Følg os

Interviews

Bryon Jacob, CTO og medstifter af data.world – Interview Series

mm

Udgivet

 on

Bryon Jacob er CTO og medstifter af data.verden – på en mission om at bygge verdens mest meningsfulde, samarbejdende og rigelige dataressource. Før data.world tilbragte han ti år i roller med stigende ansvar hos HomeAway.com, kulminerende i en VP of Tech / Technical fellow rolle. Bryon har også tidligere arbejdet hos Amazon, og er mangeårig mentor hos Capital Factory. Han har en BS/MS i datalogi fra Case Western University.

Hvad tiltrak dig oprindeligt til datalogi?

Jeg har været hooked på kodning, siden jeg fik fingrene i en Commodore 64 i en alder af 10. Jeg startede med BASIC og gik hurtigt videre til assemblersprog. For mig er datalogi som at løse en række indviklede gåder med den ekstra spænding ved automatisering. Det er dette problemløsningsaspekt, der altid har holdt mig engageret og begejstret.

Kan du dele tilblivelseshistorien bag data.world?

data.world blev født ud fra en række brainstormsessioner blandt vores grundlæggere. Brett, vores administrerende direktør, nåede ud til Jon og Matt, som han begge havde arbejdet med før. De begyndte at mødes for at kaste rundt med ideer, og Jon bragte et par af disse koncepter til mig til en teknisk evaluering. Selvom disse ideer ikke slog igennem, udløste de diskussioner, der passede tæt sammen med mit eget arbejde. Gennem disse samtaler fik vi ideen, der til sidst blev til data.world. Vores fælles historie og gensidige respekt gjorde det muligt for os hurtigt at opbygge et fantastisk team, bringe de bedste mennesker ind, vi tidligere havde arbejdet med, og til at lægge et solidt grundlag for innovation.

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

Fra begyndelsen vidste vi, at en Knowledge Graph (KG) ville være afgørende for at fremme AI-kapaciteter. Med fremkomsten af ​​generativ AI ønskede vores kunder AI-løsninger, der kunne interagere med deres data i samtale. En væsentlig udfordring i AI-applikationer i dag er forklarlighed. Hvis du ikke kan vise dit arbejde, er svarene mindre troværdige. Vores KG-arkitektur begrunder hvert svar i verificerbare fakta og giver klare, sporbare forklaringer. Dette øger gennemsigtigheden og pålideligheden, hvilket gør det muligt for virksomheder at træffe informerede beslutninger med tillid.

Hvordan forbedrer videngrafarkitekturen i AI Context Engine nøjagtigheden og forklarligheden af ​​LLM'er sammenlignet med SQL-databaser alene?

I vores banebrydende papir, demonstrerede vi en tredobbelt forbedring af nøjagtigheden ved hjælp af Knowledge Graphs (KG'er) i forhold til traditionelle relationelle databaser. KG'er bruger semantik til at repræsentere data som enheder og relationer i den virkelige verden, hvilket gør dem mere nøjagtige end SQL-databaser, der fokuserer på tabeller og kolonner. For forklaringen giver KG'er os mulighed for at linke svar tilbage til termdefinitioner, datakilder og metrikker, hvilket giver et verificerbart spor, der forbedrer tillid og brugervenlighed.

Kan du dele nogle eksempler på, hvordan AI Context Engine har transformeret datainteraktioner og beslutningstagning i virksomheder?

AI Context Engine er designet som en API, der integreres problemfrit med kundernes eksisterende AI-applikationer, hvad enten det er brugerdefinerede GPT'er, co-piloter eller skræddersyede løsninger bygget med LangChain. Det betyder, at brugerne ikke behøver at skifte til en ny grænseflade – i stedet bringer vi AI Context Engine til dem. Denne integration forbedrer brugertilfredshed og -tilfredshed, driver bedre beslutningstagning og mere effektive datainteraktioner ved at integrere kraftfulde AI-funktioner direkte i eksisterende arbejdsgange.

