الذكاء الاصطناعي
Nir Bar-Lev، المدير التنفيذي و الشريك المؤسس لشركة Allegro AI – سلسلة المقابلات
Nir Bar-Lev هو المدير التنفيذي و الشريك المؤسس لشركة Allegro AI. وتختص شركة Allegro AI في مساعدة الشركات على تطوير و نشر و إدارة حلول التعلم الآلي و التعلم العميق. مع Allegro AI، تقدم المنظمات إلى السوق و تدير منتجات ذات جودة أعلى، أسرع و أكثر كفاءة في التكلفة. وتستند المنتجات على مدير تجارب ML و DL مفتوح المصدر Allegro Trains و حزمة ML-Ops.
ما الذي جذبك في البداية إلى مجال الذكاء الاصطناعي؟
ما الذي جذبني في مسيرتي المهنية هو تقديم التكنولوجيا المبتكرة ل解决 المشاكل أو الفرص (والتي هي في الواقع وجهان لعملة واحدة) على نطاق واسع. يجب أن أعترف أن فترتي في شركة جوجل ساهمت بشكل كبير في تشكيل هذا الميل.
الذكاء الاصطناعي ي满ي هذه الشروط. إنه في طليعة بعض التكنولوجيا المتقدمة اليوم و له القدرة على التأثير على几乎 كل جانب من جوانب حياتنا على هذا الكوكب.
لقد قمت ببدء مسيرتك المهنية في جوجل كقائد منتج مؤسس لمنصة التعرف على الصوت في جوجل. هل يمكنك مناقشة هذه الأيام الأولى من العمل في جوجل و ما تعلمته من هذه التجربة؟
بعد تخرجي مباشرة من كلية الأعمال في جامعة وارتون، كنت поражاً من كيفية عمل جوجل على عكس المعايير التجارية التقليدية في كيفية إدارة الأعمال الناجحة، كما تعلمت في أفضل كليات الأعمال في العالم و كما خبرته في مسيرتي المهنية قبل كلية الأعمال.
أذكر جيداً مناقشتي هذا مع بعض زملائي الذين انضموا إلى جوجل في نفس الوقت بعد تخرجهم من ماجستير إدارة الأعمال.
يبدو أن جوجل غيرت – إلى حد ما – كتاب الأعمال، ولكنها استمتعت أيضاً بكمية هائلة من المال من أعمال الإعلانات التي سمحت لها بالتجربة بطرق لا تستطيع معظم الشركات تحمل تكاليفها. يمكنني أن أشهد أنني خلال العقد الذي قضيته في جوجل، اعتمدت بشكل متزايد ممارسات وعمليات أعمال تقليدية معترف بها مع نموها.
أنا أيضاً، كقائد لمنصة التعرف على الصوت كقائد منتج، كان عليّ العمل مع علماء البحوث. كان هذا في الواقع أحد أولى فرق البحث في جوجل التي كانت حقاً حول البحث التطبيقي. بالنسبة لي، كان هذا تحدياً كبيراً. للباحثين عقلية مختلفة عن المهندسين وهنا كنت أحاول العمل مع باحثين متميزين في شركة متجهة بشكل كبير إلى الهندسة.
يبدو أن التحديات التي واجهتها في ذلك الوقت، قبل حوالي 15 عاماً، مشابهة جداً للمشاكل التي تواجهها الشركات اليوم عند محاولة اندماج علماء البيانات في منظمتهم.
