Nir Bar-Lev, CEO & Co-Founder von Allegro AI – Interview-Reihe

Nir Bar-Lev ist der CEO & Co-Founder von Allegro AI. Allegro AI spezialisiert sich darauf, Unternehmen bei der Entwicklung, dem Einsatz und der Verwaltung von Machine- und Deep-Learning-Lösungen zu unterstützen. Mit Allegro AI bringen Organisationen Produkte von höherer Qualität auf den Markt und verwalten sie schneller und kostengünstiger. Die Produkte basieren auf dem Allegro Trains Open-Source-ML- und DL-Experiment-Manager und dem ML-Ops-Paket.

Was hat Sie ursprünglich zur KI hingezogen?

Was mich in meiner Karriere am meisten angezogen hat, war die Möglichkeit, innovative Technologien zu nutzen, um Probleme oder Chancen (und tatsächlich sind sie zwei Seiten derselben Medaille) auf großem Maßstab zu lösen. Ich muss zugeben, dass meine Zeit bei Google diese Neigung sicherlich geprägt hat.

KI erfüllt sicherlich beide Kriterien. Es befindet sich an der Spitze einiger der heutigen Technologiegrenzen und hat das Potenzial, fast jeden Aspekt unseres Lebens auf diesem Planeten zu beeinflussen.

Sie hatten eine beeindruckende Karriere, die bei Google begann, wo Sie als Gründungs-Produktleiter für Googles Spracherkennungsplattform tätig waren. Können Sie über diese frühen Tage bei Google und das sprechen, was Sie aus dieser Erfahrung gelernt haben?

Kurz nach meinem Abschluss an der Wharton School of Business war ich erstaunt, wie Google im Widerspruch zu etablierten Geschäftsgrundsätzen funktionierte, wie sie in den besten Business-Schulen der Welt gelehrt werden und wie ich sie in meiner Karriere vor dem Business-Studium erlebt hatte. Ich erinnere mich lebhaft an Diskussionen mit einigen meiner Kollegen, die gleichzeitig mit mir bei Google angefangen hatten, direkt nach ihrem MBA.

Es stellte sich heraus, dass Google – in gewissem Maße – das Geschäftsplaybook geändert hat, aber es auch einen enormen virtuellen Geldregen aus seinem Werbegeschäft genoss, der es ermöglichte, auf Weise zu experimentieren, die die meisten Unternehmen sich nicht leisten konnten. Ich kann bestätigen, dass ich, als ich ein Jahrzehnt bei Google verbrachte, es zunehmend “mainstream”-etablierte Geschäftspraktiken und Denkprozesse annahm, als es wuchs.

Für mich war es auch, als Leiter der Spracherkennungsplattform als Produktmanager, notwendig, mit Forschungswissenschaftlern zusammenzuarbeiten. Dies war tatsächlich eines der ersten, wenn nicht das erste, Forschungsteams bei Google, das wirklich auf angewandte Forschung ausgerichtet war. Für mich war dies eine große Herausforderung. Forscher haben sehr unterschiedliche Mindsets als Ingenieure, und hier versuchte ich, mit angesehenen Forschern in einem Unternehmen zusammenzuarbeiten, das extrem ingenieurorientiert ist.

Es stellt sich heraus, dass die Herausforderungen, denen ich vor fast 15 Jahren gegenüberstand, sehr ähnlich sind zu den Problemen, mit denen Unternehmen heute konfrontiert sind, wenn sie versuchen, KI-Datenwissenschaftler in ihre Organisationen zu integrieren.

Im Jahr 2016 gründeten Sie Allegro AI? Was war Ihre Inspiration hinter der Gründung von Allegro AI?

