Sean Mullaney, Chief Technology Officer hos Algolia – Interview Serie

Sean Mullaney er Chief Technology Officer hos Algolia, en end-to-end, AI-dreven søgning og opdagelsesplatform.

Sean er en tidligere Stripe- og Google (GOOGL ) -direktør med baggrund i at skala tekniske organisationer, udvikle AI-drevne søgnings- og opdagelsesværktøjer samt vokse API-førsteløsninger globalt. Hos Algolia overvåger han teknologien bag den næststørste søgemaskine efter Google, der bruges til over 1,5 billion søgninger om året. Senest ledede han virksomhedens lancering af AlgoliaNeuralSearch – verdens hurtigste, hyper-skalerbare og kosteffective vektor- og nøgleordsøgnings-API.

Hvad var det, der oprindeligt tiltrak dig til datalogi?

Da jeg var 10 år gammel, købte mine forældre vores første computer hjem. Det første, jeg ville, var at lære, hvordan jeg kunne skrive et teksteventyrspil, som jeg kopierede fra en bog. Et par år senere begyndte jeg at lære C++, men at designe og bygge computerspil forblev en stor passion for mig som teenager, der lige var begyndt at udforske datalogi.

Du tilbragte over 7 år hos Google, hvor du hjalp med at bygge og lede hold, der arbejdede med strategi, drift, big data og maskinlæring. Hvad var dit yndlingsprojekt, og hvad lærte du af denne oplevelse?

Vi fandt ud af, hvordan vi kunne bruge alle de store data, vi havde om, hvordan annoncører brugte vores produkter, til at hjælpe salgsteams. Vi udviklede brugerdefinerede regler (senere mere komplekse neurale netværk) til at forudsige, hvilke kunder vi skulle tilbyde hvilke produkter på hvilke tidspunkter for at maksimere sandsynligheden for, at en salgspersons tid resulterede i omsætningsforbedring. Med over 1 million annoncører på Google hjalp dette værktøj betydeligt salgsteams med at finde nålene i høstakken.

I en seneste DevBit-opsamling beskrev du formålet med Algolia som at aktivere brugere til at indekserer verden og sætte indhold i bevægelse. Kan du uddybe, hvad denne udtalelse betyder?

Til sidst vil vi hjælpe vores kunder med at få værdi ud af deres data. Internettet har skabt en enorm eksplosion af indhold og e-handelsprodukter, og selvom denne udvikling bestemt er en betydelig milepæl, betyder den overvældende mængde information, der nu er tilgængelig, at det er sværere end nogensinde – og bliver mere og mere svært – at finde, hvad man egentlig søger som bruger. Men når søgning og opdagelse er drevet af AI, kan den voksende liste af indhold intelligent tilgås og sættes i bevægelse for virkelig at hjælpe brugerne, ikke bare overvælde dem.

I september 2022 købte Search.io og dets ejendomsflagskib NeuralSearch™ af Algolia. Kan du diskutere, hvad denne søgeteknologi specifikt er?

I et nøddeskal integrerer Algolia NeuralSearch nøgleordsmatchning med vektorbaseret naturlig sprogbehandling, drevet af LLM’er, i ét API – en branche-først. Løsningen inkorporerer vores ejendoms- og første-af-dens-art Neural Hashing-teknik, der gør brugen af vektorer skalerbar og 90% mere kosteffektiv – et problem, andre AI-virksomheder, herunder ChatGPT, står overfor. Det, der virkelig er spændende ved dette gennembrudsprodukt, er, at det gør sand AI-søgning skalerbar for virksomheds-klassificerede organisationer.

Den nye teknologi giver også kunder, såsom detailhandlere, mulighed for at forstå og levere indhold, der matcher forespørgsler, der normalt er for konversationelle til at levere præcise eller nogen resultater (betragtes som langhaler). Disse udgør 55% af nuværende sitesøgninger. Som den eneste end-to-end AI-søgeløsning, der anvender AI på tværs af forespørgselsforståelse, hentning og rangordning af resultater, forstår NeuralSearch virkelig disse forespørgsler og omdanner missede muligheder til omsætning.

Uden for NeuralSearch™, hvilke andre maskinlæringsmetoder bruges?

Vi inkorporerede AI på tværs af tre primære funktioner – forespørgselsforståelse, forespørgselshentning og rangordning af resultater. Vi kalder dette AI-søgsandwichen:

• Forespørgselsforståelse: Algorias avancerede naturlige sprogforståelse (NLU) og AI-dreven vektorsøgning giver fri-form naturligt sprogudtryksforståelse og AI-dreven forespørgelskategorisering, der forbereder og strukturerer en forespørgsel til analyse. Desuden tilpasser Adaptive Learning, baseret på brugerfeedback, intentionforståelsen.
• Hentning: De mest relevante resultater hentes herefter og rangordnes fra mest til mindst relevant. Hentningsprocessen kombinerer Neural Hashing-resultaterne parallelt med nøgleord ved hjælp af samme indeks til let hentning og rangordning. Denne tilgang løser problemet med “nulresultater” og forbedrer betydeligt klikpositioner og klik-gennem-rater. Ingen anden søgeplatform i søgning og opdagelsesrummet tilbyder denne kraftfulde funktion.
• Rangordning: Endelig rangeres de bedste resultater øverst af Algorias AI-drevne genrangordning, der tager hensyn til de mange signaler, der er knyttet til søgeforespørgslen (herunder den præcise nøgleordsmatchningsscore, den kontekstuelle personificeringsprofil, den observerede popularitet af elementer, den semantiske matchningsscore osv.) og lærer at nå maksimal relevans.

