Χρις Νίτσον, Ιδρυτής & Διευθύνων Σύμβουλος της Pathmind – Σειρά Συνεντεύξεων

Ο Χρις Νίτσον είναι ο ιδρυτής της Pathmind, μιας εταιρείας τεχνητής νοημοσύνης που εφαρμόζει βαθιά ενισχυμένη μάθηση σε αλυσίδες εφοδιασμού και βιομηχανικές επιχειρήσεις. Η Pathmind ιδρύθηκε για να βοηθήσει τις επιχειρήσεις να αντιμετωπίσουν βαθιά οικονομικές αλλαγές και να αυξήσουν την ανθεκτικότητα των επιχειρήσεών τους με τη βοήθεια της τεχνητής νοημοσύνης. Ο Χρις εποπτεύει την στρατηγική όραση και την ημερήσια εκτέλεση της εταιρείας, οδηγώντας την καινοτομία και την ανάπτυξη της τεχνολογικής πλατφόρμας της Pathmind και βελτιώνοντας την απόδοση σε αποθήκες και εργοστάσια ως μέρος της ψηφιακής μετασχηματίσεως των επιχειρήσεων.

Προηγουμένως, ο Χρις ήταν ο Διευθύνων Σύμβουλος της Skymind, μιας εταιρείας τεχνητής νοημοσύνης που επικεντρώνεται στη βαθιά μάθηση. Πριν από αυτό, κατέλαβε θέσεις επικοινωνίας και προσλήψεων για την FutureAdvisor, μια εταιρεία που υποστηρίζεται από την Sequoia και τον Y Combinator, η οποία αγοράστηκε από την BlackRock (BLK ) το 2015 για 200 εκατομμύρια δολάρια. Ο Χρις πέρασε επίσης μια δεκαετία ως δημοσιογράφος, αναφέροντας για την τεχνολογία και τις финάνσεις για τις εφημερίδες The New York Times, Bloomberg News και Businessweek, μεταξύ άλλων.

Ήταν προηγουμένως ανταποκριτής για τις εφημερίδες The New York Times και редактор για την Bloomberg News πριν από τη μετάβαση σας στη μηχανική μάθηση. Μπορείτε να μας μιλήσετε για το ταξίδι πίσω από αυτή τη μεταστροφή της καριέρας σας;

Όταν ήμουν δημοσιογράφος, στις αρχές της δεκαετίας του 2000 και στις αρχές της δεκαετίας του 2010, η βιομηχανία πήγαινε καλά, καθώς οι διαφημίσεις μεταφέρονταν σε μηχανές αναζήτησης και κοινωνικά μέσα και οι παραδοσιακές εκδόσεις έχαναν αναγνώστες. Κάλυπτα τις финάνσεις και την τεχνολογία και είδα ανθρώπους να κατασκευάζουν πολλά νέα και ενδιαφέροντα πράγματα. Σε κάποιο σημείο, είπα στον εαυτό μου ότι χρειαζόμουν να βρεθώ στην σωστή πλευρά των ρομπότ, οπότε μετακόμισα στο Σαν Φρανσίσκο.

Αυτό ήταν το 2013. Υπήρχαν ακόμη σπίτια για χάκερ στο SOMA τότε. Μετακόμισα σε ένα από αυτά, σε μια ντουλάπα σε ένα δωμάτιο με πέντε άλλους άντρες, και πήγαινα να δουλέψω κάθε πρωί σε μια εταιρεία που είχε περάσει από τον Y Combinator. Δουλεύοντας στο Σαν Φρανσίσκο, σαστίστηκα να γνωρίσω ανθρώπους και να καταλάβω τι με ενδιέφερε. Τότε, η βαθιά μάθηση ήταν ακόμη στην αρχή. Μπορούσες να δεις το δυναμικό, αλλά υπήρχε ακόμη πολύ να χτιστεί. Αυτή η περιέργεια με οδήγησε να συμμετάσχω σε ένα πρότζεκτ τεχνητής νοημοσύνης που οδήγησε τελικά στην Pathmind.

