Bryon Jacob, CTO und Mitgründer von data.world – Interview-Serie

Bryon Jacob ist der CTO und Mitgründer von data.world – auf einer Mission, die bedeutendste, kollaborativste und umfassendste Datenressource der Welt aufzubauen. Vor data.world verbrachte er zehn Jahre in verschiedenen Rollen mit zunehmender Verantwortung bei HomeAway.com, die in einer VP-of-Tech-/Technical-Fellow-Rolle gipfelten. Bryon hat auch zuvor bei Amazon (AMZN ) gearbeitet und ist ein langjähriger Mentor bei Capital Factory. Er hat einen BS/MS in Informatik von der Case Western University.

Was hat Sie ursprünglich zur Informatik hingezogen?

Ich bin seit ich im Alter von 10 Jahren meine Hände auf einen Commodore 64 gelegt habe, von der Programmierung begeistert. Ich begann mit BASIC und wechselte schnell zu Assemblersprache. Für mich ist Informatik wie das Lösen einer Reihe von komplizierten Rätseln mit dem zusätzlichen Nervenkitzel der Automatisierung. Es ist dieser Problemlösungsaspekt, der mich immer engagiert und begeistert hat.

Können Sie die Entstehungsgeschichte hinter data.world teilen?

data.world entstand aus einer Reihe von Brainstorming-Sitzungen unseres Gründerteams. Brett, unser CEO, nahm Kontakt mit Jon und Matt auf, mit denen er zuvor zusammengearbeitet hatte. Sie begannen, Ideen auszutauschen, und Jon brachte einige dieser Konzepte zu mir für eine technische Bewertung. Obwohl diese Ideen nicht funktionierten, lösten sie Diskussionen aus, die eng mit meiner eigenen Arbeit übereinstimmten. Durch diese Gespräche kamen wir auf die Idee, die schließlich zu data.world wurde. Unsere gemeinsame Geschichte und gegenseitige Achtung ermöglichten es uns, schnell ein großartiges Team aufzubauen, das beste Leute, mit denen wir in der Vergangenheit zusammengearbeitet hatten, einzubinden und eine solide Grundlage für Innovationen zu schaffen.

Was hat data.world dazu inspiriert, den AI-Kontext-Motor zu entwickeln, und welche spezifischen Herausforderungen löst er für Unternehmen?

Von Anfang an wussten wir, dass ein Wissensgraph (KG) für die Weiterentwicklung von KI-Fähigkeiten entscheidend sein würde. Mit dem Aufkommen von generativer KI wollten unsere Kunden KI-Lösungen, die konversationell mit ihren Daten interagieren konnten. Eine signifikante Herausforderung bei KI-Anwendungen heute ist die Erklärbarkeit. Wenn Sie Ihre Arbeit nicht zeigen können, sind die Antworten weniger vertrauenswürdig. Unser KG-Architektur basiert jede Antwort auf verifizierbaren Fakten und bietet klare, nachvollziehbare Erklärungen. Dies verbessert die Transparenz und Zuverlässigkeit und ermöglicht es Unternehmen, mit Vertrauen informierte Entscheidungen zu treffen.

Wie verbessert die Wissensgraph-Architektur des AI-Kontext-Motors im Vergleich zu SQL-Datenbanken allein die Genauigkeit und Erklärbarkeit von LLMs?

In unserem bahnbrechenden Paper haben wir eine dreifache Verbesserung der Genauigkeit mit Wissensgraphen (KGs) im Vergleich zu traditionellen relationalen Datenbanken demonstriert. KGs verwenden Semantik, um Daten als realweltliche Entitäten und Beziehungen darzustellen, was sie genauer macht als SQL-Datenbanken, die sich auf Tabellen und Spalten konzentrieren. Für die Erklärbarkeit ermöglichen KGs es uns, Antworten mit Begriffsdefinitionen, Datenquellen und Metriken zu verknüpfen, was einen verifizierbaren Pfad bietet, der Vertrauen und Benutzerfreundlichkeit verbessert.

Können Sie einige Beispiele dafür nennen, wie der AI-Kontext-Motor Dateninteraktionen und Entscheidungsfindung innerhalb von Unternehmen transformiert hat?

Der AI-Kontext-Motor ist als API konzipiert, die nahtlos mit den bestehenden KI-Anwendungen unserer Kunden integriert wird, sei es eine benutzerdefinierte GPT, Co-Pilot oder eine maßgeschneiderte Lösung, die mit LangChain erstellt wurde. Dies bedeutet, dass Benutzer nicht auf eine neue Oberfläche umsteigen müssen – stattdessen bringen wir den AI-Kontext-Motor zu ihnen. Diese Integration verbessert die Benutzerakzeptanz und -zufriedenheit, treibt bessere Entscheidungsfindung und effizientere Dateninteraktionen voran, indem sie leistungsstarke KI-Fähigkeiten direkt in bestehende Workflows einbettet.

