William Falcon, grundlægger og administrerende direktør for Lightning AI – Intervju-serie

Lightning AI er skaberen af PyTorch Lightning, et framework designet til træning og finjustering af AI-modeller, samt Lightning AI Studio. PyTorch Lightning blev oprindeligt udviklet af William Falcon i 2015, mens han var på Columbia University. Det blev senere open-source i 2019 under hans PhD på NYU og Facebook (META ) AI Research, under vejledning af Kyunghyun Cho og Yann LeCun. I 2023 lancerede Lightning AI Lightning AI Studio, en cloud-platform, der muliggør kodning, træning og implementering af AI-modeller direkte fra en browser uden krav til opsætning.

I dag har PyTorch Lightning overhalet 130 millioner downloads, og AI Studio understøtter over 150.000 brugere på tværs af hundredvis af virksomheder.

Hvad inspirerede dig til at skabe PyTorch Lightning, og hvordan førte dette til grundlæggelsen af Lightning AI?

Som skaberen af PyTorch Lightning var jeg inspireret til at udvikle en løsning, der ville frigøre datavidenskab fra ingeniørarbejde, og gøre AI-udvikling mere tilgængelig og effektiv. Denne vision voksede ud af mine erfaringer som bachelorstuderende på Columbia, under min PhD på NYU og mit arbejde på Facebook AI Research. PyTorch Lightning fik hurtigt fodfæste i både akademiske og industrielle kredse, hvilket førte til, at jeg grundlagde Lightning AI (oprindeligt Grid.ai) i 2019. Vores mål var at skabe et “operativsystem for kunstig intelligens”, der kunne samle den fragmenterede AI-udviklingsøkosystem. Denne udvikling fra PyTorch Lightning til Lightning AI afspejler vores engagement i at forenkle hele AI-livscyklussen, fra udvikling til produktion, og muliggøre, at forskere og ingeniører kan bygge end-to-end ML-systemer på få dage i stedet for år. Lightning AI-platformen er kulminationen af denne vision, der sigter mod at gøre AI-udvikling lige så let som at køre en bil, uden at kræve dyb viden om komplekse underliggende teknologier.

Kan du dele historien bag overgangen fra Grid.ai til Lightning AI og den vision, der driver denne udvikling?

Overgangen fra Grid.ai til Lightning AI blev drevet af erkendelsen af, at AI-udviklingsøkosystemet havde brug for mere end bare en skalerbar træningsløsning. Vi lancerede oprindeligt Grid.ai i 2020 for at fokusere på cloud-baseret modeltræning. Men da virksomheden voksede, og vi lyttede til brugerfeedback, erkendte vi behovet for en omfattende, end-to-end-platform, der kunne håndtere den fragmenterede og tidskrævende natur af AI-udvikling. Denne indsigt førte til skabelsen af Lightning AI, en samlet løsning, der går ud over træning til at omfatte serving og andre kritiske komponenter i AI-livscyklussen. Vores udvikling afspejler en vision om at forenkle og strømline hele AI-udviklingsprocessen, reducere tiden og ressourcerne, der kræves for machine learning-initiativer, og ære den voksende fællesskab af udviklere, der havde kommet til at stole på vores værktøjer.

Hvordan forestiller du dig fremtiden for AI-udvikling, og hvilken rolle spiller Lightning AI i at forme denne fremtid?

Jeg forestiller mig en fremtid, hvor AI-udvikling er demokratiseret og tilgængelig for alle, ikke kun store teknologivirksomheder eller specialiserede forskere. Hos Lightning AI arbejder vi på at forme denne fremtid ved at skabe en samlet platform, der forenkler hele AI-livscyklussen. Vores mål er at gøre opbygning af AI-applikationer lige så let som at bygge en hjemmeside, og eliminere behovet for omfattende ingeniørkundskab eller dyrt udstyr. Vi tror, at ved at levere værktøjer, der håndterer kompleksiteterne i AI-udvikling – fra dataforberedelse og modeltræning til implementering – kan vi frigøre en ny bølge af innovation. Lightning AI sigter mod at være katalysatoren for denne forandring, og muliggøre, at individer og organisationer af alle størrelser kan bringe deres AI-idéer til live hurtigt og effektivt. Til sidst ser vi en fremtid, hvor AI bliver et almindeligt værktøj til problemløsning på tværs af alle industrier, og Lightning AI er i front for at gøre denne vision til virkelighed.

Med PyTorch Lightning har du forsøgt at reducere boilerplate-kode i AI-forskning. Hvordan balancerer du enkelhed med den fleksibilitet, der kræves af avancerede forskere?

Vores tilgang med PyTorch Lightning har altid været at finde en balance mellem enkelhed og fleksibilitet. Vi har designet frameworket til at eliminere boilerplate-kode og standardisere bedste praksis, hvilket betydeligt accelererer udvikling og reducerer fejl. Men vi er også meget bevidste om, at avancerede forskere har brug for muligheden for at tilpasse og udvide funktionalitet. Derfor har vi bygget Lightning med en modulær arkitektur, der tillader forskere at let overstyre standardadfærd, når det er nødvendigt. Vi tilbyder højt niveau abstraktioner for almindelige opgaver, men vi eksponerer også lavere niveau API’er, der giver fuld kontrol over træningsprocessen. Denne designfilosofi betyder, at begyndere kan komme i gang hurtigt med fornuftige standardindstillinger, mens erfarne forskere kan dykke dybt og implementere komplekse, tilpassede logikker. Til sidst er vores mål at fjerne de kedelige aspekter af AI-udvikling uden at påføre begrænsninger for kreativitet eller innovation. Vi tror, at denne balance er afgørende for at fremme AI-forskning, samtidig med at vi gør det mere tilgængeligt for en bredere fællesskab af udviklere og videnskabsmænd.

