شون مولان، كبير مسؤولي التكنولوجيا في Algolia – سلسلة المقابلات

شون مولان هو كبير مسؤولي التكنولوجيا في Algolia، منصة بحث واكتشاف مدعومة بالذكاء الاصطناعي من النهاية إلى النهاية.

شون هو مسؤول تنفيذي سابق في Stripe و Google (GOOGL ) مع خلفية في توسيع المنظمات الهندسية، وتطوير أدوات البحث والاكتشاف مدعومة بالذكاء الاصطناعي، وتنمية حلول API أولاً على مستوى العالم. في Algolia، إنه يشرف على التكنولوجيا وراء محرك البحث الثاني الأكبر بعد Google الذي يتم استخدامه لأكثر من 1.5 تريليون عملية بحث كل عام. مؤخرًا، قاد إطلاق شركة AlgoliaNeuralSearch – أسرع واجهة برمجة تطبيقات للبحث بالمتجهات والكلمات الرئيسية في العالم، مع قابلية فائقة للتوسع وفعالية من حيث التكلفة.

ما الذي جذبك في البداية إلى علوم الحاسوب؟

عندما كنت في العاشرة من عمري، اشترى والديا أول كمبيوتر لمنزلتنا. الشيء الأول الذي أردت فعله هو معرفة كيفية كتابة لعبة مغامرات نصية التي كنت أستنسخها من كتاب. بعد بضع سنوات، بدأت في تعلم C++، ولكن تصميم وإنشاء ألعاب الكمبيوتر ظل شغفي الكبير أثناء استكشافي لعلوم الحاسوب كمراهق.

قضيت أكثر من 7 سنوات في Google، حيث ساعدت في بناء وتوجيه فرق تعمل على الاستراتيجية والعمليات والبيانات الكبيرة والتعلم الآلي. ما هو مشروعك المفضل وماذا تعلمت من هذه التجربة؟

لقد اكتشفنا كيف نستخدم جميع البيانات الكبيرة التي لدينا حول كيفية استخدام المعلنين لمنتجاتنا لمساعدة فرق المبيعات. لقد كتبنا قواعد مخصصة (فيما بعد شبكات عصبونية أكثر تعقيدًا) للتنبؤ بالعملاء الذين يجب أن نتواصل معهم بأي منتجات في أي وقت لزيادة احتمالية تحقيق عائد إيرادات من وقت بائع. مع أكثر من مليون معلن على Google، ساعدت هذه الأداة بشكل كبير فرق المبيعات في العثور على الإبر في أكوام القش.

في تلخيص DevBit الأخير، وصف الغرض من Algolia على أنه تمكين المستخدمين من فهرسة العالم ووضع المحتوى في حركة. هل يمكنك توضيح ما يعني هذا البيان؟

في النهاية، نريد مساعدة عملائنا في الحصول على قيمة من بياناتهم. لقد خلق الإنترنت انفجارًا هائلاً من المحتوى ومنتجات التجارة الإلكترونية، ومع أن هذا التطور هو بالتأكيد علامة فارقة، فإن الكم الهائل من المعلومات المتاحة يعني أن من الصعب العثور على ما تبحث عنه كمستخدم. ومع ذلك، عندما يتم دعم البحث والاكتشاف بالذكاء الاصطناعي، يمكن الوصول إلى قائمة المحتوى المتزايدة بذكاء ووضعها في حركة لمساعدة المستخدمين، وليس فقط إغراقهم.

في سبتمبر 2022، استحوذت Algolia على Search.io ومنتجها الرئيسي المملوك NeuralSearch™. هل يمكنك شرح ماهية تقنية البحث هذه تحديدًا؟

باختصار، يدمج Algolia NeuralSearch مطابقة الكلمات مع معالجة اللغة الطبيعية القائمة على المتجهات، مدعومة بـ LLMs، في واجهة برمجة تطبيقات واحدة – وهي الأولى في الصناعة. الحل يدمج تقنية Neural Hashing المملوكة لنا والتي تجعل استخدام المتجهات قابلًا للتطوير و 90% أكثر كفاءة في التكلفة – وهو مشكلة تواجهها شركات الذكاء الاصطناعي الأخرى، بما في ذلك ChatGPT. ما يثير الإثارة حول هذا المنتج المتقدم هو أنه يجعل بحث الذكاء الاصطناعي قابلًا للتطوير لمؤسسات الدرجة الأولى.

