ريان ريس، رئيس علماء البيانات والذكاء الاصطناعي في Mission – سلسلة المقابلات

الدكتور ريان ريس هو عالم بيانات مشهور مع أكثر من 15 عامًا من الخبرة في القيادة في البيانات والهندسة في شركات التكنولوجيا سريعة النمو. يحمل الدكتور ريس أكثر من 20 عامًا من الخبرة في العمل مع الذكاء الاصطناعي و 5+ سنوات في مساعدة العملاء على بناء بنية تحتية بيانات ونمذجة الذكاء الاصطناعي على منصة أمازون ويب سيرفس. بعد حصوله على درجة الدكتوراه في الكيمياء الحيوية الفيزيائية في جامعة كاليفورنيا، لوس أنجلوس (UCLA) ومعهد كاليفورنيا للتكنولوجيا (Caltech)، ساهم الدكتور ريس في تطوير حلول بيانات متقدمة للوزارة الأمريكية للدفاع وعدد من شركات فورتشن 500.

كقائد فريق الذكاء الاصطناعي وعلماء البيانات في Mission، بنى ريان فريقًا ناجحًا من مهندسي البيانات ومهندسي العمارة ومتخصصي التعلم الآلي وعلماء البيانات لحل بعض أصعب المشاكل في العالم باستخدام بنية تحتية أمازون ويب سيرفس.

Mission هي شركة رائدة في خدمات الإدارة والاستشارات المولودة في السحابة، وتقدم خدمات السحابة الشاملة وحلول الذكاء الاصطناعي المبتكرة والبرمجيات لعملاء أمازون ويب سيرفس. كشريك من الدرجة الأولى لأمازون ويب سيرفس، تساعد الشركة الشركات على تحسين الاستثمارات التكنولوجية وتعزيز الأداء والحوكمة وتوسيع نطاقها بفعالية وأمان البيانات والابتكار بثقة.

لقد قمت برحلة مثيرة للإعجاب – من بناء الأجهزة المعززة للواقع في DAQRI إلى أن أصبحت رئيسًا للذكاء الاصطناعي في Mission. ما هي الخبرات الشخصية أو النقاط التحولية التي شكلت منظورك حول دور الذكاء الاصطناعي في الشركات؟

كانت بداية تطوير الذكاء الاصطناعي محدودة بشكل كبير بسبب قوة الحوسبة وتحديات البنية التحتية. كنا نضطر غالبًا إلى كتابة نماذج من الأوراق البحثية يدويًا، وهو ما كان يستهلك وقتًا طويلًا ويعدّ معقدًا. حدثت تحول كبير مع ظهور بايثون ومكتبات الذكاء الاصطناعي المفتوحة المصدر، مما جعل التجارب وبناء النماذج أسرع بكثير. ومع ذلك، فإن التحول الأكبر حدث عندما جعلت شركات التكنولوجيا الكبيرة مثل أمازون ويب سيرفس الحوسبة والتخزين القابلين للتوسيع متاحين على نطاق واسع.

ت phản映 هذا التطور تحديًا مستمرًا على مدار تاريخ الذكاء الاصطناعي – نفاد سعة التخزين وقدرة الحوسبة. هذه القيود سببت فترات من الركود في الذكاء الاصطناعي، وتخطي هذه القيود كان أساسيًا لما يسمى ب “النهضة الجديدة للذكاء الاصطناعي” اليوم.

كيف يساعد نموذج خدمة السحابة الشامل من Mission الشركات على توسيع نطاق حمولات الذكاء الاصطناعي على أمازون ويب سيرفس بشكل أكثر كفاءة وأمانًا؟

في Mission، يتم دمج الأمان في كل ما نقوم به. لقد كنا شريك الأمان لهذا العام مع أمازون ويب سيرفس لمدة عامين على التوالي، ولكن ما يثير الاهتمام هو أننا لا نمتلك فريق أمان مخصص. ذلك لأن الجميع في Mission يبني مع مراعاة الأمان في كل مرحلة من مراحل التطوير. مع الذكاء الاصطناعي التوليدي من أمازون ويب سيرفس، يستفيد العملاء من استخدام طبقة أمازون بي드روك، التي تحافظ على البيانات، بما في ذلك المعلومات الحساسة مثل معلومات الهوية الشخصية، بشكل آمن داخل نظام أمازون ويب سيرفس. هذا النهج المتكامل يضمن أن يكون الأمان أساسيًا وليس بعد الفكر.

