مقابلات
سكايب ليفينز، مدير التسويق، الإعلام والترفيه، كوانتم – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
سكايب ليفينز هو قائد منتج و استراتيجي في مجال الذكاء الاصطناعي في كوانتم، الشركة الرائدة في حلول إدارة البيانات للذكاء الاصطناعي والبيانات غير المهيكلة. وهو مسؤول حاليًا عن تشغيل المشاركة، والوعي، والنمو لحلول كوانتم الشاملة. على مدار مسيرته المهنية – التي شملت محطات في منظمات مثل آبل، وBackblaze، وSymply، وActive Storage – قاد بنجاح التسويق والتنمية التجارية، والدعوة، وإطلاق منتجات جديدة، وبناء علاقات مع أصحاب المصلحة الرئيسيين، وتحقيق نمو الإيرادات.
(AAPL )كوانتم توفر حلولاً شاملة لإدارة البيانات التي تساعد المنظمات على إدارة، وزيادة قيمة، وحماية البيانات غير المهيكلة، مثل ملفات الفيديو والصوت، على نطاق واسع. تركز تقنياتها على تحويل البيانات إلى رؤى قيمة، مما يمكّن الأعمال من استخراج القيمة واتخاذ قرارات مدروسة. تقدم منصة كوانتم حلولاً آمنة، ومرنة، ومتعددة الاستخدامات، التي تجمع بين البنية التحتية الموجودة في الموقع مع القدرات السحابية. تسمح نهج الشركة للأعمال بمعالجة نمو البيانات بكفاءة مع ضمان الأمان والمرونة على مدار دورة حياة البيانات.
يمكنك تقديم نظرة عامة على نهج كوانتم في إدارة البيانات التي تعتمد على الذكاء الاصطناعي للبيانات غير المهيكلة؟
من خلال مساعدة العملاء على دمج الذكاء الاصطناعي وتعلم الآلة في عمليات أعمالهم الرئيسية، تساعد كوانتم العملاء على إدارة البيانات غير المهيكلة بشكل فعال وفتح قيمة معنوية من بياناتهم، مما يؤدي إلى اتخاذ قرارات أعمال أفضل. من خلال بناء أدوات الذكاء الاصطناعي وتعلم الآلة الخاصة بهم، يمكن للشركات الانتقال من مجرد التعامل مع تدفق البيانات والمحتوى إلى استغلال المعلومات كمحفز جديد للكفاءة وزيادة الخبرة البشرية في جميع مراحل عمليات الأعمال.
كيف تقوم تقنية كوانتم بتحليل البيانات غير المهيكلة، وما هي بعض الابتكارات الرئيسية التي تميز منصتكم عن المنافسين؟
في مراحل تبني أدوات الذكاء الاصطناعي وتعلم الآلة، تجد العديد من المنظمات أن سير عملها يصبح غير منظم وغير متصل، ويمكن أن تفقد مسار بياناتها، مما يصعب فرض معايير الأمان والحماية. غالبًا ما يتم إعاقة التطوير المبكر بسبب التخزين غير المناسب وأداء نظام الملفات.
لقد طورنا Myriad، وهو نظام تخزين ملفات ذكي ومحدد برمجياً وعبارة عن بيئة قوية للاستفادة من تحديات دمج خط أنابيب الذكاء الاصطناعي وتعلم الآلة وسير العمل عالي الأداء معاً – توحيد سير العمل دون قيود الأجهزة والlimitations الأخرى. Myriad هو انفصال واضح عن قيود الأجهزة التقليدية والتخزين، ومبني على أحدث تقنيات التخزين والسحابية، ويعمل بالكامل على أساس خدمات ميكروي ومدارة بواسطة Kubernetes لتكون نظامًا استجابيًا للغاية ونادرًا ما يتطلب تدخل الإدارة لتنفيذ المهام الشائعة. من خلال جعل القماش الذكي جزءًا من النظام، Myriad هو نظام متوازن بشكل nộiلي ي 제공 العديد من منافذ 100Gbps من النطاق الترددي كعنوان IP موزع واحد.
يمكن أن تتيح لكوانتم للمنظمات أرشفة وحفظ حتى أكبر بحيرات البيانات والمحتوى. كما يمكن أن يقدم للعملاء حلاً شاملاً لإدارة البيانات لخطوط أنابيب الذكاء الاصطناعي. بالإضافة إلى ذلك، عندما يتم تقديمها جنبًا إلى جنب مع حل CatDV، يمكن للعملاء وضع علامات وفهرسة البيانات لزيادة ثراء بياناتهم وتحضيرها للتحليل والذكاء الاصطناعي.
