Edward Cui, Fundador y CEO de Graviti – Serie de Entrevistas

Edward Cui es el Fundador y CEO de Graviti, una empresa que está construyendo la próxima generación de plataforma de datos que cambiará fundamentalmente la forma en que los desarrolladores interactúan con datos no estructurados. Con Graviti, los desarrolladores de inteligencia artificial pueden adquirir, almacenar y procesar datos de manera más rápida y sencilla, lo que es la base necesaria para aprovechar la inteligencia artificial y empoderar a todas las industrias.

Comenzaste tus estudios de pregrado como ingeniero mecánico, ¿qué causó el cambio a ciencias de la computación y inteligencia artificial?

En realidad, estudié ingeniería mecánica como pregrado en 2012. Tomé una clase de aprendizaje automático en la Universidad de Pensilvania, que fue emocionante, y supe que era el futuro y lo que quería hacer en mi carrera. Después de esa clase, me transfirí a ciencias de la computación.

Después de la graduación, realicé investigaciones sobre aprendizaje por refuerzo en la Universidad de Pensilvania. En 2015, mi ex jefe, Jeff Snyder, se unió a Uber y me invitó a unirme a Uber ATG. Ese es el comienzo de mi carrera en la industria de los automóviles autónomos.

¿Podrías compartir la historia de origen detrás de Graviti?

Trabajar en Uber fue muy complicado al principio porque la gente no utilizaba grandes modelos de aprendizaje automático y nos faltaba potencia de cómputo y una plataforma de gestión de datos para entrenar modelos. Los datos que recopilamos para los automóviles autónomos eran todos no estructurados. Por ejemplo, eran imágenes, videos, puntos LIDAR. Todo ese tipo de datos de sensores del mundo real y recopilamos toneladas de datos no estructurados todos los días. Realizamos una estadística que nos dijo que la cantidad de datos que recopilamos en una división de automóviles autónomos en una semana es igual a la cantidad de datos que recopilamos para todo el negocio de restaurantes globalmente en todo un año. Toneladas de datos no estructurados se acumulaban todos los días y eso creó grandes problemas sobre cómo almacenar esos datos, cómo gestionar esos datos y cómo utilizar esos datos para generar valor para diferentes organizaciones.

Después de tres años trabajando en Uber, vi la oportunidad de mejorar la forma en que se podían gestionar grandes cantidades de datos no estructurados. Así que fundé Graviti en 2019 para acelerar las innovaciones en inteligencia artificial mediante la construcción de una plataforma de gestión de datos no estructurados.

¿Podrías discutir cómo Graviti es una plataforma para gestionar y estructurar datos a gran escala?

Graviti tiene como objetivo lanzar la primera plataforma de datos que permita a las organizaciones trabajar con grandes cantidades de datos no estructurados para alimentar aplicaciones innovadoras de inteligencia artificial. Esta plataforma elimina las complicaciones y ayuda a los desarrolladores a gestionar grandes cantidades de datos no estructurados con el equipo.

Mientras que la gran mayoría de la información disponible en el desarrollo de inteligencia artificial es de baja calidad y no estructurada, los equipos de desarrollo suelen pasar más del 50% de su tiempo, no en la construcción de modelos, sino en la identificación, aumento o limpieza de datos no estructurados, y eso es solo el comienzo de su trabajo. Graviti ofrece una forma más experta de gestión de datos para liberar a los desarrolladores y darles más tiempo para analizar datos no estructurados y entrenar modelos de inteligencia artificial.

Nosotros ayudamos a los desarrolladores en tres dimensiones: descubrimiento de datos, iteración de datos y automatización de flujos de trabajo.

Descubrimiento de datos:

Graviti ofrece una función de alojamiento de datos que facilita la organización de datos raw, anotaciones y metadatos al unificar los formatos de conjunto de datos y anotaciones. Cuando los desarrolladores de inteligencia artificial acceden a diferentes conjuntos de datos a través de Graviti, no necesitan convertir los formatos de datos, lo que simplifica la gestión, la consulta, el acceso y otras operaciones involucradas con la anotación. Graviti ayuda a reducir la posibilidad de datos raw no coincidentes o pérdida de anotaciones. Además, la plataforma Graviti puede ayudar a los desarrolladores a evaluar la calidad de los conjuntos de datos con una función de visualización de datos, lo que ahorra al menos ocho horas a la semana para los desarrolladores.

