Chris Nicholson, zakladatel a generální ředitel Pathmind – rozhovor

Chris Nicholson je zakladatel Pathmind, startupu zabývajícího se aplikací hlubokého učení na dodavatelské řetězce a průmyslové operace. Pathmind byl založen za účelem pomoci podnikům zvládnout hluboké ekonomické změny a zvýšit odolnost svých operací pomocí umělé inteligence. Chris dohlíží na strategické vidění a denní provoz společnosti, řídí inovace a růst technologické platformy Pathmind a optimalizuje výkon ve skladech a na továrních podlahách jako součást digitální transformace podniků.

Předtím byl Chris generálním ředitelem Skymind, společnosti pro umělou inteligenci zaměřené na hluboké učení. Předtím zastával role v komunikaci a náboru pro FutureAdvisor, startup podporovaný Sequoia a Y Combinator, který byl v roce 2015 zakoupen BlackRockem za 200 milionů dolarů. Chris také strávil deset let jako novinář, reportér pro The New York Times, Bloomberg News a Businessweek, mezi ostatními.

Byl jste dříve korespondentem pro The New York Times a editorem pro Bloomberg News, než jste se přeorientoval na strojové učení. Můžete diskutovat o cestě, která vás vedla k této změně v kariéře?

Když jsem byl novinářem, v letech 2000 a na počátku roku 2010, trpěl tento průmysl, protože reklamy se přesunuly na vyhledávače a sociální média a tradiční publikace ztratily čtenáře. Zastával jsem funkci reportéra pro finance a technologie a viděl lidi, kteří stavěli mnoho nových a zajímavých věcí. V určitém okamžiku jsem si řekl, že musím být na správné straně robotů, a tak jsem se přestěhoval do San Francisca.

To bylo v roce 2013. V té době tam ještě byly hacker houses v SOMA. Přestěhoval jsem se do jednoho z nich, na palandu v místnosti se šesti dalšími chlapci, a každé ráno jsem šel do práce v startupu, který prošel Y Combinator. Pracoval jsem v San Francisku, a pomalu jsem se seznámil s lidmi a zjistil, co mě zajímá. V té době se hluboké učení teprve rozvíjelo. Bylo vidět, že má potenciál, ale stále bylo mnoho věcí, které bylo třeba postavit. Tato zvědavost mě vedla k zapojení se do projektu umělé inteligence, který nakonec vedl k Pathmind.

Můžete sdílet některé podrobnosti o tom, jak Pathmind může pomoci podnikům?

Podniky, které mají fyzickou provozovnu, jako je sklad, továrna nebo důl, obvykle čelí velmi složitým úlohám optimalizace. To znamená, že potřebují koordinovat velké množství zařízení, aby dosáhly cíle. Mnoho z nich se snaží maximalizovat průtok a efektivitu a minimalizovat náklady a emise uhlíku. Navrhuje algoritmy, které mohou použít jejich skutečná data, aby ukázaly nové způsoby, jak jejich zařízení mohou fungovat. To může zahrnovat plánování práce a strojů, směrování vozidel a řízení energetických nákladů, mezi ostatními.

Jaké jsou některé výhody otevřeného softwaru pro systémy strojového učení?

Softwarové společnosti jsou všechny lodě, které plují na moři otevřeného kódu. Infrastruktura veřejných cloudů běží na otevřeném softwaru. Mnoho nástrojů, které vývojáři používají k vytváření webových stránek a aplikací strojového učení, je také otevřené. Je to živý ekosystém. Jsme ranými přijímači pracujícími pro zajímavé nové otevřené projekty, jako je Ray, který vám pomáhá spustit distribuované výpočty pro úkoly umělé inteligence.

Jste jasně optimističtí ohledně budoucnosti hlubokého učení, podle vašeho názoru, jaké typy podniků jsou nejlépe vybaveny k využití tohoto typu strojového učení?

Společnosti, se kterými pracujeme, obvykle mají data, která používají k sledování svých operací a výkonu. Tyto společnosti mají fyzické operace, nad kterými mohou mít kontrolu. Naše algoritmy potřebují data, aby porozuměly prostředí, ve kterém fungují, a potřebují být představeny akcím, ze kterých si mohou vybrat, jako je zařízení, které lze ovládat, aby měly vliv na výsledky. Podstatně, podniky, které mají fyzické operace, nad kterými mají kontrolu, mají data o těchto operacích a některé analytiky pro tato data, jsou v dobré pozici, aby začaly uvažovat o optimalizaci, jako je naše.

Je něco jiného, co byste chtěl diskutovat o Pathmind?

Jedna věc, kterou děláme, která je vedle řízení fyzických operací, je pomoc podnikům předpovídat časové řady. Takže data, jako jsou ceny nebo poptávka, ovlivňují, jak se společnost chová, a kolik produkuje. Aby produkovaly správné množství, musí vědět, jaká bude poptávka. A aby mohli správně nastavit své ceny, musí mít přehled o fluktuacích cen. Naše algoritmy jsou schopny udělat tyto předpovědi.

Děkuji za skvělý rozhovor, čtenáři, kteří si přejí dozvědět se více, by měli navštívit Pathmind.