مقابلات
نير بار ليف، الرئيس التنفيذي ومؤسس Allegro AI – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
نير بار ليف هو الرئيس التنفيذي ومؤسس Allegro AI. Allegro AI متخصص في مساعدة الشركات على تطوير وتنفيذ وإدارة حلول الآلة والتعلم العميق. مع Allegro AI، تقدم المنظمات إلى السوق وتدير منتجات ذات جودة أعلى، بأسرع وأكثر كفاءة في التكلفة. تعتمد المنتجات على Allegro Trains مفتوح المصدر لادارة التجارب والتعلم الآلي والتعلم العميق.
ما الذي جذبك في البداية إلى مجال الذكاء الاصطناعي؟
ما تم جذبي بشكل رئيسي في مسيرتي المهنية هو تقديم التكنولوجيا المتقدمة لتحديد المشاكل أو الفرص (والتي هي في الواقع وجهان لنفس العملة) على نطاق واسع. يجب أن أعترف بأن فترتي في جوجل ساهمت بشكل كبير في تشكيل هذا الميل.
(GOOGL )الذكاء الاصطناعي ي满ي هذه الشروط. إنه في طليعة أحدث التكنولوجيا اليوم وله القدرة على التأثير على几乎 كل جانب من جوانب حياتنا على هذا الكوكب.
لقد كان لديك مسيرة مهنية متميزة، بداية من جوجل كمؤسس لقيادة المنتج لمنصة التعرف على الصوت في جوجل. هل يمكنك مناقشة هذه الأيام الأولى من العمل في جوجل وما تعلمته من هذه التجربة؟
خروجًا مباشرًا من المدرسة التجارية من كلية وارتون للأعمال، كنت مصدومًا بكيفية عمل جوجل على خلاف القواعد التجارية التقليدية حول كيفية تشغيل أعمال ناجحة، كما تعلمت في أفضل المدارس التجارية في العالم وكم تجربتي في مسيرتي المهنية قبل المدرسة التجارية. أتذكر جيدًا مناقشة هذا مع بعض زملائي الذين انضموا إلى جوجل في نفس الوقت خروجًا مباشرًا من برنامج الماجستير في الإدارة.
يبدو أن جوجل غيرت – إلى حد ما – كتاب الأعمال، ولكنها استفادت أيضًا من تدفق هائل من المال من أعمال الإعلانات التي سمحت لها بالتجربة بطرق لا تستطيع معظم الشركات تحمل تكاليفها. يمكنني أن أشهد على أنني خلال فترة وجودي في جوجل لمدة عقد، اعتمدت بشكل متزايد ممارسات الأعمال التقليدية والمقبولة مع نموها.
لي، كقائد لمنصة التعرف على الصوت كرئيس للمنتج، كان عليّ العمل مع علماء الأبحاث. كان هذا في الواقع أحد أولى فرق البحث في جوجل التي كانت حقًا حول البحث التطبيقي. بالنسبة لي، كان هذا تحديًا كبيرًا. لدى الباحثين عقلية مختلفة عن المهندسين، وهنا كنت أحاول العمل مع باحثين متميزين في شركة تتمحور حول الهندسة بشكل كبير.
يبدو أن التحديات التي واجهتها في ذلك الوقت، قبل حوالي 15 عامًا، مشابهة جدًا للمشاكل التي تواجهها الشركات اليوم عند محاولة دمج علماء البيانات في organisationsهم.
في عام 2016، انتقلت إلى تأسيس Allegro AI مع شركاء آخرين. ما كانت الإلهام وراء تأسيس Allegro AI؟
عند تأسيس Allegro AI، انضممت إلى شركاء رائعين يتمتعون بموهبة هندسية استثنائية. كان أحد شركائي أول طالب دكتوراه في واحدة من أولى وأهم مختبرات الذكاء الاصطناعي في إسرائيل، والتي تعد واحدة من أهم مراكز الذكاء الاصطناعي على مستوى العالم. لقد كان جزءًا من فرق التأسيس للتطبيقات العملية للذكاء الاصطناعي في المجتمع المحلي. كان لديه رؤية واضحة حول كيفية تطبيق التعلم الآلي والتعلم العميق في الممارسة العملية، وتمحورت حول تحديات جديدة حول القياس والآلية والموثوقية والجودة والمزيد.
