Bryon Jacob, CTO og medstifter af data.world – Intervju-serie

Bryon Jacob er CTO og medstifter af data.world – på en mission til at bygge verdens mest meningsfulde, samarbejdsorienterede og omfattende dataressource. Før data.world tilbragte han ti år i stillinger med øgende ansvar på HomeAway.com, kulminerende i en VP of Tech / Technical fellow-stilling. Bryon har også tidligere arbejdet hos Amazon (AMZN ) og er en langvarig mentor på Capital Factory. Han har en BS/MS i datalogi fra Case Western University.

Hvad var det, der oprindeligt tiltrak dig til datalogi?

Jeg har været fast besluttet på at kode, siden jeg fik fat i en Commodore 64, da jeg var 10 år gammel. Jeg startede med BASIC og gik hurtigt over til assembly-sprog. For mig er datalogi som at løse en række komplekse puslespil med den ekstra spænding, der kommer af automatisering. Det er denne problemløsningsaspekt, der altid har holdt mig engageret og begejstret.

Kan du dele historien om, hvordan data.world kom til?

data.world blev født af en række brainstormingsessioner blandt vores grundlæggerteam. Brett, vores CEO, kontaktede Jon og Matt, som han havde arbejdet med før. De begyndte at mødes for at smide ideer rundt, og Jon kom med nogle af disse ideer til mig for en teknisk vurdering. Selvom disse ideer ikke lykkedes, fik de os til at diskutere emner, der lå tæt på mit eget arbejde. Gennem disse samtaler fandt vi på idéen, der endte med at blive data.world. Vores fælles historie og gensidig respekt gjorde, at vi hurtigt kunne bygge et stærkt team, og vi fik med de bedste mennesker, vi havde arbejdet med tidligere, og lagde en solid grund for innovation.

Hvad inspirerede data.world til at udvikle AI Context Engine, og hvilke specifikke udfordringer løser det for virksomheder?

Fra starten vidste vi, at en Knowledge Graph (KG) ville være afgørende for at fremme AI-kapaciteterne. Med opkomsten af generativ AI ønskede vores kunder AI-løsninger, der kunne interagere med deres data på en samtalelig måde. En betydelig udfordring i AI-applikationer i dag er forklarbarhed. Hvis du ikke kan vise dit arbejde, er svarene mindre troværdige. Vores KG-arkitektur grundlægger hver respons i verificerbare fakta, hvilket giver klare, sporbare forklaringer. Dette forbedrer gennemsigtighed og pålidelighed, og gør det muligt for virksomheder at træffe informerede beslutninger med tillid.

Hvordan forbedrer knowledge graph-arkitekturen i AI Context Engine nøjagtigheden og forklarbarheden af LLM’er i forhold til SQL-databaser alene?

I vores banebrydende artikel demonstrerede vi en tredobling af nøjagtighed ved brug af Knowledge Graphs (KG’er) i forhold til traditionelle relationelle databaser. KG’er bruger semantik til at repræsentere data som virkelige verdensentiteter og relationer, hvilket gør dem mere nøjagtige end SQL-databaser, der fokuserer på tabeller og kolonner. For forklarbarhed giver KG’er os mulighed for at linke svar tilbage til termdefinitioner, datakilder og metrikker, hvilket giver en verificerbar spor, der forbedrer tillid og brugervenlighed.

Kan du dele nogle eksempler på, hvordan AI Context Engine har forandret datainteraktioner og beslutningstagning inden for virksomheder?

AI Context Engine er designed som en API, der integrerer nærmest uden problemer med kundernes eksisterende AI-applikationer, enten det er brugerdefinerede GPT’er, co-piloter eller tilpassede løsninger bygget med LangChain. Dette betyder, at brugerne ikke behøver at skifte til et nyt interface – i stedet bringer vi AI Context Engine til dem. Denne integration forbedrer brugeradoption og tilfredshed, og driver bedre beslutningstagning og mere effektive datainteraktioner ved at integrere kraftfulde AI-kapaciteter direkte i eksisterende arbejdsgange.