På hvilke måder giver AI Context Engine gennemsigtighed og sporbarhed i AI-beslutningstagning for at imødekomme regulatoriske og styringskrav?

AI Context Engine knytter sig til vores vidensgraf og datakatalog og udnytter mulighederne omkring afstamning og styring. Vores platform sporer dataafstamning og tilbyder fuld sporbarhed af data og transformationer. AI-genererede svar er forbundet tilbage til deres datakilder, hvilket giver et klart spor af, hvordan hver enkelt information blev udledt. Denne gennemsigtighed er afgørende for overholdelse af lovgivning og forvaltning, hvilket sikrer, at enhver AI-beslutning kan revideres og verificeres.

Hvilken rolle ser du vidensgrafer spille i det bredere landskab af AI og datastyring i de kommende år?

Knowledge Graphs (KG'er) bliver stadig vigtigere med fremkomsten af ​​generativ AI. Ved at formalisere fakta til en grafstruktur giver KG'er et stærkere grundlag for AI, hvilket øger både nøjagtighed og forklarlighed. Vi ser et skift fra standard Retrieval Augmented Generation (RAG) arkitekturer, som er afhængige af ustrukturerede data, til Graph RAG-modeller. Disse modeller konverterer først ustruktureret indhold til KG'er, hvilket fører til betydelige forbedringer i tilbagekaldelse og nøjagtighed. KG'er er sat til at spille en central rolle i at drive AI-innovationer og effektivitet.

Hvilke fremtidige forbedringer kan vi forvente af AI Context Engine for yderligere at forbedre dens muligheder og brugeroplevelse?

AI Context Engine forbedres med brug, efterhånden som kontekst flyder tilbage til datakataloget, hvilket gør det smartere over tid. Fra et produktsynspunkt fokuserer vi på at udvikle agenter, der udfører avancerede videningeniøropgaver, der omdanner råt indhold til rigere ontologier og videnbaser. Vi lærer løbende af mønstre, der virker og integrerer hurtigt disse indsigter, hvilket giver brugerne et kraftfuldt, intuitivt værktøj til at administrere og udnytte deres data.

Hvordan investerer data.world i forskning og udvikling for at forblive på forkant med AI og dataintegrationsteknologier?

R&D på AI Context Engine er vores største enkeltinvesteringsområde. Vi er forpligtet til at forblive på kanten af, hvad der er muligt inden for AI og dataintegration. Vores team, eksperter i både symbolsk AI og maskinlæring, driver dette engagement. Det robuste fundament, vi har bygget hos data.world, gør os i stand til at bevæge os hurtigt og skubbe teknologiske grænser, hvilket sikrer, at vi konsekvent leverer banebrydende kapaciteter til vores kunder.

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

Min vision for fremtiden for AI og dataintegration har altid været at gå videre end blot at gøre det nemmere for brugerne at forespørge på deres data. I stedet sigter vi mod helt at eliminere behovet for, at brugere skal forespørge om deres data. Vores vision har konsekvent været at integrere en organisations data problemfrit med dens viden – omfattende metadata om datasystemer og logiske modeller for enheder i den virkelige verden.

Ved at opnå denne integration i en maskinlæsbar vidensgraf kan AI-systemer virkelig opfylde løftet om naturlig sproginteraktion med data. Med de hurtige fremskridt inden for generativ AI i løbet af de sidste to år og vores bestræbelser på at integrere det med grafer for virksomhedsviden, er denne fremtid ved at blive en realitet i dag. Hos data.world er vi på forkant med denne udvikling og driver den transformation, der gør det muligt for AI at levere hidtil uset værdi gennem intuitive og intelligente datainteraktioner.

Tak for det gode interview, læsere, der ønsker at lære mere, bør besøge data.verden.

En stiftende partner af unite.AI og et medlem af Forbes Technology Council, Antoine er en fremtidsforsker der brænder for fremtiden for kunstig intelligens og robotteknologi.

Han er også grundlægger af Værdipapirer.io, en hjemmeside, der fokuserer på at investere i disruptiv teknologi.