المرننة هي أيضًا تركيز أساسي في Mission. لدينا خبرة واسعة في بناء خطوط أنابيب MLOps التي تدير البنية التحتية للذكاء الاصطناعي للتدريب والاستدلال. في حين يرتبط الذكاء الاصطناعي التوليدي غالبًا بنظم عامة كبيرة مثل ChatGPT، فإن معظم حالات استخدام الشركات تكون داخلية وتتطلب توسيعًا أكثر إدارة. تساعد طبقة API من بيدروك في تقديم أداء مرن وأمن للتحملات الواقعية.

يمكنك أن تشرح لنا عملية إشراف نموذجية على شركة – من هجرة السحابة إلى نشر حلول الذكاء الاصطناعي التوليدي – باستخدام خدمات Mission؟

في Mission، نبدأ بفهم الاحتياجات التجارية وحالات الاستخدام للشركة. تبدأ هجرة السحابة بتقييم البيئة الحالية على الموقع وتحديد بنية سحابة قابلة للتوسيع. على عكس التجهيزات على الموقع، حيث يجب عليك توفير سعة لتحمل القمة، فإن السحابة تسمح لك بتوسيع الموارد بناءً على التحملات المتوسطة، مما يقلل من التكاليف. لا يحتاج جميع التحملات إلى الهجرة – يمكن بعضها أن يتم التخلص منه أو إعادة بنائه أو إعادة تشكيله من أجل الكفاءة. بعد التخزين والتخطيط، نقوم بتنفيذ هجرة مرحلية.

مع الذكاء الاصطناعي التوليدي، انتقلنا إلى ما هو أبعد من مرحلة إثبات المفهوم. نساعد الشركات على تصميم البنى التحتية وتنفيذ تجارب لتحسين التوجيهات ومعالجة الحالات الحدية، ثم الانتقال إلى الإنتاج. من أجل البيانات التي تعتمد على الذكاء الاصطناعي، نساعد في نقل البيانات من الموقع إلى السحابة، مما يفتح قيمة أكبر. هذا النهج الشامل يضمن أن تكون حلول الذكاء الاصطناعي التوليدي قوية ومرنة وجاهزة للأعمال من اليوم الأول.

تؤكد Mission على “الابتكار بالثقة”. ماذا يعني ذلك في المصطلحات العملية للأعمال التي تتبنى الذكاء الاصطناعي على نطاق واسع؟

يعني ذلك وجود فريق ذو خبرة حقيقية في الذكاء الاصطناعي – وليس فقط خريجي دورات تدريبية، ولكن علماء بيانات محترفون. يمكن للعملاء الثقة في أننا لا نجرّب عليهم. أشخاصنا يفهمون كيف تعمل النماذج وكيف تنفذها بأمان وبتوسيع. هذا هو كيف نساعد الشركات على الابتكار دون أخذ مخاطر غير ضرورية.

لقد عملت عبر التحليلات التنبؤية واللغة الطبيعية والرؤية الحاسوبية. أين ترى الذكاء الاصطناعي التوليدي يقدم قيمة أكبر للشركات اليوم – وأين يتجاوز الهياج الواقع؟

يقدم الذكاء الاصطناعي التوليدي قيمة كبيرة في الشركات بشكل رئيسي من خلال معالجة الوثائق الذكية (IDP) والrobots المحادثة. تواجه العديد من الشركات صعوبات في توسيع نطاق عملياتها من خلال توظيف المزيد من الأشخاص، لذلك يساعد الذكاء الاصطناعي التوليدي في توفير المهام المتكررة وتسريع سير العمل. على سبيل المثال، قللت معالجة الوثائق الذكية من وقت استعراض طلبات التأمين بنسبة 50٪ و 改善 تنسيق الرعاية الصحية في مجال الرعاية الصحية. غالبًا ما تعمل robots المحادثة كواجهات لادوات أو أنظمة الذكاء الاصطناعي الأخرى، مما يسمح للشركات بتوفير التفاعلات الروتينية والمهام بفعالية.

