسيع نطاق تعلم الآلة في الحوافز بشكل معنوي. سلاسل أدوات تعلم الآلة لا تزال في مرحلة بدائية، وغالبًا ما تكون مكسورة، ولا يوجد شركة واحدة بنيت تجربة برمجية رائعة لتعلم الآلة. لقد أدركنا أيضًا أن للمarket الحوافز أهمية في إخفاء تعقيدات الكود المدمج مع تقديم عملية تكرارية سريعة للعملاء لتحديث وتنظيم منصاتهم بسرعة. العملاء بحاجة إلى تجربة زر تعطيهم إجابة أو حل في دقائق بدلاً من أشهر لتحقيق تعلم الآلة دون جهد.

هل هناك شيء آخر تود مشاركته حول شركة SiMa؟

في بداية تطوير منصة MLSoC، كنا ندفع حدود التكنولوجيا والهندسة المعمارية. كنا نذهب جميعًا إلى منصة برمجية خاضعة للسيطرة، وهو نهج جديد تمامًا، وهو ما يتعارض مع جميع الحكمة التقليدية.

فوز كبير مؤخرًا يؤكد قوة وفريدية التكنولوجيا التي بنيناها. حققت شركة SiMa.ai إنجازًا كبيرًا في أبريل 2023 من خلال تفوقها على الشركة الرائدة في اختبار أداء MLPerf Benchmark في فئة Edge Power المغلقة. نحن فخورون أن نكون الشركة الناشئة الأولى للمشاركة وتحقيق نتائج فوز في معيار MLPerf الأكثر شعبية في业.

بدئنا بأمل عالٍ، ولا يزال رؤيتنا دون تغيير حتى اليوم. منصة MLSoC الخاصة بنا تم تصميمها خصيصًا لتحدي معايير الصناعة لتسليم حل تعلم الآلة ثوري إلى سوق الحوافز المدمجة.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في التعلم المزيد يمكنهم زيارة شركة SiMa.ai.