Wie bietet der AI-Kontext-Motor Transparenz und Nachvollziehbarkeit in KI-Entscheidungsfindung, um regulatorische und Governance-Anforderungen zu erfüllen?

Der AI-Kontext-Motor bindet sich in unseren Wissensgraphen und Datenkatalog ein, indem er Fähigkeiten im Bereich Herkunft und Governance nutzt. Unsere Plattform verfolgt die Datenherkunft und bietet vollständige Nachvollziehbarkeit von Daten und Transformationen. KI-generierte Antworten werden mit ihren Datenquellen verknüpft, was einen klaren Pfad bietet, der zeigt, wie jede Information abgeleitet wurde. Diese Transparenz ist für die Einhaltung von regulatorischen und Governance-Anforderungen von entscheidender Bedeutung, um sicherzustellen, dass jede KI-Entscheidung auditiert und verifiziert werden kann.

Welche Rolle sehen Sie Wissensgraphen in der breiteren Landschaft von KI und Datenmanagement in den kommenden Jahren spielen?

Wissensgraphen (KGs) werden mit dem Aufkommen von generativer KI immer wichtiger. Durch die Formalisierung von Fakten in eine Graphstruktur bieten KGs eine stärkere Grundlage für KI, die sowohl Genauigkeit als auch Erklärbarkeit verbessert. Wir sehen einen Wandel von standardmäßigen Retrieval-Augmented-Generation-(RAG)-Architekturen, die auf unstrukturierten Daten basieren, hin zu Graph-RAG-Modellen. Diese Modelle konvertieren unstrukturierten Inhalt zuerst in KGs, was zu signifikanten Verbesserungen in Bezug auf Abruf und Genauigkeit führt. KGs sind für die Förderung von KI-Innovationen und -Effektivität von entscheidender Bedeutung.

Welche zukünftigen Verbesserungen können wir für den AI-Kontext-Motor erwarten, um seine Fähigkeiten und Benutzererfahrung weiter zu verbessern?

Der AI-Kontext-Motor verbessert sich mit der Nutzung, da Kontext in den Datenkatalog zurückfließt, was ihn im Laufe der Zeit intelligenter macht. Von einem Produktstandpunkt aus konzentrieren wir uns auf die Entwicklung von Agenten, die fortschrittliche Wissensengineering-Aufgaben ausführen, rohe Inhalte in reichere Ontologien und Wissensbasen umwandeln. Wir lernen kontinuierlich von Mustern, die funktionieren, und integrieren diese Erkenntnisse schnell, um den Benutzern ein leistungsstarkes, intuitives Tool für die Verwaltung und Nutzung ihrer Daten zu bieten.

Wie investiert data.world in Forschung und Entwicklung, um an der Spitze von KI- und Datenintegrations-Technologien zu bleiben?

Die Forschung und Entwicklung am AI-Kontext-Motor sind unser größtes Investitionsgebiet. Wir sind entschlossen, an der Spitze dessen zu bleiben, was in KI und Datenintegration möglich ist. Unser Team, das aus Experten in symbolischer KI und maschinellem Lernen besteht, treibt diese Verpflichtung voran. Die solide Grundlage, die wir bei data.world aufgebaut haben, ermöglicht es uns, schnell zu handeln und technologische Grenzen zu überschreiten, um unseren Kunden kontinuierlich Spitzenleistungen zu bieten.

Was ist Ihre langfristige Vision für die Zukunft von KI und Datenintegration, und wie sieht data.world diese Evolution mitgestalten?

Meine Vision für die Zukunft von KI und Datenintegration war es immer, über die einfache Abfrage von Daten hinauszugehen. Stattdessen zielen wir darauf ab, den Bedarf, Daten abzufragen, vollständig zu eliminieren. Unsere Vision war es immer, die Daten einer Organisation nahtlos mit ihrem Wissen zu verbinden – einschließlich Metadaten über Daten-systeme und logische Modelle realer Entitäten.

Durch die Erreichung dieser Integration in einem maschinenlesbaren Wissensgraphen können KI-Systeme das Versprechen von natürlichen Sprachinteraktionen mit Daten wirklich erfüllen. Mit den raschen Fortschritten in generativer KI in den letzten zwei Jahren und unseren Bemühungen, diese mit Unternehmens-Wissensgraphen zu integrieren, wird diese Zukunft heute Realität. Bei data.world sind wir an der Spitze dieser Evolution, treiben die Transformation voran, die es KI ermöglicht, durch intuitive und intelligente Dateninteraktionen beispiellosen Wert zu liefern.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten data.world besuchen.