Nir Bar-Lev, CEO & Co-Founder de Allegro AI – Serie de Entrevistas

Nir Bar-Lev es el CEO & Co-Founder de Allegro AI. Allegro AI se especializa en ayudar a las empresas a desarrollar, implementar y gestionar soluciones de aprendizaje automático y de aprendizaje profundo. Con Allegro AI, las organizaciones lanzan al mercado y gestionan productos de mayor calidad, más rápido y de manera más rentable. Los productos se basan en el administrador de experimentos de ML y DL de código abierto Allegro Trains y en el paquete de ML-Ops.

¿Qué te atrajo inicialmente a la IA?

Lo que me ha atraído en mi carrera ha sido llevar la innovación tecnológica de vanguardia para abordar problemas u oportunidades (y en realidad son dos caras de la misma moneda) a gran escala. Debo admitir que mi tiempo en Google ha ayudado a moldear esta inclinación.

La IA ciertamente cumple con ambas casillas. Está a la vanguardia de algunas de las fronteras tecnológicas de hoy y tiene el potencial de afectar casi todos los aspectos de nuestras vidas en este planeta.

Has tenido una carrera impresionante que comenzó en Google como el líder de producto fundador de la plataforma de reconocimiento de voz de Google. ¿Podrías hablar sobre esos primeros días de trabajar en Google y qué aprendiste de esta experiencia?

Salí directamente de la escuela de negocios de Wharton y me sorprendió cómo Google funcionaba en extremo en desacuerdo con las normas comerciales establecidas sobre cómo dirigir empresas exitosas, como se enseña en las mejores escuelas de negocios del mundo y como lo experimenté en mi carrera antes de la escuela de negocios. Recuerdo vívidamente discutir esto con un par de colegas que también se unieron a Google en el mismo momento, justo después de obtener su MBA.

Resulta que Google cambió – en cierta medida – el libro de jugadas comercial, pero también disfrutó de una inmensa casa de dinero virtual de su negocio publicitario que le permitió experimentar de maneras que la mayoría de las empresas no podían permitirse hacer. Puedo atestiguar que, a medida que pasé una década en Google, adoptó cada vez más prácticas y procesos de pensamiento comerciales establecidos a medida que crecía.

Para mí, liderar la plataforma de reconocimiento de voz como gerente de producto, tuve que trabajar con científicos de investigación. Esto fue en realidad uno de los primeros equipos de investigación en Google que se centró en la investigación aplicada. Para mí, esto fue un gran desafío. Los investigadores tienen mentalidades muy diferentes a las de los ingenieros y aquí estaba tratando de trabajar con investigadores destacados en una empresa que es extremadamente orientada a la ingeniería.

Resulta que los desafíos que enfrenté hace casi 15 años son muy similares a los problemas que enfrentan las empresas hoy en día cuando tratan de asimilar a científicos de datos de IA en sus organizaciones.

En 2016, procediste a convertirte en co-fundador de Allegro AI. ¿Cuál fue tu inspiración para lanzar Allegro AI?

Al fundar Allegro AI, me asocié con dos socios increíbles que son talentos de ingeniería fuera de este mundo. Uno de mis socios fue el primer estudiante de doctorado en uno de los primeros y actuales laboratorios de IA de Israel en lo que es, sin duda, uno de los principales centros de IA a nivel mundial. Así que, para mí, él realmente formó parte de los equipos fundadores de la IA aplicada en la comunidad local. Él tenía la visión de ver cómo aplicar ML / DL en la práctica tendría que lidiar con un nuevo conjunto de desafíos en torno a la escala, la automatización, la confiabilidad, la calidad y más. Al hablar con ellos, quedó claro para mí que puedo contribuir al equipo con mi experiencia en Google y antes para realmente tener la oportunidad de crear una empresa que pueda tener un impacto enorme en la IA a través de las herramientas que proporcionamos. Google y algunas de las otras empresas de tecnología están en una posición envidiable en términos de su capacidad para obtener recursos ilimitados de la mejor calidad para estos desafíos. Pero casi todos los demás no pueden permitirse eso (ya sea en términos de acceso a talentos, recursos monetarios, enfoque de la empresa, etc.). Así que esta fue una oportunidad que se alineó exactamente con lo que me encanta hacer más (ver q1) y ayudar a todo el ecosistema.

Allegro AI sirve como una plataforma de gestión de aprendizaje automático y de aprendizaje profundo de código abierto. ¿Podrías hablar sobre los beneficios de utilizar software de código abierto?

El código abierto tiene varios beneficios. Lo más importante es que aprovecha la comunidad más amplia para mejorar el producto en sí. Los usuarios encuentran errores, problemas, hay un amplio discurso sobre las características que son de interés; la integración con otras herramientas de código abierto es mucho más fácil de facilitar que si se tratara de dos organizaciones comerciales con herramientas de código abierto propietario; etc.

