Entrevistas
Nir Bar-Lev, CEO y cofundador de Allegro AI – Serie de entrevistas
Nir Bar-Lev es el CEO y cofundador de Allegro IA. Allegro AI se especializa en ayudar a las empresas a desarrollar, implementar y administrar soluciones de aprendizaje automático y profundo. Con Allegro AI, las organizaciones llevan al mercado y administran productos de mayor calidad, de manera más rápida y rentable. Los productos se basan en el administrador de experimentos de código abierto ML & DL de Allegro Trains y el paquete ML-Ops.
¿Qué te atrajo inicialmente de la IA?
Lo que más me ha atraído en mi carrera ha sido traer 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 sin duda ha ayudado a dar forma a esta inclinación.
AI ciertamente marca ambas casillas. Está a la vanguardia de algunas de las fronteras tecnológicas actuales y tiene el potencial de afectar casi todos los aspectos de nuestras vidas en este planeta.
Ha tenido una carrera impresionante comenzando en Google como líder de producto fundador para la plataforma de reconocimiento de voz de Google. ¿Podría hablar sobre estos primeros días de trabajo en Google y lo que aprendió de esta experiencia?
Recién egresado de la escuela de negocios de Wharton School of Business, me llamó la atención cómo funcionaba Google en desacuerdo extremo con las normas comerciales establecidas sobre cómo administrar negocios exitosos, como se enseña en las mejores escuelas de negocios del mundo y como experimenté en mi escuela de pre-negocios de carrera. Recuerdo vívidamente haber discutido esto con un par de colegas míos que también se unieron a Google al mismo tiempo recién egresados de un MBA.
Resulta que Google cambió, hasta cierto punto, el libro de jugadas comerciales, pero también disfrutó de una inmensa estación de bomberos virtual de dinero de su negocio publicitario que le permitió experimentar de formas que la mayoría de las empresas no podían permitirse. Puedo dar fe de que, a medida que pasé una década en Google, adoptó cada vez más prácticas comerciales establecidas y procesos de pensamiento "convencionales" a medida que crecía.
Para mí también, al liderar la plataforma de reconocimiento de voz como gerente principal de productos, tuve que trabajar con científicos investigadores. Este fue en realidad uno de los primeros, si no el primero, equipo de investigación en Google que realmente 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 consumados en una empresa que está extremadamente orientada a la ingeniería.
Resulta que los desafíos a los que me enfrenté hace casi 15 años son muy similares a los problemas que enfrentan las empresas hoy en día cuando intentan asimilar a los científicos de datos de IA en sus organizaciones.
En 2016, ¿procediste a convertirte en cofundador de Allegro AI? ¿Cuál fue su inspiración para lanzar Allegro AI?
Al fundar Allegro AI, me uní a 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 actualmente líderes laboratorios de IA de Israel en lo que podría decirse que es uno de los principales centros de IA a nivel mundial. Entonces él realmente, para mí, fue parte de los equipos fundadores de IA aplicada en la comunidad local. Tuvo 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, me quedó claro que puedo contribuir con el equipo desde mi experiencia en Google y antes para tener realmente la oportunidad de crear una empresa que pueda tener un impacto inmenso en la IA a través de las herramientas que brindamos. Google y algunos de los otros gigantes tecnológicos se encuentran en una posición envidiable en términos de su capacidad para obtener recursos ilimitados de la mejor calidad en estos desafíos. Pero casi todos los demás no pueden permitirse eso (ya sea en términos de acceso al talento, recursos monetarios, enfoque de la empresa, etc.). Así que esta fue una oportunidad para alinearme exactamente con lo que más me gusta hacer (ver q1) y ayudar a todo el ecosistema.
Allegro AI sirve como una plataforma de gestión de aprendizaje profundo y aprendizaje automático 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 a la comunidad en general para mejorar el producto en sí. Los usuarios encuentran errores, problemas, hay un amplio discurso sobre las funciones que son de interés; la integración en otras herramientas [de código abierto] es mucho más fácil de facilitar que entre dos organizaciones comerciales con herramientas propietarias de código cerrado; etc.
