رازي رازي الدين، المؤسس المشارك والرئيس التنفيذي لشركة FeatureByte – سلسلة المقابلات

رازي رازي الدين هو المؤسس المشارك والرئيس التنفيذي لشركة FeatureByte، ورسالته هي إزالة آخر عائق كبير لتنمية الذكاء الاصطناعي في الشركات. خبرة رازي في التحليلات ونمو الأعمال تمتد إلى فريق القيادة في شركتين ناشئتين من فئة اليونيكورن. ساعد رازي في توسيع شركة DataRobot من 10 إلى 850 موظفًا في أقل من ست سنوات. كان رائد استراتيجية التسويق القائمة على الخدمات التي أصبحت علامة فارقة في نمو DataRobot السريع.

تعتبر FeatureByte على مهمة لتنمية الذكاء الاصطناعي في الشركات، من خلال تبسيط بيانات الذكاء الاصطناعي جذريًا وتحويل إعدادها إلى عملية قابلة للتوسع الصناعي. منصة FeatureByte لهندسة السمات وإدارتها (FEM) تمكن علماء البيانات من إنشاء ومشاركة السمات المتقدمة وخطوط أنابيب البيانات الجاهزة للإنتاج في دقائق – بدلاً من الأسابيع أو الأشهر.

ما الذي جذبك في البداية إلى علوم الحاسوب والتعلم الآلي؟

كشخص بدأ البرمجة في المدرسة الثانوية، كنت مهتمًا بالآلة التي يمكنني “التحدث” معها والسيطرة عليها من خلال الكود. أسرتني فورًا الإمكانات اللامحدودة للتطبيقات الجديدة. يمثل التعلم الآلي تحولًا في البرمجة، مما يسمح للأجهزة بالتعلم والقيام بالمهام دون تحديد الخطوات في الكود. الإمكانيات اللانهائية للتطبيقات التي يقدمها التعلم الآلي هي ما يجعلني متحمسًا كل يوم.

كنت أول موظف يُعيَّن في دور تجاري بشركة DataRobot، وهي منصة للتعلم الآلي المؤتمت التي تمكن المنظمات من أن تصبح مدفوعة بالذكاء الاصطناعي. ثم ساعدت في توسيع الشركة من 10 إلى 1000 موظف في أقل من ست سنوات. ما هي بعض النقاط الرئيسية التي استفدت منها من هذه التجربة؟

الانتقال من الصفر إلى واحد صعب، ولكن من المثير والمكافئ. كل مرحلة في تطور الشركة تقدم تحديات مختلفة، ولكن رؤية الشركة تنمو وتنجح هو شعور رائع.

تجربتي مع AutoML فتحت عيني على الإمكانيات غير المحدودة للذكاء الاصطناعي. من المثير رؤية كيف يمكن استخدام هذه التكنولوجيا في العديد من الصناعات والتطبيقات. في النهاية، إنشاء فئة جديدة هو إنجاز نادر، ولكن مكافئ للغاية. النقاط الرئيسية التي استفدت منها من هذه التجربة:

• ابنِ منتجًا رائعًا وتجنب ملاحقة الصيحات العابرة
• لا تخف من أن تكون معارضًا
• ركز على حل مشاكل العملاء وتقديم القيمة
• كن دائمًا مفتوحًا للابتكار ومحاولة أشياء جديدة
• أنشئ وادمج ثقافة الشركة الصحيحة من البداية

يمكنك أن تشاركنا قصة ولادة FeatureByte؟

من المعروف جيدًا في عالم الذكاء الاصطناعي / التعلم الآلي – أن الذكاء الاصطناعي العظيم يبدأ مع بيانات رائعة. ولكن تحضير وتنفيذ وإدارة بيانات الذكاء الاصطناعي (أو السمات) معقدة ومستهلكة للوقت. رأيت أنا وشريكي المؤسس، كزافييه كونورت، هذه المشكلة بشكل مباشر في DataRobot. بينما أصبحت النمذجة أكثر بساطة بفضل أدوات AutoML، لا تزال هندسة السمات وإدارتها تحديًا كبيرًا. بناءً على خبرتنا وخبراتنا، شعرت أنا وكزافييه أننا يمكن أن نساعد المنظمات على حل هذا التحدي وتحقيق وعد الذكاء الاصطناعي في كل مكان.

تعتبر هندسة السمات جوهر FeatureByte، يمكنك أن تفسر ما هي هذه السمة لمستخدمينا؟

في النهاية، جودة البيانات تقود جودة وأداء نماذج الذكاء الاصطناعي. البيانات التي يتم تغذيتها إلى النماذج لتدريبها وتوقعات النتائج المستقبلية تسمى السمات. تمثل السمات معلومات حول الكيانات والأحداث، مثل البيانات الديموغرافية أو بيانات أنماط حياة المستهلكين واتجاهاتهم النفسية، أو المسافة بين حامل البطاقة والتاجر في معاملة ببطاقة ائتمان أو عدد العناصر من فئات مختلفة من شراء المتجر.

عملية تحويل البيانات الخام إلى سمات – لتدريب نماذج التعلم الآلي وتوقعات النتائج المستقبلية – تسمى هندسة السمات.