Iteración de datos:

Cuando los desarrolladores entrenan sus modelos de inteligencia artificial, necesitan probar con conjuntos de datos en diferentes versiones para ver los resultados y anotar. El desafío es rastrear las diversas ediciones y versiones con los miembros del equipo que trabajan en el mismo proyecto. Graviti ofrece la solución al permitir la asignación de diferentes niveles de derechos de acceso a los empleados para que puedan subir sus anotaciones y rastrear el progreso del proyecto y trabajar simultáneamente.

Automatización de flujos de trabajo:

Con una función llamada “Acción”, los ingenieros pueden automatizar flujos de trabajo y reducir las tareas repetitivas, consumidoras de tiempo y manuales. Esto libera a los desarrolladores de escribir scripts manuales grandes para lograr estos flujos de trabajo y abre tiempo para que puedan realizar el trabajo que necesitan hacer.

¿Por qué los datos no estructurados son el futuro de la inteligencia artificial?

Más del 80% de los datos empresariales son no estructurados, incluyendo imágenes, grabaciones, videos, publicaciones en redes sociales, etc. La inteligencia artificial es la clave para entregar valor desde los datos no estructurados. Las empresas comienzan a aprovechar los datos no estructurados para respaldar investigaciones y análisis más profundos.

Graviti lanzó recientemente OpenBytes, un proyecto de datos abiertos sin fines de lucro alojado bajo la Fundación Linux. ¿Podrías discutir qué es específicamente OpenBytes?

La misión de OpenBytes es facilitar el intercambio más amplio de datos en la comunidad de inteligencia artificial a través de la creación de estándares de datos, formatos y procesos que permitan contribuciones de datos. El alcance de OpenBytes incluye la curación de conjuntos de datos abiertos, especificaciones de datos abiertas y desarrollo colaborativo bajo licencias abiertas que apoyen la misión, incluyendo documentación, pruebas, integración y la creación de otros artefactos que ayuden al desarrollo, implementación, operación o adopción del proyecto de código abierto.

OpenBytes puede reducir los riesgos de responsabilidad para los contribuyentes de datos. Los titulares de conjuntos de datos son reluctantes a compartir sus conjuntos de datos públicamente debido a la falta de conocimiento sobre licencias de datos. Una vez que los contribuyentes de datos se unan a OpenBytes, sus datos estarán protegidos y más datos abiertos estarán disponibles.

Estamos generando un formato de conjunto de datos estándar al publicar, compartir y intercambiar datos. Un formato unificado ayudará a los contribuyentes de datos a comprender los conjuntos de datos y encontrar los datos relevantes que necesitan, lo que llevará a contribuciones de conjuntos de datos abiertos de mayor calidad.

¿Cuáles son algunos de los beneficios de los conjuntos de datos de código abierto?

Benefician a los investigadores porque los científicos tienen más recursos gratuitos para utilizar en el entrenamiento de modelos y la realización de investigaciones.

Benefician a las empresas, que utilizan los conjuntos de datos para comenzar a construir capacidades de inteligencia artificial y potenciar la transición de empresas tradicionales a empresas de inteligencia artificial.

¿Cómo autentica Graviti la calidad de los conjuntos de datos?

Incluso los conjuntos de datos populares como COCO y KITTI no son perfectos para los desarrolladores. Los errores siempre ocurren cuando los desarrolladores entrenan modelos y nadie ha encontrado una forma excelente de mejorar la calidad de los conjuntos de datos. Graviti cree que se establecerá un modelo de evaluación de conjuntos de datos o se producirá otra revolución técnica que ayudará a la comunidad a resolver el problema, y también es parte de la misión de Graviti lograrlo en el futuro.

¿Cuál es tu visión para el futuro de cómo los desarrolladores accederán a los datos?

Para una pequeña cantidad de datos, los desarrolladores deberían poder acceder a esos datos fácilmente. Para cantidades más grandes de datos, como conjuntos de datos más diversos para el entrenamiento de modelos, la tecnología de aprendizaje federado ayudaría a trabajar de manera colaborativa al desacoplar la capacidad de realizar aprendizaje automático de almacenar los datos en un servidor central.

¿Hay algo más que te gustaría compartir sobre Graviti?

Graviti también está evolucionando. Escuchamos los comentarios de nuestros clientes, incluyendo startups, empresas, desarrolladores individuales y investigadores. También damos la bienvenida a cualquier oportunidad de colaboración o asociación con todos.

Vemos grandes oportunidades en el desarrollo de inteligencia artificial a partir de datos abiertos en un futuro muy cercano. Estamos construyendo una comuni-

Gracias por la gran entrevista, los lectores que desean aprender más pueden visitar Graviti.