然而، يتجاوز الهياج حول الصور والفيديوهات التوليدية الواقع في التطبيقات العملية. في حين أن هذه التكنولوجيا تظهر بشكل مثير للإعجاب، فإن لها تطبيقات عملية محدودة بخلاف المشاريع الإبداعية والتسويقية. تجد معظم الشركات صعوبة في توسيع حلول الوسائط التوليدية إلى عملياتها الأساسية، مما يجعلها أكثر شبه بالتكنولوجيا الجديدة منها أداة أعمال أساسية.

“برمجة الفibe” هو مصطلح جديد – يمكنك أن تشرح ما يعنيه في عالمك، وكيف يعكس التحول الثقافي الأوسع في تطوير الذكاء الاصطناعي؟

تُشير “برمجة الفibe” إلى استخدام المطورين لنمذجة اللغة الكبيرة لتوليد رمز يعتمد أكثر على الحدس أو التوجيه باللغة الطبيعية بدلاً من التخطيط الهيكلي أو التصميم. إنه رائع لتسريع التكرار وبرمجة النماذج الأولية – يمكن للمطورين اختبار الأفكار بسرعة، وتوليد رمز نمطي، أو تفريغ المهام المتكررة. ومع ذلك، غالبًا ما يؤدي ذلك إلى رمز يفتقر إلى الهيكلة، ويتعرض لصعوبات في الصيانة، وอาจ يكون غير فعال أو غير آمن.

نحن نشهد تحولًا أوسع نحو بيئات الوكالة، حيث تعمل نماذج اللغة الكبيرة مثل المطورين الأصغر سناً، والبشر يتحملون أدوارًا أكثر شبهًا بمهندسي العمارة أو مهندسي الجودة – مراجعة وتحسين ودمج مكونات الذكاء الاصطناعي في أنظمة أكبر. يمكن أن يكون هذا النموذج التعاوني قويًا، ولكن فقط إذا كانت هناك ضوابط في المكان. بدون إشراف مناسب، يمكن لبرمجة الفibe أن تroduce الديون الفنية، أو الثغرات الأمنية، أو مشاكل الأداء – خاصة عند إدخالها إلى الإنتاج دون اختبارات صارمة.

ما هو رأيك في دور مسؤول الذكاء الاصطناعي المتطور؟ كيف يجب على المنظمات إعادة التفكير في هيكل القيادة مع تصبح الذكاء الاصطناعي أساسيًا لاستراتيجية الأعمال؟

يمكن لمسؤولي الذكاء الاصطناعي إضافة قيمة – ولكن فقط إذا تم تحديد دورهم للنجاح. غالبًا ما تخلق الشركات ألقاب جديدة دون محاذاة مع الهياكل القيادية الحالية أو منحها سلطة حقيقية. إذا لم يكن لمسؤول الذكاء الاصطناعي أهداف مشتركة مع مسؤول التكنولوجيا أو مسؤول البيانات أو التنفيذيين الآخرين، فإنك تتحمل مخاطر اتخاذ القرارات المنعزلة وأولويات متضاربة وتنفيذ متوقف.

يجب على المنظمات النظر بعناية فيما إذا كان دور مسؤول الذكاء الاصطناعي يُستبدل أو يُضاف إلى أدوار مثل مسؤول البيانات أو مسؤول التكنولوجيا. لا يهم العنوان نفسه، ولكن المهمة. ما هو حاسم هو تمكين شخص ما من تشكيل استراتيجية الذكاء الاصطناعي عبر المنظمة – البيانات، البنية التحتية، الأمان، وحالات الاستخدام التجارية – وإعطائه القدرة على推يع تغيير معنوي. وإلا، يصبح الدور رمزيًا أكثر من كونه مؤثرًا.

