Χόρχε Τόρρες, Συνιδρυτής & Διευθύνων Σύμβουλος της MindsDB – Σειρά Συνεντεύξεων

Ο Χόρχε Τόρρες είναι ο Συνιδρυτής & Διευθύνων Σύμβουλος της MindsDB, μιας πλατφόρμας που βοηθά οποιονδήποτε να χρησιμοποιήσει τη δύναμη της μηχανικής μάθησης για να κάνει προβλέψιμες ερωτήσεις στα δεδομένα του και να λάβει ακριβείς απαντήσεις από αυτά. Η MindsDB είναι επίσης απόφοιτος του πρόσφατου χειμερινού βαθμού του YCombinator του 2020 και αναγνωρίστηκε πρόσφατα ως μία από τις πιο υποσχόμενες εταιρείες AI της Αμερικής από το Forbes.

Τι σας έκανε να ενδιαφερθείτε αρχικά για τη μηχανική μάθηση;

Είναι ένα ενδιαφέρον ιστορία. Το 2008, ζούσα και εργαζόμουν στο Μπέρκλεϊ για μια εταιρεία που ονομάζεται Couchsurfing και είδα αυτήν την τάξη, (cs188- Εισαγωγή στη Μηχανική Μάθηση). Αν και δεν ήταν συνδεδεμένος με το πανεπιστήμιο εκείνη την εποχή, ρώτησα τον καθηγητή Τζον ΝτεΝέρο αν θα μπορούσα να παρακολουθήσω μια τάξη και μου επέτρεψε. Αυτός ο καθηγητής ήταν εξαιρετικός και πραγματικά έκανε όλους να ερωτευτούν με το θέμα. Ήταν το καλύτερο που μου συνέβη. Ήμουν έκπληκτος που οι υπολογιστές μπορούσαν να μάθουν να λύνουν ένα πρόβλημα, κατάλαβα ότι αυτό κινείται γρήγορα και αποφάσισα να το κάνω καριέρα.

Υπάρχουν einige γενεαλογικά ορισμένα γεγονότα στην τεχνολογία που συμβαίνουν μόνο μερικές φορές στη ζωή. Ήμουν τυχερός να είμαι μάρτυρας της γέννησης του Διαδικτύου, αλλά ήμουν πολύ νέος για να είμαι τίποτα άλλο παρά ένας παθητικός παρατηρητής. Πιστεύω ότι η Μηχανική Μάθηση είναι το επόμενο γενεαλογικά ορισμένο γεγονός και ήθελα να είμαι μέρος του με κάποιον τρόπο για να οδηγήσω την τεχνολογία και τον τρόπο που τη χρησιμοποιούμε.

Η MindsDB ξεκίνησε στο UC Berkeley το 2018, θα μπορούσατε να μοιραστείτε κάποια έμπνευση από αυτές τις πρώτες μέρες;

Το UC Berkeley είναι ένα από τα μεγαλύτερα ερευνητικά ιδρύματα στον κόσμο και έχει μια ιστορία δημιουργίας και υποστήριξης ανοιχτού λογισμικού, και σκεφτήκαμε ότι δεν υπήρχε καλύτερο μέρος για να ξεκινήσουμε την MindsDB. Οι αξίες μας ήταν ευθυγραμμισμένες, μας προσέφεραν το πρώτο μας cheque μέσω του UC Berkeley Skydeck Accelerator και το υπόλοιπο, όπως λέμε, είναι ιστορία.

Οι πρώτες μέρες δεν ήταν διαφορετικές από πολλές εταιρείες στο Μπέι Ρίτζιον – Τρεις άνθρωποι που εργάζονταν για πολλές ώρες σε κάτι που 모두 πιστεύαν, αλλά είχαν μόνο μια μικρή πιθανότητα επιτυχίας. Η μόνη διαφορά είναι ότι αντί να εργαζόμαστε σε ένα σκόρδο στο Παλό Άλτο, ήμαστε στη σχετική άνεση του Skydeck Penthouse co-working space (δωρεάν ενοικίου).

