Jorge Torres, Συνιδρυτής & CEO της MindsDB – Σειρά Συνεντεύξεων

Ο Jorge Torres, είναι ο Συνιδρυτής & CEO της MindsDB, μια πλατφόρμα που βοηθά οποιονδήποτε να χρησιμοποιήσει τη δύναμη του machine learning για να κάνει προβλέψεις ερωτήσεων στα δεδομένα του και να λαμβάνει ακριβείς απαντήσεις από αυτά. Η MindsDB είναι επίσης απόφοιτος της πρόσφατης τάξης του YCombinator του Χειμώνα 2020 και αναγνωρίστηκε πρόσφατα ως μια από τις πιο υποσχόμενες εταιρείες AI της Αμερικής από το Forbes.

Τι σας έκανε να ενδιαφερθείτε αρχικά για το machine learning;

Είναι μια ενδιαφέρουσα ιστορία. Το 2008, ζούσα και εργαζόμουν στο Μπέρκλεϊ για μια εταιρεία που ονομάζεται Couchsurfing και είδα αυτή τη τάξη, (cs188- Εισαγωγή στο AI). Αν και δεν ήταν συνδεδεμένος με το πανεπιστήμιο εκείνη την εποχή, ζήτησα από τον καθηγητή John DeNero αν θα μπορούσα να συμμετάσχω σε 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惊λημένος που οι υπολογιστές μπορούσαν να μάθουν να λύνουν ένα πρόβλημα, κατάλαβα ότι αυτό κινείται γρήγορα και αποφάσισα να το κάνω καριέρα.

Υπάρχουν μερικά γεγονότα που ορίζουν την γενιά στην τεχνολογία που συμβαίνουν μόνο μερικές φορές σε μια 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 το Machine Learning είναι το επόμενο γεγονός που ορίζει την γενιά και ήθελα να είμαι μέρος του με κάποιον τρόπο για να ωθήσω την τεχνολογία και τον τρόπο που τη χρησιμοποιούμε.

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

Το UC Berkeley είναι ένα από τα μεγαλύτερα ερευνητικά ιδρύματα στον κόσμο και έχει μια ιστορία δημιουργίας και υποστήριξης ανοικτού 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 λέει η ιστορία.

Οι πρώτες μέρες δεν ήταν διαφορετικές από πολλές startups στην περιοχή του Bay – Τρεις άνθρωποι εργάζονταν για πολλές ώρες σε κάτι που όλοι πιστεύαμε, αλλά είχε μόνο μια μικρή πιθανότητα επιτυχίας. Η μόνη διαφορά είναι ότι αντί να εργαζόμαστε σε ένα σκόνη γκαράζ στο Παλό Αλτο, ήμαστε στο σχετικά άνετο Skydeck Penthouse co-working space (δωρεάν).

Πιστεύω ότι υπάρχει τεράστια δύναμη στα δεδομένα. Όσο περισσότερα δεδομένα έχει μια εταιρεία, τόσο περισσότερο είναι σε θέση 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 Adam Carrigan (COO) και εγώ κατέληξαμε στο συμπέρασμα ότι πολλές επιχειρήσεις αντιμετώπιζαν περιορισμούς όταν ήρθε η ώρα να εξάγουν σημαντικές πληροφορίες από τα δεδομένα τους. Καταλάβαμε ότι ένας από τους μεγαλύτερους περιορισμούς ήταν στο πώς πολλές από αυτές τις επιχειρήσεις weren’t χρησιμοποιώντας σοβαρά τη δύναμη της τεχνητής νοημοσύνης. Πιστεύαμε ότι το machine learning θα μπορούσε να κάνει τα δεδομένα και την ευφυΐα που μπορεί να παρέχει, προσιτά σε όλους. Αυτός είναι ο λόγος που σχεδιάσαμε μια πλατφόρμα που θα επέτρεπε σε οποιονδήποτε να χρησιμοποιήσει τη δύναμη του machine learning για να κάνει προβλέψεις ερωτήσεων στα δεδομένα του και να λαμβάνει ακριβείς απαντήσεις από αυτά.

