Edward Cui, Gravitin perustaja ja toimitusjohtaja – Haastattelusarja

Edward Cui on Gravitin perustaja ja toimitusjohtaja, yhtiö joka rakentaa seuraavan sukupolven data-alustaa, joka muuttaa perustavasti kehittäjien tapaa käsitellä rakenteettomia tietoja. Gravitin avulla AI-kehittäjät voivat hankkia, tallentaa ja prosessoida tietoja nopeammin ja helpommin – perusta, jota tarvitaan käyttääksesi tekoälyä kaikkien alojen voimaannuttamiseen.

Mistä aloit sinun opintosi mekaanikko-insinöörinä, mitä aiheutti siirtymisen tietotekniikkaan ja tekoälyyn?

Todellakin opiskelin mekaanikko-insinööriksi vuonna 2012. Otin koneoppimisen kurssin Pennsylvanian yliopistossa, joka oli mielenkiintoinen, ja tiesin, että se on tulevaisuus ja se, mitä halusin tehdä urallani. Kurssin jälkeen siirryin tietotekniikkaan.

Valmistumisen jälkeen tein tutkimusta vahvistusoppimisesta Pennsylvanian yliopistossa. Vuonna 2015, entinen esimieheni, Jeff Snyder, liittyi Uberiin ja kutsui minut liittymään Uber ATG:hen. Se oli urani alku itseajavien autojen teollisuudessa.

Voitko kertoa Gravitin syntytarinan?

Työskentely Uberissa oli hyvin monimutkainen aluksi, koska ihmiset eivät käyttäneet suuria koneoppimismalleja ja meillä ei ollut riittävää laskentakapasiteettia eikä datahallintaa mallien kouluttamiseen. Itseajavien autojen keräämät tiedot olivat kaikki rakenteettomia. Esimerkiksi ne olivat kuvia, videoita, LIDAR-pisteitä. Kaikenlainen data maailman todellisista sensoreista ja keräsimme valtavat määrät rakenteettomia tietoja joka päivä. Teimme tilastollisen analyysin, joka kertoi, että itseajavien autojen osastossa keräämämme tiedot viikossa olivat yhtä suuria kuin koko ravintola-alan keräämät tiedot koko vuoden ajan. Valtaiset määrät rakenteettomia tietoja kertyivät joka päivä, ja se aiheutti suuria ongelmia siinä, miten tallentaa, hallita ja käyttää tietoja, jotta ne voisivat tuottaa arvoa eri organisaatioille.

Kolmen vuoden työn jälkeen Uberissä näin mahdollisuuden parantaa, miten suurten rakenteettomien tietojen hallintaa voisi tehostaa. Perustin Gravitin vuonna 2019 kiihdyttääkseni tekoälyinnovaatioita rakentamalla rakenteettomien tietojen hallintajärjestelmän.

Voitko keskustella siitä, miten Graviti on alusta, joka hallitsee ja rakentaa tietoja suuressa mittakaavassa?

Graviti pyrkii lanseeraamaan ensimmäisen data-alustan, joka mahdollistaa organisaatioiden työskentelyn suurten määrien rakenteettomien tietojen kanssa, jotta voidaan kehittää innovatiivisia tekoälysovelluksia. Tämä alusta poistaa vaivat ja auttaa kehittäjiä hallitsemaan suuria määriä rakenteettomia tietoja tiimissä.

Vaikka suurin osa tekoälykehityksessä käytettävistä tiedoista on matalan laatuisia ja rakenteettomia, kehittäjätiimit viettävät yleensä yli 50% ajastaan – ei mallien rakentamisessa – vaan etsimässä, täydentämässä tai puhdistamassa rakenteettomia tietoja, ja se on vasta aloitus heidän työlle. Graviti tarjoaa asiantuntijamaisemman tavan hallita tietoja, jotta kehittäjät voivat keskittyä analysoimaan rakenteettomia tietoja ja kouluttamaan tekoälymalleja.

Autamme kehittäjiä kolmessa ulottuvuudessa: tiedon löytäminen, tiedon iterointi ja työnkulun automaatio.

Tiedon löytäminen:

Graviti tarjoaa tietojen isäntäpalvelun, joka tekee raakojen tietojen, annotaatioiden ja metatietojen järjestämisen helpommaksi yhdistämällä tietojoukon ja annotaatioformaatit. Kun tekoälykehittäjät käyttävät Gravitia, he eivät tarvitse muuttaa tietomuotoja, mikä yksinkertaistaa tietojen hallintaa, kyselyjä, pääsyä ja muita annotaatioihin liittyviä toimintoja. Graviti auttaa vähentämään raakojen tietojen ja annotaatioiden sekaantumisen tai menettämisen mahdollisuutta. Lisäksi Graviti-alusta voi auttaa kehittäjiä arvioimaan tietojoukkojen laatua tietovisualisoinnin avulla, mikä säästää vähintään kahdeksan tuntia viikossa kehittäjille.