من خلال مناقشتها معهم، أصبح واضحًا لي أنني يمكن أن أساهم في الفريق من خلال خبرتي في جوجل وأوائل مسيرتي لإنشاء شركة يمكن أن يكون لها تأثير كبير على مجال الذكاء الاصطناعي من خلال الأدوات التي نقدمها. جوجل وبعض العمالقة التكنولوجية الأخرى تتمتع بمكانة مرموقة من حيث قدرتهم على الحصول على موارد لا نهاية لها من الأفضلاء في هذه التحديات. لكن معظم الشركات الأخرى لا تستطيع تحمل ذلك (سواء من حيث الوصول إلى المواهب أو الموارد المالية أو تركيز الشركة وما إلى ذلك). لذلك، كانت هذه فرصة لتطابق تمامًا مع ما أحب القيام به أكثر (انظر سؤال 1) ومساعدة النظام البيئي بأكمله.
Allegro AI تعمل كمنصة مفتوحة المصدر لادارة التعلم الآلي والتعلم العميق. هل يمكنك مناقشة فوائد استخدام البرمجيات مفتوحة المصدر؟
البرمجيات مفتوحة المصدر لها عدة فوائد. أهمها هي أنها تستفيد من المجتمع الأوسع لتحسين المنتج نفسه. المستخدمون يجدون الأخطاء والقضايا، وهناك مناقشة واسعة حول الميزات التي تهم؛ كما يسهل دمجها مع أدوات أخرى مفتوحة المصدر أكثر من دمجها مع أدوات تجارية مغلقة. كما أنها توفر نموذجًا رائعًا للفوز-الفوز لكل من المجتمع والشركة التي تقف وراءها.
توفر أيضًا فرصة رائعة للتجربة والاختبار والتوسع للشركات التي لا تدفع أو لن تدفع، وفي الوقت نفسه تمكن العملاء الأكبر من دفع ثمن الميزات والخدمات الموسعة على أساس برنامج شائع الاستخدام (ولذلك أقل مخاطر).
Allegro AI تقدم خدمات إدارة البيانات. هل يمكنك مناقشة أنواع الأدوات التي تقدمها لذلك؟
Allegro Ai تقدم إدارة البيانات المنظمة وغير المنظمة. ومع ذلك، بينما هناك العديد من حلول إدارة البيانات المنظمة المثبتة، نقدم حلًا فريدًا لإدارة البيانات غير المنظمة.
من المهم تحديد نوع إدارة البيانات التي نقدمها. الفكرة ليست في الإدارة المادية للبيانات ولكن في إدارة البيانات من زاوية الذكاء الاصطناعي. بالنسبة لفرق العلوم البيانات، من الحاسم فهم البيانات المتاحة لهم. مع البيانات غير المنظمة، هذا صعب للغاية. تخيل آلاف الساعات أو مئات الآلاف من الساعات من الفيديو أو الصوت. تخيل مليارات الإشارات الحسية وما إلى ذلك.
يحتاج علماء البيانات إلى معرفة تباين بياناتهم لتحديد المواقف المختلفة بحيث يمكنهم تدريب نماذجهم بشكل فعال. يحتاجون إلى معرفة ما إذا كانت هناك قطع حاسمة من البيانات مفقودة؛ إذا كانت هناك تحيزات أو انحرافات في البيانات.
ومن ثم – على الجانب الآخر – يحتاجون إلى أدوات لمواجهة هذه المواقف بطريقة فعالة من حيث التكلفة وبسرعة دون الحاجة إلى الخروج للبحث عن بيانات فيزيائية جديدة وتعليمها (وهو مشروع مكلف للغاية ومستهلك للوقت).