يمكنك مشاركة رؤى حول استخدام الذكاء الاصطناعي مع مراقبة الفيديو في دورة الألعاب الأولمبية في باريس، وما هي المناسبات أو المنظمات الكبيرة الأخرى التي استخدمت هذه التقنية؟
يمكن للتعلم الآلي تطوير إجراءات متكررة تعرف الأنماط ذات الصلة في الفيديو وتنشأ رؤى من فيضان البيانات الفيديوية في الوقت الفعلي على نطاق أكبر وأسرع مما يمكن أن يفعله البشر وحدهم. يمكن لمراقبة الفيديو، على سبيل المثال، استخدام الذكاء الاصطناعي لالتقاط وتحديد السلوك المشبوه أثناء حدوثه، حتى لو كان هناك مئات من الكاميرات التي تغذي المعلومات إلى النموذج. لا يمكن للبشر معالجة هذا العمل في الوقت نفسه، في حين يمكن لمراقبة الفيديو التي تعمل بالذكاء الاصطناعي التعامل مع آلاف الحالات في نفس الوقت.
ما هي التحديات الرئيسية التي تواجهها المنظمات عند تنفيذ الذكاء الاصطناعي لتحليل البيانات غير المهيكلة، وكيف تساعد كوانتم في التخفيف من هذه التحديات؟
يجب على المنظمات إعادة تصور نهجها لإدارة التخزين وإدارة البيانات والمحتوى ككل. غالبًا ما تنمو قدرات التخزين بشكل عضوي، وعادةً في الاستجابة لاحتياجات خاصة، مما يخلق ارتباكًا متعدد البائعين وcomplexity غير سارة.
مع تبني الذكاء الاصطناعي، يجب على المنظمات تبسيط التخزين الذي يؤسس لعملياتها. غالبًا ما يتطلب ذلك تنفيذ “ساخن” من جزء التخزين الأولي، أو منطقة الهبوط حيث يمكن للتطبيقات والمستخدمين العمل بأسرع ما يمكن. ثم يضاف تخزين “بارد” كبير يمكنه أرشفة كميات هائلة من البيانات وحمايتها بطريقة فعالة من حيث التكلفة، مع القدرة على نقل البيانات مرة أخرى إلى سير عمل معالجة “ساخن” تقريبًا في الحال.
من خلال إعادة تصور التخزين إلى حلول أكثر بساطة واكتظاظًا، يقل عبء الموظفين الإداريين بشكل كبير. هذا النوع من حل إدارة البيانات “ساخن/بارد” مثالي لدمج سير عمل الذكاء الاصطناعي وتعلم الآلة، وتسمح حلول كوانتم للعملاء بإنشاء منصة مرنة وسهلة الإدارة.
كيف تتكامل ابتكارات كوانتم في الذكاء الاصطناعي مع أدوات وتقنيات أخرى مدعومة بالذكاء الاصطناعي لتعزيز نمو المنظمة والكفاءة؟
يعتقد الكثيرون أن التخزين لأدوات الذكاء الاصطناعي وتعلم الآلة يتعلق فقط بتغذية وحدات معالجة الرسومات (GPUs)، ولكن هذا جزء صغير فقط من المعادلة. على الرغم من أن السرعة والأداء العالي قد يكونا أدوات أساسية لتغذية البيانات بأسرع ما يمكن إلى وحدات معالجة الرسومات التي تقوم بتحليل البيانات، فإن الصورة الأكبر تتعلق بكيفية تمكين المنظمات من دمج التطوير والتدريب والاستدلال المتكرر للذكاء الاصطناعي وتعلم الآلة بناءً على بيانات مخصصة.
يمكنك توضيح الميزات الإدارية لسير العمل التي تعمل بالذكاء الاصطناعي وكيف تسهل هذه الميزات عمليات البيانات؟
نحن نبني مجموعة من أدوات إدارة سير العمل التي تعمل بالذكاء الاصطناعي التي تدمج مباشرة في حلول التخزين لآلية المهام وتقديم رؤى قيمة في الوقت الفعلي، مما يسمح بالاتخاذ السريع والمدروس للقرارات عبر المنظمات. هذا بفضل أنظمة تصنيف البيانات ووضع العلامات الجديدة المتقدمة التي تستخدم الذكاء الاصطناعي لتنظيم البيانات وجعلها سهلة الاسترجاع، وأداء الإجراءات القياسية على هذه الوسائط مثل توجيهها إلى حجم معين، مما يقلل بشكل كبير من الجهود اليدوية اللازمة لتنظيم البيانات في مجموعات تدريب.