Desuden vil Algorias AI-drevne NeuralSearch-produkt, når indekset ændres, nye produkter tilføjes, nyt indhold uploades eller når termer får ny betydning, lære og tilpasse sig automatisk. Det kræver ikke yderligere arbejdskraft eller manuelle operationer. Det vil automatisk matche nøgleord eller begreber – muligvis en blanding af begge – afhængigt af forespørgslen eller søgeudtrykket. Dette sætter virkelig søgning på autopilot.

Algolia har for nylig øget sin gratis plan fra 10.000 poster og har øget den til 1 million poster. Hvad var tanken bag dette, og hvordan har markedet reageret?

Vi valgte specifikt at udvikle Algorias priser og pakker til at være endnu mere udvikler-venlige med introduktionen af to nye udvikler-orienterede planer: en “byg”-plan, der er gratis, og en “Vækst”-plan, der tilbyder let skalerbarhed til overkommelige priser. Den nye Byg-plan øger antallet af gratis poster, som en udvikler kan gemme i Algolia, fra 10.000 til nu 1 million poster. Dette repræsenterer en 100-gangs øgning af antallet af gratis poster, som udviklere nu kan indekserer i Algolia. Desuden reducerede Algolia omkostningerne ved søgeforespørgsler i sin Vækst-plan med 50% og poster med 60%.

Tanken bag vores opdaterede “Byg”-prisplan er at give udviklere gratis adgang til det fulde sæt af funktioner i sin AI-drevne Søgning og Opdagelsesplatform. “Vækst”-planen, når en udvikler er klar til at skalerer sin applikation, giver udviklere mere udvikler-venlig brugsbaseret prissætning til live-produktionssætninger.

En vigtig bemærkning her er, at enhver designer, skaber eller bygger – uanset om de er en casual eller fuldt engageret software-ingeniør – kan hurtigt og let få adgang til alle værktøjerne, dokumentationen, eksempelkoden, det uddannelsesmæssige indhold og cross-platform-integrationsfunktionerne, der er nødvendige for at komme i gang med at håndtere deres data, bygge en søgefront, konfigurere analyser og mere – alt sammen gratis. Desuden vil de have umiddelbar adgang til en voksende udviklerfællesskab på over 5 millioner byggere.

Kan du diskutere de søgepersonaliseringsværktøjer, der tilbydes?

Algolia tilbyder flere søgepersonaliseringsværktøjer til virksomheder for at udnytte data til bedre anbefalinger, herunder forskellige anbefalinger og unikke måder at udnytte data til at drive disse anbefalinger.

Nogle eksempler omfatter:

• Trending: Forslag til andre elementer, der er populære og relaterer til de søgninger, din kunde har udført.
• Ratings-baseret: Mennesker vil købe produkter med de bedste vurderinger.
• Personlig: Baseret på, hvad du købte sidst, browse-historik, placering eller andre faktorer, anbefaler vi disse andre produkter.

Disse data-drevne metoder kan hjælpe med at hurtigt forbedre og forbedre resultaterne baseret på, hvordan kunder interagerer med produkter, så du er mere sandsynlig at anbefale de produkter, der faktisk konverterer bedst.

Du har beskrevet Algolia som den mest skalerbare hybride AI-søgemaskine i verden. Hvordan er Algolia designet til at skalerer så effektivt?

Det kommer hele vejen tilbage til Neural Hashing. Denne banebrydende løsning komprimerer og dramatisk accelererer hver enkelt forespørgsel. Det er langt hurtigere at beregne hash-lignende end standard-vektorlignelser og returnerer resultater på millisekunder.

Neural Hashing repræsenterer et gennembrud for at sætte AI-hentning i produktion til en enorm variation af brugsområder. Kombineret med AI-dreven forespørgselsbehandling og genrangordning lover det at frigøre den fulde kraft af AI på lokal søgning. Før Algorias proprietære gennembrud har vektorbaseret søgning været for kompleks at køre i produktion.

Den del af sandwichen, jeg gerne vil fokusere mest på, er kødet: hentning. Grunden til, at vi siger, vi er den eneste sande end-to-end AI-søgemaskine, er, at der har været en konstant kamp bag kulisserne i søgeindustrien for at tilføje AI til hentning. Informationshentning er en utrolig kompleks proces, og det er endnu mere komplekst at mestre højtydende, kosteffektiv AI-hentning i skala. Vi mestrede det med vores gennembrud Neural Hashing-teknik. Ved at gøre det har vi essentielt vundet søgningens hellige gral.

Er der noget andet, du gerne vil dele om Algolia?

Det er en spændende tid at arbejde hos Algolia, og vi søger altid at starte samtaler med talentfulde, passionerede mennesker, der vil slutte sig til os på vores rejse for at bygge verdens bedste søgeteknologi. Hvis det lyder som noget for dig, ville jeg invitere dig til at se vores nuværende åbninger på https://www.algolia.com/careers/.