لقد قادت فرق الذكاء الاصطناعي والبيانات الحائزة على الجوائز. ما هي الصفات التي تبحث عنها عند توظيف فرق للذكاء الاصطناعي في الأدوار عالية المخاطر؟

الصفة الأولى والأهم هي العثور على شخص يفهم حقًا الذكاء الاصطناعي – وليس فقط شخصًا أخذ بعض الدورات. تحتاج إلى أشخاص يمتلكون مهارات حقيقية في الذكاء الاصطناعي ويحتفظون بالفضول والاهتمام بالدفع نحو حدود ما يمكن وما لا يمكن فعله.

أبحث عن أشخاص يبحثون دائمًا عن نهج جديد ويتحدون حدود ما يمكن وما لا يمكن فعله. هذا المزيج من المعرفة العميقة والاستكشاف المستمر هو أساسي للادوار عالية المخاطر في الذكاء الاصطناعي حيث يتعادل الابتكار والتنفيذ الموثوق.

كثير من الشركات تعاني في تحويل نماذج التعلم الآلي إلى إنتاج. ماذا يفصل الفرق التي تنجح عن تلك التي تتعثر في مرحلة إثبات المفهوم؟

أهم مشكلة هي محاذاة الفريق. يبني فريق التعلم الآلي نماذج واعدة، ولكن إدارات أخرى لا تعتمدها بسبب أولويات غير متوافقة. الانتقال من مرحلة إثبات المفهوم إلى الإنتاج يتطلب أيضًا بنية تحتية لعمليات التعلم الآلي: إصدار، إعادة تدريب، ومراقبة. مع الذكاء الاصطناعي التوليدي، يصبح الفجوة أوسع. إنتاج نموذج للчат بوت يعني ضبط التوجيه، وإدارة خطوط الأنابيب، والامتثال… وليس مجرد وضع توجيهات في ChatGPT.

ما هو النصيحة التي تقدمها لمؤسس شركة ناشئة يبني منتجات تعتمد على الذكاء الاصطناعي اليوم والتي يمكن أن تستفيد من خبرة Mission في البنية التحتية واستراتيجية الذكاء الاصطناعي؟

عندما تكون شركة ناشئة، من الصعب جذب أفضل المواهب في الذكاء الاصطناعي، خاصة دون علامة تجارية محددة. حتى مع فريق مؤسس قوي، من الصعب توظيف أشخاص لديهم عمق الخبرة اللازم لبناء ونشر أنظمة الذكاء الاصطناعي بشكل صحيح. यह هو المكان الذي يمكن أن يحدث فيه شراكة مع شركة مثل Mission فرقًا حقيقيًا. يمكننا مساعدتك على التحرك بسرعة من خلال تقديم البنية التحتية والاستراتيجية والخبرة العملية، بحيث يمكنك التحقق من منتجك في وقت أقرب وبثقة أكبر.

القسم الحاسم الآخر هو التركيز. نرى العديد من المؤسسين يحاولون تغليف واجهة بسيطة حول ChatGPT وادعاء أنها منتج، ولكن المستخدمين يصبحون أكثر ذكاءً ويتوقعون المزيد. إذا كنت لا تحل مشكلة حقيقية أو تقدم شيئًا مميزًا حقًا، من السهل أن تتعثر في الضوضاء. تساعد Mission الشركات الناشئة على التفكير بشكل استراتيجي في哪里 يخلق الذكاء الاصطناعي قيمة حقيقية وكيفية بناء شيء قابل للتوسيع وأمن ومتاح للانتاج من اليوم الأول. لذلك لا تتجرب فقط، بل تبني من أجل النمو.

شكرًا على المقابلة الرائعة، يرغب القراء في معرفة المزيد فيزيتم Mission.