Την ονομάζουμε αυτή τη πλατφόρμα MindsDB και εστιάζουμε στο να συνεχίσουμε να την κάνουμε απίστευτα εύκολη για τους développers να δημιουργήσουν τη νέα γενιά των εφαρμογών που θα μεταμορφώσουν τον τρόπο που ζούμε και εργαζόμαστε και για τις επιχειρήσεις να εξάγουν πληροφορίες από τα δεδομένα τους.

Γιατί η MindsDB επικεντρώθηκε στο να λύσει το πρόβλημα της εστίασης στα δεδομένα αντί για το machine learning;

Αν κοιτάξετε την τεράστια πλειοψηφία της έρευνας στο AI, ένα μεγάλο ποσοστό προέρχεται από ακαδημαϊκές ερευνητικές εταιρείες. Το ML έχει ιστορικά ήταν μοντέλο-κεντρικό επειδή αυτό είναι το μέρος όπου οι ερευνητικές εταιρείες μπορούν να προσθέσουν αντιλαμβανόμενη αξία· η βελτίωση των μοντέλων ή η δημιουργία νέων μοντέλων παράγει καλύτερα αποτελέσματα. Η εστίαση στα δεδομένα, από την άλλη πλευρά, η προσθήκη καλύτερης ποιότητας/περισσότερων σχετικών δεδομένων σε μια υπάρχουσα προσέγγιση δεν είναι εύκολα δημοσιεύσιμη (το κλειδί KPI για τους ερευνητές).

Ωστόσο, η τεράστια πλειοψηφία των εφαρμοσμένων προβλημάτων του machine learning σήμερα επωφελούνται πολύ περισσότερο από τη βελτίωση των δεδομένων παρά από τη βελτίωση των μοντέλων. Αυτό επίσης ευθυγραμμίζεται καλά με την αποστολή μας να δημοκρατικοποιήσουμε το machine learning, η τεράστια πλειοψηφία των ανθρώπων έξω από τον χώρο του ML δεν ξέρουν πολύ για το ML, αλλά σίγουρα ξέρουν πολλά για τα δεδομένα τους.

Είδαμε ότι υπήρχαν δύο τύποι εταιρειών, από την 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 το machine learning, ενώ οι εταιρείες που δεν είχαν ακόμη ανακαλύψει τις βάσεις δεδομένων είχαν ακόμη ένα μακρύ δρόμο να διανύσουν, οπότε επικεντρωθήκαμε στο να παρέχουμε αξία για εκείνους που θα μπορούσαν πραγματικά να την εξάγουν.

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

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

Οι άνθρωποι αγαπούν την MindsDB λόγω της απλοποίησης που έχετε φέρει στην ML-Ops κύκλο ζωής, γιατί είναι τόσο σημαντικό να απλοποιηθεί η ανάπτυξη του machine learning;

Οι άνθρωποι την αγαπούν επειδή απλοποιεί τις απαραίτητες ETL pipelines, οπότε υπάρχουν λιγότερα πράγματα να διατηρήσετε. Ο στόχος μας είναι να κάνουμε τους χρήστες να εξάγουν την αξία του machine learning, χωρίς να σκέφτονται τη διατήρηση της υποδομής ML εάν ήδη διατηρούν την υποδομή δεδομένων.

Τι είναι κάποια από τα πλεονεκτήματα και τα рисks του να είστε μια ανοικτή πηγή εταιρεία έναντι μιας παραδοσιακής εταιρείας;

Ένα ανοικτό πρόγραμμα 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 ανοικτή πηγή), σκεφτείτε την ανοικτή πηγή ως μια συνεργατική προσέγγιση προϊόντος-χρήστη.

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

Η Benchmark έχει ένα άψογο ρεκόρ στη βιομηχανία μας, ο Chetan έχει βοηθήσει εταιρείες όπως η mongodb, elastic, airbyte να γίνουν οι ηγέτες στον κόσμο τους. Πιστεύουμε ότι δεν υπάρχει καλύτερος συνδυασμός για την MindsDB από τον Chetan και την Benchmark capital.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα πρέπει να επισκεφθούν MindsDB.