Πιστεύω ότι υπάρχει τεράστια δύναμη στα δεδομένα. Όσο περισσότερα δεδομένα έχει μια εταιρεία, τόσο περισσότερο μπορεί να προωθήσει την επιχείρησή της. Αλλά μόνο αν είναι σε θέση να λάβουν σημαντικές πληροφορίες από αυτά.

Το φθινόπωρο του 2017, ο καλύτερος φίλος μου, Άνταμ Καρίγκαν (COO) και εγώ, κατέληξαμε στο συμπέρασμα ότι πολλές εταιρείες αντιμετώπιζαν περιορισμούς όταν ήθελαν να εξάγουν σημαντικές πληροφορίες από τα δεδομένα τους. Καταλάβαμε ότι ένας από τους μεγαλύτερους περιορισμούς ήταν ο τρόπος με τον οποίο πολλές από αυτές τις εταιρείες υποχρησιμοποιούσαν τη δύναμη της τεχνητής νοημοσύνης. Πιστεύαμε ότι η μηχανική μάθηση θα μπορούσε να κάνει τα δεδομένα και τη νοημοσύνη που μπορεί να παρέχει, προσβάσιμα σε όλους. Για αυτόν τον λόγο σχεδιάσαμε μια πλατφόρμα που θα επέτρεπε σε οποιονδήποτε να χρησιμοποιήσει τη δύναμη της μηχανικής μάθησης για να κάνει προβλέψιμες ερωτήσεις στα δεδομένα του και να λάβει ακριβείς απαντήσεις από αυτά.

Ονομάζουμε αυτήν την πλατφόρμα MindsDB και επικεντρωνόμαστε στο να συνεχίσουμε να την κάνουμε απίστευτα εύκολη για τους développers να δημιουργήσουν τη nächste хвиля των εφαρμογών που βασίζονται στη μηχανική μάθηση, οι οποίες θα μεταμορφώσουν τον τρόπο που ζούμε και εργαζόμαστε και για τις εταιρείες να εξάγουν πληροφορίες από τα δεδομένα τους.

Γιατί η MindsDB επικεντρώθηκε στο να λύσει το πρόβλημα της εστίασης στα δεδομένα αντί για τη μηχανική μάθηση;

Αν κοιτάξετε την πλειοψηφία της έρευνας στη μηχανική μάθηση, ένα μεγάλο ποσοστό προέρχεται από ακαδημαϊκές ερευνητικές μονάδες. Η μηχανική μάθηση έχει ιστορικά BEEN μοντέλο-κεντρική επειδή αυτό είναι το μέρος όπου οι ερευνητές μπορούν να προσθέσουν αντιλαμβανόμενη αξία. Η προσθήκη καλύτερης ποιότητας/περισσότερων σχετικών δεδομένων σε μια υπάρχουσα προσέγγιση δεν είναι εύκολα δημοσιεύσιμη (το κλειδί KPI για τους ερευνητές).

Ωστόσο, η πλειοψηφία των εφαρμοσμένων προβλημάτων της μηχανικής μάθησης σήμερα ωφελείται πολύ περισσότερο από τη βελτίωση των δεδομένων παρά από τη βελτίωση των μοντέλων. Αυτό συμφωνεί επίσης καλά με την αποστολή μας να δημοκρατικοποιήσουμε τη μηχανική μάθηση, η πλειοψηφία των ανθρώπων έξω από τον χώρο της μηχανικής μάθησης δεν ξέρουν πολύ για τη μηχανική μάθηση, αλλά σίγουρα ξέρουν πολλά για τα δεδομένα τους.