تسمح التكنولوجيا الجديدة أيضًا للعملاء، مثل البائعين، بفهم وتقديم المحتوى الذي يطابق الاستعلامات التي عادة ما تكون مصاغة بأسلوب حواري أكثر مما تستطيع أنظمة البحث التقليدية التعامل معه لتقديم نتائج دقيقة أو أي نتائج (تُعتبر طويلة الذيل). هذه تشكل 55% من عمليات البحث الحالية على الموقع. وبوصفه حل البحث الوحيد المدعوم بالذكاء الاصطناعي من البداية إلى النهاية الذي يطبق الذكاء الاصطناعي على فهم الاستعلام والاسترجاع والترتيب، يفهم NeuralSearch هذه الاستعلامات ويحوّل الفرص الضائعة إلى إيرادات.

خارج NeuralSearch™، ما هي بعض منهجيات التعلم الآلي الأخرى المستخدمة؟

لقد دمجنا الذكاء الاصطناعي عبر ثلاث وظائف رئيسية – فهم الاستعلام، استرجاع الاستعلام، وترتيب النتائج. في Algolia، نسمي هذا ساندويتش البحث مدعوم بالذكاء الاصطناعي:

• فهم الاستعلام: يوفر فهم اللغة الطبيعية المتقدم من Algolia وذكاء البحث القائم على المتجهات فهم التعبير اللغوي الطبيعي الحر وتصنيف الاستعلام مدعومًا بالذكاء الاصطناعي الذي يعدّ وينظم الاستعلام للتحليل. بالإضافة إلى ذلك، يضبط التعلم التكيفي استنادًا إلى ملاحظات المستخدم فهم النية.
• استرجاع: يتم استرجاع النتائج الأكثر صلة ثم ترتيبها من الأكثر إلى الأقل صلة. عملية الاسترجاع تدمج نتائج Neural Hashing بالتوازي مع الكلمات الرئيسية باستخدام نفس الفهرس لسهولة الاسترجاع والترتيب. هذا النهج يحل مشكلة “النتائج الفارغة” ويعزز بشكل كبير من مواقع النقرات ومعدلات النقرات.
• ترتيب: أخيرًا، يتم دفع أفضل النتائج إلى أعلى بواسطة إعادة ترتيب مدعومة بالذكاء الاصطناعي من Algolia، والتي تأخذ في الاعتبار العديد من الإشارات المرفقة بالاستعلام (بما في ذلك درجة مطابقة الكلمات الرئيسية الدقيقة، ملف التخصيص المستند إلى السياق، شعبية العناصر، درجة المطابقة الدلالية، إلخ.) وتتعلم لتحقيق أقصى صلة.

بالإضافة إلى ذلك، مع تغير الفهرس، أو إضافة منتجات جديدة، أو تحميل محتوى جديد، أو مع اكتساب المصطلحات لمعاني جديدة، سيتعلم منتج Algolia NeuralSearch مدعوم بالذكاء الاصطناعي وتعديل تلقائيًا. لا يتطلب ذلك أي زيادة في عدد الموظفين أو العمليات اليدوية. سوف يتطابق تلقائيًا مع الكلمات الرئيسية أو المفاهيم – ربما مزيجًا من كليهما – حسب الاستعلام أو عبارة البحث. هذا يضع البحث فعليًا على أتم أوتوماتيكيًا.

أحدثت Algolia مؤخرًا تغييرات في خطة المجانية من 10000 سجل إلى 1 مليون سجل، ما هو التفكير وراء هذا التغيير، وكيف رد السوق؟

لقد اخترنا تحديث تسعير وتنظيم Algolia لتكون أكثر ملاءمة للمطورين مع إدخال خطتين جديدتين للمطورين: خطة “بناء” مجانية وخطة “تنمو” توفر سهولة في التوسع بسعر معقول. خطة البناء الجديدة تزيد من عدد السجلات المجانية التي يمكن للمطور تخزينها في Algolia من 10,000 إلى 1 مليون سجل. هذا يمثل زيادة 100 ضعف في عدد السجلات المجانية التي يمكن للمطورين الآن فهرسة Algolia. بالإضافة إلى ذلك، خفضت Algolia تكلفة طلبات البحث في خطة النمو بنسبة 50% والسجلات بنسبة 60%.