لماذا تعتبر هندسة السمات واحدة من أكثر جوانب مشاريع التعلم الآلي تعقيدًا؟

هندسة السمات مهمة جدًا لأن العملية مسؤولة مباشرة عن أداء نماذج التعلم الآلي. هندسة السمات الجيدة تتطلب ثلاث مهارات مستقلة لتأتي معًا – معرفة المجال وعلوم البيانات وهندسة البيانات. تساعد معرفة المجال علماء البيانات على تحديد الإشارات التي يجب استخلاصها من البيانات لمشكلة أو حالة معينة. تحتاج إلى مهارات علوم البيانات لاستخلاص تلك الإشارات. وأخيرًا، تساعد هندسة البيانات على نشر خطوط الأنابيب وتنفيذ جميع العمليات على نطاق واسع على أحجام كبيرة من البيانات.

في معظم المنظمات، تعيش هذه المهارات في فرق مختلفة. تستخدم هذه الفرق أدوات مختلفة ولا تتواصل جيدًا مع بعضها البعض. هذا يؤدي إلى الكثير من الاحتكاك في العملية ويبطئها حتى تتوقف.

يمكنك أن تشاركنا بعض الأفكار حول لماذا تعتبر هندسة السمات أضعف حلقة في توسيع الذكاء الاصطناعي؟

وفقًا لأندرو إنغ، الخبير المعروف في الذكاء الاصطناعي، “التعلم الآلي التطبيقي هو في الأساس هندسة السمات.” على الرغم من أهميتها في دورة حياة التعلم الآلي، لا تزال هندسة السمات معقدة ومستهلكة للوقت ومتعلقة بالخبرة. هناك نقص حقيقي في الأدوات التي تجعل العملية أسهل وأسرع وأكثر تحولًا. الجهد والخبرة المطلوبة يمنعان الشركات من أن تكون قادرة على نشر الذكاء الاصطناعي على نطاق واسع.

يمكنك أن تشاركنا بعض التحديات التي تواجه بناء حل ذكاء اصطناعي يركز على البيانات ويبسّط هندسة السمات جذريًا لعلماء البيانات؟

بناء منتج له ميزة 10X على الوضع الراهن صعب جدًا. لحسن الحظ، لدى كزافييه خبرة عميقة في علوم البيانات التي يستخدمها لإعادة التفكير في تدفق السمة بأكمله من المبادئ الأولى. لدينا فريق عالمي المستوى من علماء بيانات ذوي خبرة في دورة العمل الكاملة ومهندسين الذين يمكنهم تحويل رؤيتنا إلى حقيقة. ولدينا مستخدمون وشركاء تطوير لتقديم المشورة لنا حول تحسين تجربة المستخدم لحل تحدياتهم.

كيف سترفع منصة FeatureByte من سرعة تحضير البيانات لتطبيقات التعلم الآلي؟

تحضير البيانات للتعلّم الآلي هو عملية تكرارية تعتمد على التجربة السريعة. حزمة FeatureByte SDK مفتوحة المصدر هي إطار تصريحي لإنشاء سمات متقدمة مع بضع سطور من الكود وتنفيذ خطوط أنابيب البيانات في دقائق بدلاً من الأسابيع أو الأشهر. هذا يسمح لعلماء البيانات بالتركيز على حل المشاكل الإبداعية والتكرار السريع على البيانات الحية، بدلاً من القلق بشأن البنية التحتية.

النتيجة ليست فقط تحضير البيانات وتقديمها في الإنتاج بشكل أسرع، ولكن أيضًا تحسين أداء النموذج من خلال سمات قوية.

يمكنك أن تناقش كيف ستوفر منصة FeatureByte أيضًا القدرة على تبسيط المهام الإدارية المستمرة المختلفة؟

تم تصميم منصة FeatureByte لإدارة دورة حياة السمة الكاملة. يسمح الإطار التصريحي لمنصة FeatureByte بنشر خطوط أنابيب البيانات تلقائيًا، مع استخراج البيانات الوصفية ذات الصلة لإدارة البيئة بشكل عام. يمكن للمستخدمين مراقبة صحة خطوط الأنابيب وتكاليفها، وإدارة أصل بيانات السمات ومسارها وإصداراتها وصحتها كلها من واجهة المستخدم الرسومية نفسها. يضمن التحكم في الوصول بحسب الأدوار ومسارات الموافقة على مستوى المؤسسات خصوصية البيانات وأمنها، مع منع التكاثر غير المنضبط للسمات.

هل هناك أي شيء آخر تود أن تشاركه حول FeatureByte؟

تركز معظم أدوات الذكاء الاصطناعي في الشركات على تحسين نماذج التعلم الآلي. لقد جعلنا من مهمتنا مساعدة الشركات على توسيع نطاق الذكاء الاصطناعي، من خلال تبسيط وتنظيم بيانات الذكاء الاصطناعي. في FeatureByte، نحل أكبر تحدي لممارسين الذكاء الاصطناعي: تقديم طريقة متسقة وقابلة للتوسع لتحضير وخدمة وإدارة البيانات على مدار دورة حياة النموذج، مع تبسيط العملية بأكملها.

إذا كنت عالم بيانات أو مهندس مهتم بالبقاء على الطرف الرائد لعلوم البيانات، فإنني أشجعك على تجربة قوة FeatureByte مجانًا.

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