Είδαμε ότι υπήρχαν δύο τύποι εταιρειών, από τη μια πλευρά εταιρείες με δεδομένα στη βάση δεδομένων, από την άλλη πλευρά εταιρείες που δεν είχαν ακόμη ανακαλύψει τις βάσεις δεδομένων. Καταλάβαμε ότι αν μια εταιρεία ήταν στην ομάδα των βάσεων δεδομένων, η ωριμότητα των δεδομένων τους είχε ήδη τοποθετήσει στην σωστή πορεία για να μπορέσουν πραγματικά να εφαρμόσουν τη μηχανική μάθηση, ενώ οι εταιρείες που δεν είχαν ανακαλύψει τις βάσεις δεδομένων ακόμη, είχαν ακόμη ένα μακρύ δρόμο να διανύσουν, οπότε επικεντρωθήκαμε στο να προσφέρουμε αξία σε εκείνους που θα μπορούσαν πραγματικά να την εξάγουν.

Πώς η MindsDB προσεγγίζει τη μοντελοποίηση και την ανάπτυξη σε απλό SQL;

Δημιουργούμε αναπαραστάσεις μοντέλων ως πίνακες που μπορούν να ερωτηθούν, οπότε στην πραγματικότητα αφαιρούμε την έννοια της «ανάπτυξης» από την εικόνα. Όταν πληκτρολογείτε σε μια βάση δεδομένων CREATE VIEW, αυτή η προβολή είναι ζωντανή ngay όταν η εντολή ολοκληρωθεί, το ίδιο συμβαίνει όταν κάνετε CREATE MODEL στη MindsDB.

Οι άνθρωποι αγαπούν την MindsDB λόγω της απλοποίησης που έχετε φέρει στη διαδικασία ML-Ops, γιατί είναι τόσο σημαντικό να απλοποιηθεί η ανάπτυξη της μηχανικής μάθησης;

Οι άνθρωποι την αγαπούν επειδή απομακρύνει τις απαραίτητες ETL pipelines, οπότε υπάρχουν λιγότερα πράγματα να διατηρήσετε. Η εστίασή μας είναι να κάνουμε τους χρήστες να εξάγουν την αξία της μηχανικής μάθησης, χωρίς να σκέφτονται τη διατήρηση της υποδομής ML εάν ήδη διατηρούν την υποδομή δεδομένων.

Ποια είναι τα πλεονεκτήματα και οι κίνδυνοι να είσαι μια ανοιχτή πηγή εταιρεία έναντι μιας παραδοσιακής εταιρείας;

Ένα ανοιχτό project μπορεί να ξεκινήσει με μια ιδέα και οι άνθρωποι θα σας βοηθήσουν να το χτίσετε κατά τη διάρκεια. Στην κλειστή προσέγγιση, πρέπει να ξεκινήσετε με τις ίδιες υποθέσεις, αλλά πρέπει να είστε σίγουροι ότι είστε σωστοί, επειδή κανείς δεν θα σας βοηθήσει να βελτιώσετε το προϊόν σας (τουλάχιστον όχι με τον ίδιο όγκο όπως στην ανοιχτή πηγή), σκεφτείτε την ανοιχτή πηγή ως μια συνεργατική προσέγγιση προϊόντος-χρήστη.

Η MindsDB raised πρόσφατα 16,5 εκατομμύρια δολάρια από την Benchmark, γιατί η Benchmark είναι ο ιδανικός επενδυτής και πώς η όρασή της ταιριάζει με τη δική σας;

Η Benchmark έχει ένα αψεγάδιαστο ρεκόρ στη βιομηχανία μας, ο Τσέταν έχει βοηθήσει εταιρείες όπως η Mongodb, η Elastic, η Airbyte να γίνουν οι ηγέτες στον χώρο τους. Πιστεύουμε ότι δεν υπάρχει καλύτερη ταίριασμα για την MindsDB από τον Τσέταν και την Benchmark κεφάλαιο.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα μπορούν να επισκεφθούν την MindsDB.