Bei der Gründung von Allegro AI arbeitete ich mit zwei außergewöhnlichen Partnern zusammen, die über außergewöhnliche ingenieurtechnische Fähigkeiten verfügten. Einer meiner Partner war der erste PhD-Student in einem der ersten und führenden KI-Labors in Israel, was wohl eines der führenden KI-Hubs weltweit ist. Er hatte also wirklich – für mich – die Vision, wie die Anwendung von ML/DL in der Praxis mit neuen Herausforderungen umgehen musste, die mit Skalierbarkeit, Automatisierung, Zuverlässigkeit, Qualität und mehr zu tun haben. Als ich mit ihnen sprach, wurde mir klar, dass ich durch meine Erfahrung bei Google und früher dazu beitragen kann, ein Unternehmen zu gründen, das einen enormen Einfluss auf KI durch die von uns bereitgestellten Tools haben kann. Google und einige andere Tech-Giganten sind in einer beneidenswerten Position, was ihre Fähigkeit betrifft, endlose Ressourcen der besten Qualität für diese Herausforderungen zu erhalten. Aber fast jeder andere kann sich das nicht leisten (ob in Bezug auf Zugang zu Talenten, finanziellen Ressourcen, Unternehmensfokus usw.). Also war dies eine Gelegenheit, die genau mit dem übereinstimmt, was ich am meisten liebe (siehe Frage 1), und hilft dem gesamten Ökosystem.

Allegro AI dient als Open-Source-Machine-Learning- und Deep-Learning-Management-Plattform. Können Sie die Vorteile der Verwendung von Open-Source-Software diskutieren?

Open Source hat mehrere Vorteile. Am wichtigsten ist, dass es die breitere Gemeinschaft nutzt, um das Produkt selbst zu verbessern. Benutzer finden Fehler, es gibt eine breite Diskussion über Funktionen, die von Interesse sind; die Integration in andere [Open-Source]-Tools ist viel einfacher zu ermöglichen als zwischen zwei kommerziellen Organisationen mit geschlossenen, proprietären Tools; usw.

Es bietet ein großartiges Modell für ein Win-Win für die Gemeinschaft und das Unternehmen hinter ihm. Es eignet sich leicht für das Testen und Erweitern für Organisationen, die nicht oder nicht zahlen werden, und ermöglicht es gleichzeitig größeren potenziellen Kunden, für erweiterte Funktionen oder Dienstleistungen auf Basis eines weit verbreiteten (und daher weniger riskanten) Softwarestücks zu zahlen.

Allegro AI bietet Datenmanagement-Dienste an. Können Sie die Art von Tools diskutieren, die für dieses Angebot bereitgestellt werden?

Allegro Ai bietet sowohl strukturiertes als auch unstrukturiertes Datenmanagement. Allerdings gibt es für strukturiertes Datenmanagement eine Vielzahl von bewährten Lösungen, während wir eine einzigartige Lösung für unstrukturierte Daten bieten.

Insbesondere ist es wichtig, die Art des Datenmanagements zu qualifizieren, das wir bieten. Die Idee ist nicht physisches Datenmanagement, sondern vielmehr Datenmanagement aus Sicht der KI. Für KI ist es entscheidend, dass das Datenwissenschaftlerteam versteht, welche Daten es zur Verfügung hat. Mit unstrukturierten Daten ist das sehr schwierig. Stellen Sie sich vor, Tausende oder Hunderttausende von Stunden Video oder Audio. Stellen Sie sich vor, Milliarden von Sensordaten usw.

Datenwissenschaftler müssen die Varianz ihrer Daten verstehen, um sie mit den unterschiedlichen Situationen abzustimmen, damit sie ihre Modelle effektiv trainieren können. Sie müssen verstehen, ob es kritische Datenstücke gibt, die fehlen; ob es Verzerrungen oder Schiefe in den Daten gibt.

Und dann – auf der anderen Seite – müssen sie Werkzeuge haben, um diese Situationen kosteneffektiv und schnell zu lösen, ohne dass sie neue physische Daten finden und annotieren/etikettieren müssen (ein sehr kostspieliges und zeitaufwändiges Unterfangen).