في عام 2016، انتقلت إلى تأسيس شركة Allegro AI كشريك مؤسس. ما كان مصدر إلهامك لإنشاء Allegro AI؟
عند تأسيس Allegro AI، انضممت إلى شركاء رائعين يتمتعون بموهبة هندسية خارقة. كان أحد شركائي أول طالب دكتوراه في واحدة من أولى وأهم مختبرات الذكاء الاصطناعي في إسرائيل، والتي تعد واحدة من أهم مراكز الذكاء الاصطناعي عالمياً. لذلك كان لديه رؤية حقيقية لseeing كيفية تطبيق ML / DL في الممارسة العملية سيضطر إلى التعامل مع مجموعة جديدة من التحديات حول النطاق و التأتمت و الموثوقية و الجودة و المزيد. عند مناقشة هذا معهم، أصبح واضحاً لي أنني أستطيع المساهمة في الفريق من خلال خبرتي في جوجل و قبل ذلك لإنشاء شركة يمكن أن يكون لها تأثير كبير على الذكاء الاصطناعي من خلال الأدوات التي نقدمها. جوجل و بعض العمالقة التكنولوجية الأخرى في وضع محظوظ فيما يتعلق بقدرتهم على جمع موارد لا نهاية لها من الأفضل جودة في هذه التحديات. لكن几乎 كل شخص آخر لا يستطيع تحمل ذلك (سواء فيما يتعلق بالوصول إلى المواهب أو الموارد المالية أو تركيز الشركة، إلخ). لذلك كانت هذه فرصة لتوجيه ما أحبه أكثر (انظر س 1) و مساعدة النظام البيئي كله.
تخدم Allegro AI كمنصة مفتوحة المصدر لإدارة التعلم الآلي و التعلم العميق. هل يمكنك مناقشة فوائد استخدام البرمجيات مفتوحة المصدر؟
البرمجيات مفتوحة المصدر لها عدة فوائد. أهمها أنها تستفيد من المجتمع الأوسع لتحسين المنتج نفسه. يجد المستخدمون الأخطاء و القضايا، وهناك مناقشة واسعة حول الميزات التي تهم؛ وتسهل التكامل مع أدوات أخرى مفتوحة المصدر أكثر من تسهيله بين منظمتين تجاريتين مع أدوات ملكية مغلقة. الخ.
توفر نموذجاً رائعاً للفوز-الفوز لكل من المجتمع و الشركة وراءه. يسهل ذلك التجربة و الاختبار و حتى التوسع للمنظمات التي لا تدفع أو لن تدفع، وفي الوقت نفسه يسمح للعملاء الأكبر دفع ثمن الميزات أو الخدمات الممتدة على أساس برنامج مفتوح المصدر شائع الاستخدام (و بالتالي أقل مخاطرة).
تقدم Allegro AI خدمات إدارة البيانات. هل يمكنك مناقشة نوع الأدوات التي تقدمها لهذا الغرض؟
Allegro Ai تقدم إدارة البيانات الهيكلية و الغير هيكلية. ومع ذلك، في حين هناك العديد من حلول إدارة البيانات الهيكلية المثبتة، نقدم حلولاً فريدة من نوعها لإدارة البيانات الغير هيكلية.
على وجه التحديد، من المهم تحديد نوع إدارة البيانات التي نقدمها. الفكرة ليست إدارة البيانات المادية ولكن إدارة البيانات من زاوية الذكاء الاصطناعي. من أجل الذكاء الاصطناعي، من المهم لفريق العلوم البيانية فهم ما البيانات المتاحة لديهم. مع البيانات الغير هيكلية، هذا صعب جداً. تخيل آلاف أو مئات الآلاف من ساعات الفيديو أو الصوت. تخيل مليارات الإشارات الحسية، الخ.
يحتاج علماء البيانات إلى معرفة تباين بياناتهم للتطابق مع الحالات المختلفة حتى يتمكنوا من تدريب نماذجهم بشكل فعال. يحتاجون إلى فهم ما إذا كانت هناك قطع حيوية من البيانات مفقودة؛ إذا كانت هناك تحيزات أو انحرافات في البيانات.
ثم – على الجانب الآخر – يحتاجون إلى أدوات لمعالجة هذه الحالات بطريقة فعالة من حيث التكلفة و السرعة دون الحاجة إلى الخروج و الحصول على بيانات فيزيائية جديدة و تعليمها / وضع علامات عليها (مهمة مكلفة و تستغرق وقتاً طويلاً).
