Sean Mullaney, director de tecnologia d'Algolia - Sèrie d'entrevistes

Sean Mullaney és el director de tecnologia de Algolia, una plataforma de cerca i descobriment d'extrem a extrem impulsada per IA.

Sean és un antic executiu de Stripe i Google amb formació en l'escalada d'organitzacions d'enginyeria, el desenvolupament d'eines de cerca i descoberta basades en IA i el creixement global de solucions API primeres. A Algolia, supervisa la tecnologia darrere del segon motor de cerca més gran després de Google que s'utilitza per a més d'1.5 bilions de cerques cada any. Més recentment, va dirigir el llançament de la companyia d'AlgoliaNeuralSearch: l'API de cerca de paraules clau i vectors més ràpida, hiperescalable i rendible del món.

Què et va atraure inicialment de la informàtica?

Quan tenia 10 anys, els meus pares van comprar el nostre primer ordinador a casa. El primer que volia fer era descobrir com escriure un joc d'aventures de text que estava copiant d'un llibre. Uns anys més tard, vaig començar a aprendre C++, però el disseny i la creació de jocs d'ordinador continuava sent una gran passió meva quan era adolescent tot just començant a explorar la informàtica.

Vau passar més de 7 anys a Google, on vau ajudar a crear i dirigir equips que treballaven en estratègia, operacions, big data i aprenentatge automàtic. Quin va ser el teu projecte preferit i què vas aprendre d'aquesta experiència?

Vam descobrir com utilitzar totes les dades massives que teníem sobre com els anunciants utilitzaven els nostres productes per ajudar els equips de vendes. Vam escriure regles personalitzades desenvolupades (més tard xarxes neuronals més complexes) per predir a quins clients hauríem d'apropar-nos a quins productes en quins moments per maximitzar la probabilitat que el temps d'un venedor augmenti els ingressos. Amb més d'1 milió d'anunciants a Google, aquesta eina va ajudar significativament els equips de vendes a trobar les agulles als pallers.

En un resum recent de DevBit, vau descriure el propòsit d'Algolia com permetre als usuaris indexar el món i posar contingut en moviment. Podries explicar què vol dir aquesta afirmació?

En definitiva, volem ajudar els nostres clients a treure valor de les seves dades. Internet ha creat una explosió tan massiva de continguts i productes de comerç electrònic i, tot i que aquest desenvolupament és sens dubte una fita significativa, la gran quantitat d'informació disponible ara fa que també sigui més difícil que mai -i cada cop més difícil- trobar què és. realment estàs buscant com a usuari. Tanmateix, quan la cerca i el descobriment són impulsats per la intel·ligència artificial, es pot accedir de manera intel·ligent a la llista creixent de contingut i posar-la en marxa per ajudar realment els usuaris, no només aclaparar-los.

Al setembre de 2022, Algolia va adquirir Search.io i el seu producte insígnia propietari NeuralSearch™, podeu parlar de què és específicament aquesta tecnologia de cerca?

En poques paraules, Algolia NeuralSearch integra la concordança de paraules clau amb el processament del llenguatge natural basat en vectors, impulsat per LLM, en una única API, una novetat del sector. La solució incorpora la nostra tècnica de hashing neuronal patentada i primera d'aquest tipus que fa que l'ús de vectors sigui escalable i un 90% més rendible d'utilitzar, un problema que s'enfronten altres empreses d'IA, inclosa ChatGPT. El que és realment emocionant d'aquest producte innovador és que fa que la cerca real d'IA sigui escalable per a organitzacions de nivell empresarial.

La nova tecnologia també permet als clients, com ara els minoristes, entendre i oferir contingut que coincideixi amb consultes que normalment són massa conversacionals per oferir resultats precisos o qualsevol resultat (considerat de cua llarga). Aquests representen el 55% de les cerques actuals al lloc. Com a única solució de cerca d'IA d'extrem a extrem que aplica IA a la comprensió, la recuperació i la classificació de consultes, NeuralSearch entén realment aquestes consultes i converteix les oportunitats perdudes en ingressos.

Fora de Neuralsearch™, quines són algunes de les altres metodologies d'aprenentatge automàtic que s'utilitzen?

Hem incorporat IA en tres funcions principals: comprensió de consultes, recuperació de consultes i classificació dels resultats. A Algolia l'anomenem l'entrepà de cerca d'IA:

• Comprensió de consultes: La comprensió avançada del llenguatge natural (NLU) d'Algolia i la cerca vectorial basada en IA proporcionen una comprensió de l'expressió del llenguatge natural de forma lliure i una categorització de consultes basada en IA que prepara i estructura una consulta per a l'anàlisi. A més, l'aprenentatge adaptatiu basat en els comentaris dels usuaris afina la comprensió de les intencions.
• Recuperació: A continuació, es recuperen els resultats més rellevants i es classifiquen de més a menys rellevants. El procés de recuperació fusiona els resultats de Neural Hashing en paral·lel amb paraules clau que utilitzen el mateix índex per a una fàcil recuperació i classificació. Aquest enfocament resol el problema dels "resultats nuls" i millora significativament les posicions de clics i els percentatges de clics. Cap altra plataforma de cerca a l'espai de cerca i descobriment ofereix aquesta potent capacitat.
• Classificació: Finalment, els millors resultats són impulsats al capdamunt per la reclassificació impulsada per IA d'Algolia, que té en compte els molts senyals associats a la consulta de cerca (inclosa la puntuació exacta de concordança de paraules clau, el perfil de personalització contextual, la popularitat observada dels articles). , la puntuació de concordança semàntica, etc.) i aprèn a assolir la màxima rellevància.