Dies ist im Wesentlichen die Art von Tooling, die wir in diesem Bereich bereitstellen: leistungsstarke Tools, um “KI-BI (Business Intelligence)” auf Ihre Daten auf einem beispielslosen Level an Granularität und Detail zu ermöglichen, und auf der anderen Seite Tools, um die Daten eng in die Experimente und Modelle zu integrieren, sodass Datenwissenschaftler mit null Code effektive Trainingsläufe mit den vorhandenen Daten einrichten können.

Darüber hinaus bieten wir zusätzlichen Mehrwert bei der Optimierung des Datenflusses, des Datenverschiebens usw., da wir über die Verarbeitung von Terabyte an Daten sprechen. Das Verschieben davon ist teuer, und Unternehmen benötigen eine Lösung, um dies zu optimieren.

Allegro AI bietet auch die Auslagerung von Datenengineering-Dienstleistungen an. Was sind einige der verfügbaren Angebote?

Allegro Ai ist in erster Linie ein Produktunternehmen, und wir sehen uns selbst als Anbieter von Tools, Infrastruktur oder Gerüst für Unternehmen, um Produkte mit integrierten KI- (DL/ML-) Modellen zu entwickeln, bereitzustellen und zu verwalten.

Das sagte, ist dies ein neues Gebiet, und unsere Kunden benötigen manchmal Hilfe beim Aufsetzen ihrer spezifischen Pipelines, die auf unseren Tools basieren, oder sogar Hilfe beim Starten ihrer Modelle selbst. Wenn diese Situationen eintreten, bieten wir ergänzende Dienstleistungen zu unserem Kern-Software-Angebot an.

Können Sie die Bedeutung von Federated Learning diskutieren und wie Allegro AI in diesem Kontext eingesetzt werden kann?

Federated Learning ist im Wesentlichen die Fähigkeit, ein einzelnes KI-Modell zu trainieren, das auf in verschiedenen physischen Orten befindlichen Datensätzen basiert, ohne diese Datensätze an einem einzigen Ort zusammenzuführen. Wir bieten auch eine erweiterte Version davon, die wir “blindes Federated Learning” oder “blindes kollaboratives Lernen” nennen, bei dem keine einzige Entität in diesem Szenario Zugriff auf Daten hat, die nicht zu ihr gehören, einschließlich der Entität, die das endgültige Modell erhält.

Federated Learning ist in verschiedenen Situationen wichtig, in denen Datenschutz oder regulatorische oder IP-/Vertraulichkeitsaspekte kritisch zu erhalten sind, während gleichzeitig das Interesse besteht, unterschiedliche Datensätze zu nutzen. Zum Beispiel zwei oder mehr Krankenhäuser oder medizinische Einrichtungen, die zusammenarbeiten möchten, um ein Modell für CT-Scans zu trainieren; oder zwei Regierungsbehörden, die zusammenarbeiten möchten, um ein Anti-Terror-Modell auf Basis von Sicherheitsdaten zu bauen, aber aus rechtlichen Gründen ihre Daten nicht gegenseitig offenlegen können.

Oder sogar Situationen, in denen eine einzelne Entität ihre verschiedenen Datenbestände nicht verschieben kann, weil es prohibitiv teuer ist – zum Beispiel ein globaler Automotive-OEM, der ein Modell für autonomes Fahren trainieren möchte, das auf Daten basiert, die von Autos auf der ganzen Welt gesammelt wurden.

Allegro AI ist eines der weniger als einer Handvoll Unternehmen weltweit, das eine bewährte und getestete kommerzielle Plattform hat, die Federated Learning ermöglicht.

Gibt es noch etwas, das Sie über Allegro AI teilen möchten?

Allegro AI ist eine aufstrebende Kraft in der Welt der KI-Tools und ML-Ops. Im vergangenen Quartal, während der ersten Welle der COVID-19-Krise, erlebten wir ein Wachstum, das unsere Kundenbasis in nur drei Monaten mehr als verdoppelte.

Vielen Dank für das Interview. Leser, die mehr erfahren möchten, sollten Allegro AI besuchen.