Hvad er nogle af de mest betydningsfulde teknologiske fremskridt, du ser komme i AI-udvikling i de næste par år, og hvordan forbereder Lightning AI sig på dem?

I de kommende år forventer jeg betydningsfulde fremskridt i AI, der vil revolutionere, hvordan vi udvikler og implementerer modeller. Vi vil sandsynligvis se mere effektive træningsmetoder, forbedrede modelkompressions-teknikker og gennembrud i multi-modal læring. Edge AI og federeret læring vil blive stadig vigtigere, da vi stræber efter mere privatlivsbeskyttende og ressourceeffektive løsninger. Hos Lightning AI forbereder vi os på disse ændringer ved at bygge en fleksibel, skalerbar platform, der kan tilpasse sig fremtidige teknologier. Vi fokuserer på at gøre vores værktøjer kompatible med en bred vifte af hardware-acceleratorer, herunder specialiserede AI-chips, for at understøtte forskellige beregningsmiljøer. Vi investerer også i forskning og udvikling for at integrere nye algoritmer og metoder, så snart de opstår. Vores mål er at skabe et økosystem, der ikke kun holder trit med disse fremskridt, men også hjælper med at demokratisere adgangen til dem, så avancerede AI-kapaciteter er tilgængelige for forskere og udviklere af alle niveauer, ikke kun de store teknologivirksomheder.

Din baggrund spænder over akademiske, militære og iværksætter-erfaringer. Hvordan har disse forskellige erfaringer påvirket din tilgang til at lede en AI-virksomhed?

Min tid i specialoperationer lærte mig at navigere i usikkerhed, træffe beslutninger med begrænsede informationer og opretholde holdets moral i udfordrende situationer – færdigheder, der oversætter sig godt til den uforudsigelige startup-miljø. Min akademiske erfaring gav mig en dyb respekt for rigorøs forskning og innovation. Iværksætter-erfaringen lærte mig at identificere markedets behov og oversætte innovative idéer til praktiske løsninger. Som venezuelansk immigrant og amerikansk militærveteran har jeg udviklet en global perspektiv, der påvirker vores rekrutteringspraksis hos Lightning AI, hvor vi prioriterer diversitet og undgår den typiske Silicon Valley “tech-bro”-kultur.

Jeg tror, at denne kombination af erfaringer giver mig mulighed for at lede vores virksomhed og tilgang til AI-udvikling med en holistisk synsvinkel, der balancerer teknologisk innovation med etiske overvejelser og samfundsmæssig impact. Det handler ikke kun om at bygge avanceret AI; det handler om at skabe teknologi, der gavner samfundet, samtidig med at vi opretholder en inklusiv miljø, hvor forskellige talenter kan trives. Disse erfaringer har kultiveret min overbevisning om at skabe værktøjer, der demokratiserer AI, og gør det tilgængeligt ikke kun for specialiserede forskere, men for en bredere fællesskab af udviklere og innovatorer på tværs af forskellige fag.

AI har en betydelig potentiale for samfundsmæssig impact, som du har udtrykt passion for. Hvordan bidrager Lightning AI til at bruge AI til samfundsgavn, og hvad er nogle eksempler på dette?

Hos Lightning AI er vi dybt engageret i at bruge AI til samfundsgavn, og vi tror, at open source er nøglen til at opnå dette. Ved at gøre AI tilgængelig og gennemsigtig demokratiserer vi teknologien og sikrer, at den ikke kun er i hænderne på få store virksomheder. Vores open-source-tilgang giver forskere, udviklere og organisationer på verdensplan mulighed for at bygge videre på og forbedre AI-modeller, hvilket fremmer innovation og samarbejde. Denne gennemsigtighed er afgørende for at håndtere etiske bekymringer og bias i AI, da det giver mulighed for gennemgang af de datasets og algoritmer, der bruges.

Vi har set vores teknologi anvendt i forskellige fag til samfundsmæssig impact, fra sundhedsprojekter, der bruger AI til tidlig sygdomsdetektion, til miljøinitiativer, der udnytter maskinlæring til klimaforandringsforskning. Ved at levere værktøjer, der forenkler AI-udvikling, muliggør vi, at flere mennesker kan skabe løsninger for presserende samfundsmæssige problemer. Yderligere sikrer vores engagement i diversitet i rekrutteringen, at vi bringer forskellige perspektiver til bordet, hvilket er afgørende for at udvikle AI, der tjener hele samfundet, ikke kun en udvalgt gruppe. Til sidst ser vi Lightning AI som en katalysator for positiv forandring, der giver en global fællesskab mulighed for at udnytte AI til det bedste.

Tak for det gode interview. Læsere, der ønsker at lære mere, kan besøge Lightning AI eller besøge William Falcons hjemmeside.