هذا هو جوهر الأدوات التي نقدمها في هذا المجال: أدوات قوية لتنفيذ الذكاء التجاري على بياناتك على مستوى دقيق ومتفاصيل غير مسبوق، وعلى الجانب الآخر، أدوات لتكامل البيانات بشكل وثيق في التجارب والنماذج بحيث يمكن للعلماء تعيين عمليات تدريب فعالة مع البيانات المتاحة بدون كتابة أي رمز.
بالإضافة إلى ذلك، نقدم قيمة إضافية في تحسين تدفق البيانات وتنقلها وما إلى ذلك. منذ أن نتحدث عن معالجة تيرابايت من البيانات، فإن نقلها حولها مكلف، والشركات تحتاج إلى حل لتحسين ذلك أيضًا.
Allegro AI تقدم أيضًا خدمات هندسة البيانات الخارجية. ما هي بعض العروض المتاحة؟
Allegro Ai هي في الأساس شركة منتجات، ونرى أنفسنا كموفري للأدوات والبنية التحتية للشركات لتطوير وتنفيذ وإدارة منتجات تحتوي على نماذج الذكاء الاصطناعي (التعلم العميق والتعلم الآلي) فيها.
قال ذلك، هذا مجال جديد، وأحيانًا يحتاج عملاؤنا إلى مساعدة في إعداد خطوط أنابيب محددة بناءً على أدواتنا، أو حتى مساعدة في بدء تشغيل نماذجهم أنفسهم. عندما تحدث هذه الحالات، نقدم خدمات إضافية لتقديم البرمجيات الأساسية.
هل يمكنك مناقشة أهمية التعلم الفيدرالي وكيف يمكن استخدام Allegro AI في هذا السياق؟
التعلم الفيدرالي هو ببساطة القدرة على تدريب نموذج الذكاء الاصطناعي باستخدام مجموعات بيانات موجودة في مواقع فيزيائية مختلفة دون إحضار هذه المجموعات إلى موقع واحد. كما نقدم نسخة محسنة من ذلك، والتي نسميها “التعلم الفيدرالي الأعمى” أو “التعلم التعاوني الأعمى” حيث لا تملك أي كيان في هذا السيناريو وصولًا إلى بيانات لا تنتمي إليه، بما في ذلك الكيان الذي يحصل في النهاية على النموذج.
التعلم الفيدرالي مهم في مواقف مختلفة حيث يكون الحفاظ على خصوصية البيانات أو التنظيمية أو سرية الملكية الفكرية أمرًا حاسمًا، وفي الوقت نفسه هناك اهتمام بالاستفادة من مجموعات بيانات مختلفة. على سبيل المثال، مستشفيان أو مؤسستان طبيتان يريدان التعاون على تدريب نموذج للفحوصات الطبية؛ أو وكالتان حكوميتان يريدان التعاون على بيانات الأمن الداخلي لإنشاء نموذج لمكافحة الإرهاب لكنهما لا يستطيعان الكشف عن البيانات حتى لبعضهما البعض.
أو حتى في الحالات التي لا يستطيع فيها كيان واحد نقل بياناته المختلفة لأن ذلك مكلف للغاية – على سبيل المثال، شركة السيارات العالمية التي تريد تدريب سيارات ذاتية القيادة باستخدام بيانات من السيارات التي تقود في جميع أنحاء العالم.
Allegro AI هي واحدة من أقل من حفنة من الشركات على مستوى العالم التي لديها منصة تجارية مثبتة ومتاحة للتعلم الفيدرالي.
هل هناك أي شيء آخر تود مشاركته حول Allegro AI؟
Allegro AI هي قوة صاعدة في عالم أدوات الذكاء الاصطناعي وعمليات التعلم الآلي. خلال الربع الماضي، في منتصف الأولى من موجة أزمة كوفيد-19، شهدنا نموًا تجاوز الضعف في قاعدة عملائنا في تلك الفترة التي تبلغ ثلاثة أشهر.
شكرًا على المقابلة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة Allegro AI.