Proporciona un gran modelo para una relación ganar-ganar tanto para la comunidad como para la empresa detrás de ella. Se presta fácilmente a probar y testear e incluso expandir para organizaciones que no pagan o no pagarán, y al mismo tiempo permite que los clientes potenciales más grandes paguen por características o servicios extendidos basados en una pieza de software ampliamente utilizada (y por lo tanto menos arriesgada).

Allegro AI ofrece servicios de gestión de datos. ¿Podrías hablar sobre el tipo de herramientas que se ofrecen para esto?

Allegro Ai ofrece gestión de datos estructurados y no estructurados. Sin embargo, mientras que hay una serie de soluciones de gestión de datos estructurados probadas, proporcionamos una solución única para los datos no estructurados.

En particular, es importante calificar el tipo de gestión de datos que proporcionamos. La idea no es la gestión física de los datos, sino más bien la gestión de los datos desde un ángulo de IA. Para la IA, es fundamental que el equipo de ciencia de datos comprenda qué datos tienen a su disposición. Con datos no estructurados, eso es bastante difícil. Imagina miles o cientos de miles de horas de video, o audio. Imagina miles de millones de señales de sensores, etc.

Los científicos de datos necesitan saber la varianza de sus datos para alinearlos con las diferentes situaciones para que puedan entrenar sus modelos de manera efectiva. Necesitan saber si hay piezas críticas de datos que faltan; si hay sesgos o inclinaciones en los datos.

Y luego – por el otro lado – necesitan tener herramientas para abordar estas situaciones de manera rentable y rápida sin tener que salir y buscar nuevos datos físicos y etiquetar / etiquetarlos (un esfuerzo muy costoso y que consume mucho tiempo).

Este es, en esencia, el tipo de herramientas que proporcionamos en esta área: herramientas poderosas para hacer “IA BI (inteligencia de negocios)” en sus datos a un nivel de granularidad y detalle sin precedentes y, por el otro lado, herramientas para integrar estrechamente los datos en los experimentos y modelos de tal manera que, sin código, los científicos de datos pueden configurar ejecuciones de entrenamiento efectivas con los datos que tienen a mano.

Además, proporcionamos valor agregado en la optimización del flujo de datos, la movilidad de los datos, etc. Dado que estamos hablando de procesar terabytes de datos. Moverlos alrededor es costoso y las empresas necesitan una solución para optimizar eso también.

Allegro AI también ofrece la externalización de servicios de ingeniería de datos. ¿Cuáles son algunas de las ofertas disponibles?

Allegro Ai es principalmente una empresa de productos y nos vemos a nosotros mismos proporcionando las herramientas, la infraestructura o el andamiaje para que las empresas desarrollen, desplieguen y gestionen productos con modelos de IA (DL / ML) integrados en ellos.

Dicho esto, esta es una área nueva y nuestros clientes a veces necesitan ayuda para configurar sus pipelines específicos construidos sobre nuestras herramientas, o incluso ayuda para iniciar sus propios modelos. Cuando surgen estas situaciones, proporcionamos servicios auxiliares a nuestra oferta de software principal.

¿Podrías hablar sobre la importancia del aprendizaje federado y cómo Allegro AI se puede utilizar en este contexto?

El aprendizaje federado es básicamente la capacidad de entrenar un solo modelo de IA aprovechando (entrenado en) conjuntos de datos ubicados en diferentes ubicaciones físicas sin llevar esos conjuntos de datos a una sola ubicación. También proporcionamos una versión mejorada de eso, que llamamos “aprendizaje federado ciego” o “aprendizaje colaborativo ciego” donde ninguna entidad en este escenario tiene acceso a datos que no le pertenecen, incluida la entidad que obtiene el modelo final.

El aprendizaje federado es importante en varias situaciones en las que la privacidad de los datos o la regulación o la confidencialidad son fundamentales para preservar, al mismo tiempo que hay interés en aprovechar diferentes conjuntos de datos. Por ejemplo, dos o más hospitales o instituciones médicas que desean colaborar en la creación de un modelo para escaneos de CT; o dos agencias gubernamentales que desean colaborar en datos de seguridad nacional para construir algún modelo anti-terrorista, pero por razones legales no pueden exponer los datos ni entre sí.

O incluso situaciones en las que una sola entidad no puede mover sus diversas tiendas de datos porque es prohibitivamente costoso – por ejemplo, un fabricante de automóviles global que busca entrenar vehículos autónomos aprovechando los datos recopilados de coches que conducen por todo el mundo.

Allegro AI es una de las menos de una handful de empresas en todo el mundo que tiene una plataforma comercial probada y probada que facilita el aprendizaje federado.

¿Hay algo más que te gustaría compartir sobre Allegro AI?

Allegro AI es una fuerza en ascenso en el mundo de las herramientas de IA y ML-Ops. Solo en el último trimestre, durante el primer oleada de la crisis del covid-19, experimentamos un crecimiento que más que duplicó nuestra base de clientes en solo ese período de 3 meses.

Gracias por la entrevista, los lectores que deseen aprender más pueden visitar Allegro AI.