الفكرة وراء خطة التسعير الجديدة “البناء” هي توفير المطورين بالوصول المجاني إلى مجموعة كاملة من القدرات في منصة البحث والاكتشاف مدعومة بالذكاء الاصطناعي. خطة “النمو”، عند استعداد المطور للتوسع في تطبيقه، تمكن المطورين من تسعير استخدام أكثر ملاءمة للمطورين في بيئات الإنتاج الحية.

ملاحظة مهمة هنا هي أن أي مصمم أو منشئ أو باني – سواء كان مصممًا أو مهندسًا برمجيات ملتزمًا تمامًا – يمكنه الوصول بسهولة إلى جميع الأدوات والوثائق ورموز العينة والمحتوى التعليمي وقدرات التكامل عبر المنصات اللازمة لبدء العمل مع إدارة بياناته، وبناء واجهة البحث، وتكوين التحليلات، وغيرها – كل ذلك مجانًا. بالإضافة إلى ذلك، سيكون لديهم الوصول الفوري إلى مجتمع من المطورين البالغ عددهم أكثر من خمسة ملايين مطور ومنشئ.

هل يمكنك مناقشة أدوات تخصيص البحث التي تقدمها؟

تقدم Algolia عدة أدوات تخصيص البحث للشركات لاستخدام البيانات لتحسين التوصيات، بما في ذلك أنواع مختلفة من التوصيات وطرق فريدة لاستخدام البيانات لتحفيز هذه التوصيات.

أمثلة على ذلك تشمل:

• الشائع: اقترح عناصر أخرى شائعة ومرتبطة بالبحث الذي قام به العملاء.
• المرتبط بالتقييمات: الناس يريدون شراء المنتجات ذات التقييمات الأفضل.
• المرتبط بالشخص: استنادًا إلى ما قمت بشراءه في المرة السابقة، أو تاريخ التصفح، أو الموقع، أو عوامل أخرى، نقترح هذه المنتجات الأخرى.

يمكن أن تساعد هذه الأساليب القائمة على البيانات في تحسين النتائج بسرعة استنادًا إلى كيفية تفاعل العملاء مع المنتجات، لذلك من المرجح أن نقترح المنتجات التي تحقق أفضل معدلات التحول إلى الشراء.

وصفت Algolia بأنها محرك بحث هجين مدعوم بالذكاء الاصطناعي الأكثر قابلية للتوسع في العالم. كيف تم تصميم Algolia لتوسيع نطاقها بفعالية؟

كل شيء يعود إلى Neural Hashing. هذا الحل المتقدم يضغط ويزيد بشكل كبير من سرعة كل استعلام. من السريع بشكل كبير حساب التشابه المعتمد على التجزئة أكثر من التشابهات المتجهة القياسية ويعيد النتائج في مللي ثانية.

يتمثل Neural Hashing في اختراق لجعل استرجاع الذكاء الاصطناعي في الإنتاج لعدد كبير من الحالات. عندما يُدمج مع معالجة الاستعلام مدعومة بالذكاء الاصطناعي وإعادة الترتيب، يعد بإطلاق القوة الكاملة للذكاء الاصطناعي على بحث الموقع. قبل اختراع Algolia، كان البحث القائم على المتجهات باهظ التكلفة بشكل كبير لتشغيله في الإنتاج.

الجزء الذي أود التركيز عليه أكثر في تشبيه الساندويتش هو الحشو: استرجاع المعلومات. ونقول إننا محرك البحث الوحيد الحقيقي المدعوم بالذكاء الاصطناعي من البداية إلى النهاية لأن قطاع البحث يشهد جهودًا متواصلة خلف الكواليس لإضافة الذكاء الاصطناعي إلى الاسترجاع. إن استرجاع المعلومات عملية شديدة التعقيد، وتزداد صعوبة عند السعي إلى استرجاع مدعوم بالذكاء الاصطناعي عالي الأداء وفعال التكلفة على نطاق واسع. وقد أتقنا ذلك بتقنية Neural Hashing الرائدة، وبذلك حققنا عمليًا الغاية المنشودة في البحث بالذكاء الاصطناعي.

هل هناك أي شيء آخر تود مشاركته حول Algolia؟

إنه وقت مثير للاهتمام للعمل في Algolia، ونحن دائمًا نبحث عن بدء محادثات مع أشخاص موهوبين ومتحمسين يريدون الانضمام إلينا في رحلتنا لبناء أفضل تكنولوجيا بحث في العالم. إذا كنت تشعر أن هذا يصفك، أدعوك لزيارة فرص العمل الحالية لدينا على https://www.algolia.com/careers/.