ما هو التوقعات لمستقبل إدارة البيانات التي تعتمد على الذكاء الاصطناعي، وما هي الاتجاهات التي تتوقعها في السنوات القادمة؟
随着 تطور هذه الأدوات وتصبح أكثر تعبيرًا وفتحًا، سوف تسمح بطرق أكثر تعبيرًا وفتحًا للعمل مع البيانات. في المستقبل، سوف تكون قادرًا على أن تcarry حوارًا مع نظامك وستُقدم لك المعلومات أو التحليلات ذات الصلة، مثل “ما هو أسرع نوع من البيانات في منطقة “ساخنة” الآن؟”. هذا المستوى من التخصص سوف يكون ميزة تمييزية للمنظمات التي تبني هذه الأدوات في حلول التخزين الخاصة بها، مما يجعلها أكثر دقة وكفاءة حتى عند مواجهة تدفقات جديدة من البيانات المتطورة.
ما هي دور الخدمات التحليلية السحابية وتخزين كخدمة في استراتيجية إدارة البيانات الشاملة؟
تجد المنظمات التي لديها متطلبات تخزين كبيرة ومتنامية صعوبة في مواكبة الطلب، خاصة عند العمل على ميزانيات محدودة. يمكن أن يؤدي التخزين السحابي العام إلى تكاليف عالية وغير متوقعة، مما يجعل من الصعب تقدير الاحتياجات من التخزين بدقة وشراؤها مسبقًا. يرغب العديد من العملاء في تجربة التخزين السحابي العام مع تكلفة تشغيل معروضة ومعروفة، مع تجنب الرسوم المفاجئة للخروج أو الرسوم البريدية التي يمكن أن تطرحها الخدمات السحابية العامة. لذلك، قمنا بتطوير Quantum GO لتزويد العملاء بتجربة التخزين كخدمة مع نقطة دخول أولية منخفضة وخيارات دفع شهرية ثابتة منخفضة للغاية، مع تقديم مرونة وتنوع في التخزين كخدمة في منشآتهم الخاصة.
كيف تخطط كوانتم للبقاء في المقدمة في مشهد الذكاء الاصطناعي وإدارة البيانات السريع التطور؟
في عالم اليوم، ليس كونك مجرد “موفري تخزين” كافياً. تتطلب التحديات الجديدة للبيانات والأعمال منصة ذكاء اصطناعي قادرة على تمكين العملاء من تعظيم قيمة بياناتهم. في كوانتم، نواصل الابتكار والاستثمار في القدرات المحسنة لعملائنا لمساعدتهم على العمل بسهولة وفعالية مع كميات هائلة من البيانات على مدار دورة حياتها الكاملة.
نحن نوسع الذكاء الاصطناعي لتحسين وضع العلامات وتنظيم البيانات، مما يجعل من السهل العثور عليها وتحليلها لاستخراج المزيد من القيمة والرؤى. سنواصل تعزيز قدرات الذكاء الاصطناعي التي تساعد في النسخ التلقائي للفيديو، وترجمة الملفات الصوتية والفيديو إلى لغات أخرى في غضون ثوان، وتمكين عمليات البحث السريعة عبر آلاف الملفات لتحديد الكلمات المنطوقة أو العثور على عناصر محددة، وغيرها.
ما هو النصيحة التي تقدمها للمنظمات التي تبدأ رحلتها مع الذكاء الاصطناعي وإدارة البيانات غير المهيكلة؟
لقد كان للذكاء الاصطناعي وتعلم الآلة ضجيجًا كبيرًا، وبالتالي يمكن أن يكون من الصعب تحديد ما هو عملي ومفيد. يجب على المنظمات أولاً التفكير في البيانات التي يتم إنشاؤها، وتحديد كيف يتم إنشاؤها، وجمعها، وحفظها. بعد ذلك، يجب على المنظمات البحث عن حل تخزين يمكنه الوصول إلى البيانات واسترجاعها عند الحاجة، ويساعد على توجيه سير العمل اليومي والتطور المستقبلي. حتى لو كان من الصعب الاتفاق على ما هي الأهداف النهائية للذكاء الاصطناعي، فإن اتخاذ خطوات الآن لضمان أن أنظمة التخزين وسير العمل البياني مبسطة ومرنة ومتينة سوف يؤدي إلى مكاسب كبيرة عند دمج مبادرات الذكاء الاصطناعي وتعلم الآلة الحالية والمستقبلية. سوف تكون المنظمات حينها في وضع جيد لاستكشاف كيف يمكن لأدوات الذكاء الاصطناعي وتعلم الآلة هذه تعزيز مهمتهم دون القلق بشأن دعمها بشكل صحيح بالمنصة الصحيحة لإدارة البيانات.
شكراً على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا كوانتم.