A més, a mesura que canvia l'índex, s'afegeixen nous productes, es penja contingut nou o a mesura que els termes adquireixen un nou significat, el producte Algolia NeuralSearch, impulsat per IA, aprendrà i s'ajustarà automàticament. No requereix cap recompte addicional ni operacions manuals. Coincidirà automàticament amb paraules clau o conceptes, possiblement una barreja d'ambdós, depenent de la consulta o frase de cerca. Això realment posa la cerca al pilot automàtic.

Algolia recentment va augmentar el seu pla gratuït d'oferir 10000 discos i el va augmentar fins a 1 milió de discos, quina era la mentalitat darrere d'això i com ha reaccionat el mercat?

Hem escollit específicament fer evolucionar els preus i l'embalatge d'Algolia perquè siguin encara més fàcils per als desenvolupadors amb la introducció de dos nous plans orientats als desenvolupadors: un pla de "construcció" gratuït i un pla de "Creixement" que ofereix una escalabilitat fàcil a preus assequibles. El nou pla Build augmenta el nombre de registres gratuïts que un desenvolupador pot emmagatzemar a Algolia de 10,000 a 1 milió de registres. Això representa un augment de 100 vegades en el nombre de registres gratuïts que els desenvolupadors ara poden indexar a Algolia. A més, Algolia va reduir el cost de les sol·licituds de cerca en el seu pla de creixement en un 50% i els registres en un 60%.

La idea que hi ha darrere del nostre pla de preus "Build" actualitzat és oferir als desenvolupadors accés gratuït a tot el conjunt de capacitats de la seva plataforma de cerca i descobriment impulsada per IA. El pla "Creixement", per quan un desenvolupador està preparat per escalar la seva aplicació, permet als desenvolupadors amb preus basats en l'ús més fàcils per als desenvolupadors per a la configuració de producció en directe.

Una nota important aquí és que qualsevol dissenyador, creador o constructor, ja sigui un enginyer de programari casual o totalment compromès, pot accedir de manera ràpida i senzilla a totes les eines, documentació, codi de mostra, contingut educatiu i capacitats d'integració multiplataforma necessàries per comenceu a gestionar les seves dades, a crear un front-end de cerca, a configurar l'anàlisi i molt més, tot de franc. A més, tindran accés immediat a una comunitat de desenvolupadors en creixement de més de 5 milions de constructors.

Podeu parlar de les eines de personalització de cerca que s'ofereixen?

Algolia ofereix diverses eines de personalització de cerca perquè les empreses aprofitin les dades per millorar millor les recomanacions, incloent diferents tipus de recomanacions i maneres úniques d'aprofitar les dades per impulsar aquestes recomanacions.

Alguns exemples inclouen:

• Tendències: Suggereix altres articles que són tendències en popularitat i relacionats amb les cerques que ha realitzat el teu client.
• Basat en puntuacions: La gent vol comprar productes amb les millors valoracions.
• Personalitzat: En funció del que vau comprar la darrera vegada, de l'historial de navegació, de la ubicació o d'altres factors, us recomanem aquests altres productes.

Aquests mètodes basats en dades poden ajudar a millorar i millorar ràpidament els resultats en funció de la manera com els clients interactuen amb els productes, de manera que és més probable que recomaneu els productes que realment es converteixen millor.

Heu descrit Algolia com el motor de cerca d'IA híbrid més escalable del món. Com s'ha dissenyat Algolia per escalar de manera tan eficient?

Tot torna a Neural Hashing. Aquesta solució d'avantguarda comprimeix i accelera dràsticament totes les consultes. És molt més ràpid calcular la similitud amb hash que les similituds de vectors estàndard i retorna resultats en mil·lisegons.

Neural Hashing representa un avenç per posar en producció la recuperació d'IA per a una gran varietat de casos d'ús. Combinat amb el processament de consultes basat en IA i la nova classificació, promet alliberar tot el poder de la cerca in situ de l'IA. Abans de l'avenç propietari d'Algolia, la cerca basada en vectors ha estat massa costosa computacionalment per executar-se en producció.

La part de l'entrepà que més m'agradaria centrar-me és la carn: la recuperació. La raó per la qual diem que som l'únic motor de cerca d'IA d'extrem a extrem és perquè hi ha hagut una batalla constant entre bastidors a la indústria de la cerca per afegir IA a la recuperació. La recuperació d'informació és un procés increïblement complex, i encara és més complex dominar la recuperació d'IA d'alt rendiment i rendible a escala. Ho vam dominar amb la nostra innovadora tècnica Neural Hashing. En fer-ho, bàsicament vam guanyar la recerca del Sant Grial de la cerca d'IA.

Hi ha alguna cosa més que t'agradaria compartir sobre Algolia?

És un moment emocionant per treballar a Algolia, i sempre busquem iniciar converses amb persones talentoses i apassionades que volen unir-se a nosaltres en el nostre viatge per construir la millor tecnologia de cerca del món. Si us sembla, us convido a consultar les nostres ofertes actuals a https://www.algolia.com/careers/.