Proporciona un gran modelo para ganar-ganar tanto para la comunidad como para la empresa que lo respalda. Se presta fácilmente para probar y probar e incluso expandirse para organizaciones que no pagan / no pagarán, y al mismo tiempo permite que los clientes potenciales más grandes paguen por características / servicios extendidos basados en la parte superior de una pieza ampliamente utilizada (y por lo tanto menos riesgosa) de software
Allegro AI ofrece servicios de gestión de datos. ¿Podría discutir el tipo de herramientas que se ofrecen para esto?
Allegro Ai ofrece gestión de datos estructurados y no estructurados. Sin embargo, si bien existe una gran cantidad de soluciones comprobadas de gestión de datos estructurados, nosotros ofrecemos una solución única para los datos no estructurados.
En concreto, es importante matizar el tipo de gestión de datos que ofrecemos. La idea no es la gestión de datos físicos, sino la gestión de 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. Imagine miles o cientos de miles de horas de video o audio. Imagine miles de millones de señales de sensores, etc.
Los científicos de datos necesitan conocer la variación de sus datos para alinearse con las diferentes situaciones para que puedan entrenar sus modelos de manera efectiva. Necesitan comprender si faltan datos críticos; si hay sesgos o sesgos en los datos.
Y luego, por otro lado, necesitan tener herramientas para abordar estas situaciones de manera rentable y rápida sin tener que salir y obtener nuevos datos físicos y anotarlos/etiquetarlos (una tarea muy costosa y que requiere mucho tiempo).
Este es, en esencia, el tipo de herramientas que proporcionamos en esta área: poderosas herramientas para hacer "AI BI (inteligencia comercial)" en sus datos a un nivel sin precedentes de granularidad y detalle y, por otro lado, herramientas para integrar estrechamente los datos en el Experimentos y modelos de tal manera que con datos de código cero, los científicos pueden configurar ejecuciones de entrenamiento efectivas con los datos disponibles.
Además de eso, brindamos valor agregado adicional en la optimización del flujo de datos, movimiento de datos, etc. Ya que estamos hablando de procesar terabytes de datos. Moverlo es costoso y las empresas también necesitan una solución para optimizar eso.
Allegro AI también ofrece la subcontratación de servicios de ingeniería de datos. ¿Cuáles son algunas de las ofertas que están disponibles?
Allegro Ai es principalmente una empresa de productos y nos vemos proporcionando las herramientas, la infraestructura o el andamiaje para que las empresas desarrollen, implementen y/o gestionen productos con modelos Ai (DL/ML) integrados en ellos.
Dicho esto, esta es un área nueva y, en ocasiones, nuestros clientes necesitan ayuda para configurar sus canalizaciones específicas construidas sobre nuestras herramientas, o incluso ayuda para poner en marcha sus propios modelos. Cuando ocurren estas situaciones, brindamos servicios complementarios a nuestra oferta principal de software.
¿Podrías hablar sobre la importancia del aprendizaje federado y cómo se puede utilizar Allegro AI en este contexto?
El aprendizaje federado es básicamente la capacidad de entrenar un solo modelo de IA aprovechando (entrenados) 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 diversas situaciones en las que es fundamental preservar la privacidad de los datos o la regulación o la confidencialidad de la propiedad intelectual, mientras que al mismo tiempo hay interés en aprovechar diferentes conjuntos de datos. Por ejemplo, dos o más hospitales o instituciones médicas que quieran colaborar en la formación de un modelo para tomografías computarizadas; o dos agencias gubernamentales que quieren colaborar en datos de seguridad nacional para construir algún modelo antiterrorista pero por razones legales no pueden exponer los datos ni siquiera entre sí.
O incluso situaciones en las que una sola entidad no puede mover sus diversos almacenes de datos porque es prohibitivamente costoso, por ejemplo, un OEM automotriz global que busca entrenar vehículos autónomos aprovechando los datos recopilados de automóviles que circulan por todo el mundo.
Allegro AI es una de las pocas empresas en todo el mundo que tiene una plataforma comercial comprobada y comprobada que facilita el aprendizaje federado.
¿Hay algo más que le gustaría compartir sobre Allegro AI?
Allegro AI es una fuerza creciente en el mundo de las herramientas de IA y ML-Ops. Solo el último trimestre, durante la primera ola de la crisis del covid-19, experimentamos un crecimiento que duplicó con creces nuestra base de clientes en solo ese período de 3 millones.
Gracias por la entrevista, los lectores que deseen obtener más información deben visitar Allegro IA.