På hvilke måder giver AI Context Engine gennemsigtighed og sporbarehed i AI-beslutningstagning for at opfylde regulatoriske og styrekravsstandarder?

AI Context Engine kobler sig til vores Knowledge Graph og datakatalog, og udnytter funktioner omkring afstamning og styre. Vores platform sporer dataafstamning og giver fuld sporbarehed af data og transformationer. AI-genererede svar kobles tilbage til deres datakilder, hvilket giver en klar spor af, hvordan hver enkelt oplysning er blevet afledt. Denne gennemsigtighed er afgørende for overholdelse af regulatoriske og styrekravsstandarder, og sikrer, at hver enkelt AI-beslutning kan auditeres og verificeres.

Hvad rolle ser du, knowledge graphs kommer til at spille i det bredere landskab af AI og datastyring i de kommende år?

Knowledge Graphs (KG’er) bliver stadig mere vigtige med opkomsten af generativ AI. Ved at formalisere fakta i en grafstruktur giver KG’er en stærkere grundlag for AI, og forbedrer både nøjagtighed og forklarbarhed. Vi ser en skift fra standard Retrieval Augmented Generation (RAG)-arkitekturer, der afhænger af ustruktureret data, til Graph RAG-modeller. Disse modeller konverterer ustruktureret indhold til KG’er først, hvilket fører til betydelige forbedringer i recall og nøjagtighed. KG’er er sat til at spille en afgørende rolle i at drive AI-innovationer og effektivitet.

Hvad fremtidige forbedringer kan vi forvente for AI Context Engine for at yderligere forbedre dets kapaciteter og brugeroplevelse?

AI Context Engine bliver bedre med tiden, da kontekst flyder tilbage til datakataloget, og gør det smartere over tid. Fra et produktstandpunkt fokuserer vi på at udvikle agenter, der udfører avancerede vidensteknologiske opgaver, og omdanner råt indhold til rigere ontologier og videnbasier. Vi lærer kontinuerligt af mønstre, der virker, og integrerer hurtigt disse indsigt i brugerne, og giver dem et kraftfuldt, intuitivt værktøj til at styre og udnytte deres data.

Hvordan investerer data.world i forskning og udvikling for at blive ved med at være i frontlinjen af AI- og dataintegrations-teknologier?

Forskning og udvikling af AI Context Engine er vores største investeringsområde. Vi er dedikeret til at blive ved med at være i frontlinjen af, hvad der er muligt i AI og dataintegration. Vores team, der består af eksperter i både symbolisk AI og maskinlæring, driver denne engagement. Den solide grund, vi har bygget op på data.world, giver os mulighed for at bevæge os hurtigt og presse teknologiske grænser, og sikrer, at vi konsekvent leverer banebrydende kapaciteter til vores kunder.

Hvad er din langsigtede vision for fremtiden af AI og dataintegration, og hvordan ser du, data.world bidrager til denne udvikling?

Min vision for fremtiden af AI og dataintegration har altid været at gå ud over blot at gøre det lettere for brugerne at forespørge deres data. I stedet sigter vi mod at eliminere behovet for brugerne overhovedet at forespørge deres data. Vores vision har konsekvent været at integrere en organisations data med dens viden – omfattende metadata om data-systemer og logiske modeller af virkelige verdensentiteter.

Ved at opnå denne integration i en maskinlæselig viden graf, kan AI-systemer virkelig opfylde løftet om naturlig sproginteraktion med data. Med de hurtige fremskridt i generativ AI de seneste to år og vores bestræbelser på at integrere det med virksomheds-vide graf, bliver denne fremtid til virkelighed i dag. Hos data.world er vi i frontlinjen af denne udvikling, og driver transformationen, der giver AI mulighed for at levere uhørt værdi gennem intuitive og intelligente datainteraktioner.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge data.world.