هذا هو جوهر الأدوات التي نقدمها حول هذا المجال: أدوات قوية لتنفيذ “ذكاء الأعمال” على بياناتك على مستوى دقيق و تفصيلي غير مسبوق و على الجانب الآخر أدوات لتكامل البيانات بشكل وثيق في التجارب و النماذج بحيث يمكن لعلماء البيانات بدون كتابة أي رمز تعيين عمليات تدريب فعالة مع البيانات المتاحة.
بالإضافة إلى ذلك، نقدم قيمة إضافية في تحسين تدفق البيانات و نقلها، الخ. منذ أن نتحدث عن معالجة تيرابايت من البيانات. نقلها حولها مكلف و الشركات تحتاج إلى حل لمواجهة ذلك.
تقدم Allegro AI أيضاً外委 خدمات هندسة البيانات. ما هي بعض العروض المتاحة؟
Allegro Ai هي في الأساس شركة منتجات و نرى أنفسنا نقدم الأدوات و البنية التحتية أو الهيكل للشركات لتطوير و نشر و إدارة المنتجات التي تحتوي على نماذج الذكاء الاصطناعي (DL / ML) المتكاملة فيها.
قال ذلك، هذا مجال جديد و يحتاج عملاؤنا في بعض الأحيان إلى مساعدة في إعداد خطوط أنابيبهم الخاصة المبنية على أدواتنا، أو حتى مساعدة في بدء تشغيل نماذجهم أنفسهم. عندما تحدث هذه الحالات، نقدم خدمات مساعدة إضافية لعرض برامجنا الأساسي.
هل يمكنك مناقشة أهمية التعلم الفيدرالي و كيف يمكن استخدام Allegro AI في هذا السياق؟
التعلم الفيدرالي هو اساساً القدرة على تدريب نموذج الذكاء الاصطناعي واحد باستخدام مجموعات بيانات موجودة في مواقع فيزيائية مختلفة دون إحضار هذه المجموعات إلى موقع واحد. كما نقدم إصداراً محسناً من ذلك، الذي نسميه “التعلم الفيدرالي الأعمى” أو “التعلم التعاوني الأعمى” حيث لا يملك كيان واحد في هذا السيناريو وصولاً إلى بيانات لا تنتمي إليه، بما في ذلك الكيان الذي يحصل على النموذج النهائي.
التعلم الفيدرالي مهم في مواقف مختلفة حيث تكون خصوصية البيانات أو اللوائح أو سرية الملكية أو الخصوصية حاسمة للحفاظ عليها في نفس الوقت الذي يوجد فيه اهتمام بالاستفادة من مجموعات بيانات مختلفة. على سبيل المثال، مستشفيان أو مؤسستان طبيتان يريدان التعاون على تدريب نموذج لتصوير الأشعة المقطعية؛ أو مؤسستان حكوميتان يريدان التعاون على بيانات الأمن القومي لبناء نموذج لمكافحة الإرهاب ولكن لأسباب قانونية لا يمكنهما الكشف عن البيانات حتى عن بعضهما البعض.
أو حتى الحالات التي لا يستطيع فيها كيان واحد نقل مجموعات بياناته المختلفة لأن ذلك مكلف للغاية – على سبيل المثال، شركة السيارات العالمية التي تريد تدريب سيارات ذاتية القيادة باستخدام بيانات جمعت من السيارات التي تقود في جميع أنحاء العالم.
Allegro AI هي واحدة من أقل من حفنة من الشركات في جميع أنحاء العالم التي لديها منصة تجارية مثبتة و مجربة تسهل التعلم الفيدرالي.
هل هناك شيء آخر تود مشاركته حول Allegro AI؟
Allegro AI هي قوة صاعدة في عالم أدوات الذكاء الاصطناعي و ML-Ops. في الربع الماضي، خلال موجة أولى من أزمة كوفيد-19، شهدنا نمواً تجاوز ضعف قاعدة عملائنا في فترة ثلاثة أشهر فقط.
شكراً على المقابلة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Allegro AI.