Μπορείτε να μοιραστείτε κάποιες λεπτομέρειες για το πώς η Pathmind μπορεί να βοηθήσει τις επιχειρήσεις;

Οι επιχειρήσεις που έχουν ένα φυσικό εργοστάσιο να διαχειριστούν, όπως μια αποθήκη, ένα εργοστάσιο ή ένα ορυχείο, συνήθως αντιμετωπίζουν πολύ σύνθετα προβλήματα βελτιστοποίησης. Αυτό σημαίνει ότι χρειάζονται να συντονίσουν πολλά μηχανήματα για να επιτύχουν ένα στόχο. Πολλοί από αυτούς προσπαθούν να μεγιστοποιήσουν την απόδοση και την αποτελεσματικότητα και να ελαττώσουν τα κόστη και τις εκπομπές άνθρακα. Σχεδιάζουμε αλγόριθμους που μπορούν να χρησιμοποιήσουν τα πραγματικά δεδομένα τους για να δείξουν νέους τρόπους για να κάνουν τα μηχανήματά τους να συμπεριφέρονται. Αυτό μπορεί να εφαρμοστεί στη διαχείριση εργασιών, στη διαχείριση οχημάτων και στη διαχείριση ενέργειας, μεταξύ άλλων.

Τι είναι τα οφέλη του ανοιχτού λογισμικού για τα συστήματα μηχανικής μάθησης;

Οι εταιρείες λογισμικού είναι όλα βάρκες που πλέουν σε μια θάλασσα ανοιχτού κώδικα. Η υποδομή των δημόσιων νεφών τρέχει σε ανοιχτό κώδικα. Πολλά από τα εργαλεία που χρησιμοποιούν οι προγραμματιστές για να κατασκευάσουν ιστοσελίδες και εφαρμογές μηχανικής μάθησης είναι επίσης ανοιχτά. Είναι ένα ζωντανό οικοσύστημα. Είμαστε πρώιμοι υιοθετητές που εργαζόμαστε για ενθουσιαστικά νέα ανοιχτά προτζεκτ όπως το Ray, το οποίο σας βοηθά να ξεκινήσετε κατανεμημένη υπολογιστική για φορτία τεχνητής νοημοσύνης.

Είστε明显 ενθουσιασμένος με το μέλλον της βαθιάς ενισχυμένης μάθησης. Σύμφωνα με την άποψή σας, ποια είδη επιχειρήσεων είναι τα καλύτερα τοποθετημένα για να επωφεληθούν από αυτό το είδος μηχανικής μάθησης;

Οι εταιρείες με τις οποίες συνεργαζόμαστε τυπικά έχουν δεδομένα που χρησιμοποιούν για να παρακολουθήσουν τις επιχειρήσεις και την απόδοσή τους. Τείνουν να έχουν φυσικές επιχειρήσεις όπου μπορούν να ελέγξουν τη συμπεριφορά του εξοπλισμού. Οι αλγόριθμοί μας χρειάζονται δεδομένα για να καταλάβουν το περιβάλλον στο οποίο λειτουργούν και πρέπει να τους παρουσιάσουμε ενέργειες για να επιλέξουν, όπως τον εξοπλισμό για να ελέγξουν, ώστε να έχουν επίδραση στα αποτελέσματα. Ουσιαστικά, οι επιχειρήσεις που έχουν φυσικές επιχειρήσεις να ελέγξουν, έχουν δεδομένα για αυτές τις επιχειρήσεις και κάποια ανάλυση για αυτά τα δεδομένα, είναι σε μια καλή θέση για να αρχίσουν να σκέφτονται για βελτιστοποίηση όπως η δική μας.

Υπάρχει κάτι άλλο που θα ήθελε να συζητήσει σχετικά με την Pathmind;

Ένα πράγμα που κάνουμε που είναι διπλανό στο έλεγχο φυσικών επιχειρήσεων είναι να βοηθούμε τις επιχειρήσεις να προβλέψουν χρονοσειρές. Έτσι, δεδομένα όπως οι τιμές ή η ζήτηση θα επηρεάσουν πώς μια εταιρεία συμπεριφέρεται και πόσο παράγει. Για να παράγει την σωστή ποσότητα, χρειάζονται να γνωρίζουν πόση ζήτηση θα υπάρξει. Και, για να ορίσουν σωστά τις τιμές τους, πρέπει να έχουν μια ανάγνωση των μεταβολών των τιμών. Οι αλγόριθμοί μας είναι σε θέση να κάνουν αυτές τις προβλέψεις.

Ευχαριστούμε για τη μεγάλη συνέντευξη. Οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν την Pathmind.