Tiedon iterointi:

Kun kehittäjät kouluttavat tekoälymallejaan, he tarvitsevat testata eri versioita tietoja tuloksien näkemiseksi ja annotaatioiden merkitsemiseksi. Haaste on jäljittää eri muokkauksia ja versioita, kun tiimiläiset työskentelevät samassa projektissa. Graviti tarjoaa ratkaisun sallimalla eri tasoisten pääsyoikeuksien määrittämisen työntekijöille, jotta he voivat ladata annotaationsa jäljittääksesi projektin edistymistä ja työskennellä yhtäaikaisesti.

Työnkulun automaatio:

Toiminnon avulla insinöörit voivat automatisoida työnkulkuja ja vähentää toistuvia, aikaa vieviä ja manuaalisia tehtäviä. Se vapauttaa kehittäjät kirjoittamasta suuria manuaalisia skriptejä näiden työnkulkujen saavuttamiseksi ja avaa aikaa heille tehdä työtä, jota he tarvitsevat.

Miksi rakenteettomat tiedot ovat tekoälyn tulevaisuus?

Yli 80% yritysten tiedoista on rakenteettomia nykyään, mukaan lukien kuvat, äänitykset, videot, sosiaalisen median julkaisut jne. Tekoäly on avain rakenteettomien tietojen arvon tuottamiseen. Yritykset alkavat hyödyntää rakenteettomia tietoja syvemmän tutkimuksen ja analyysin tueksi.

Graviti on vastikään lanseerannut OpenBytesin, voittoa tavoittelemattoman avoimen dataprojektin, joka on isännöity Linux-säätiössä. Voitko kertoa, mitä OpenBytes on?

OpenBytesin tehtävänä on helpottaa laajempaa tietojen jakamista tekoälyyhteisössä luomalla tietostandardeja, -formaatteja ja -prosesseja, jotka mahdollistavat tietojen osallistumisen. OpenBytesin piiriin kuuluvat avoimien tietojoukkojen kuraattori, avoimet tietomääritykset ja yhteisöllinen kehitys avoimilla lisensseillä, jotka tukevat tehtävää, mukaan lukien dokumentaatio, testaus, integrointi ja muiden artefaktien luominen, jotka auttavat avoimen lähdekoodin projektin kehittämistä, käyttöönottoa, toimintaa tai omaksumista.

OpenBytes voi vähentää tietojen tarjoajien vastuuriskejä. Tietojen omistajat ovat epäröiviä jakaa tietojaan julkisesti tietämättömyyden vuoksi tietojen lisenssien osalta. Kun tietojen tarjoajat liittyvät OpenBytesiin, heidän tietonsa suojataan, ja enemmän avoimia tietoja tulee saataville.

Lisäksi olemme luomassa yhtenäistä tietomuotoa, kun julkaistaan, jaetaan ja vaihdetaan tietoja. Yhtenäinen muoto auttaa tietojen tarjoajia ymmärtämään tietoja ja löytämään tarvittavat tiedot, mikä johtaa laadukkaampiin avoimiin tietojen osallistumisiin.

Mitkä ovat avoimien tietojen hyödyt?

Ne hyödyttävät tutkijoita, koska tutkijat saavat käyttöönsä enemmän vapaata resursseja mallien kouluttamiseen ja tutkimuksen suorittamiseen.

Ne hyödyttävät yrityksiä, jotka käyttävät tietoja rakentamaan tekoälykykyjä ja voimaannuttamaan siirtymistä perinteisistä yrityksistä tekoälyyrityksiin.

Miten Graviti varmistaa tietojen laadun?

Even suositut tietojoukot, kuten COCO ja KITTI, eivät ole täydellisiä kehittäjille. Virheitä esiintyy aina, kun kehittäjät kouluttavat malleja, eikä kukaan ole löytänyt mainioita keinoja parantaa tietojen laatua. Graviti uskoo, että tietojen arviointimalli voidaan perustaa tai muu tekninen vallankumous auttaa yhteisöä ratkaisemaan ongelman, ja se on myös osa Gravitin tehtävää tulevaisuudessa.

Mikä on visiosi tulevaisuuden kehittäjien tietojen käytöstä?

Pienille määrille tietoja kehittäjien pitäisi pystyä käyttämään niitä helposti. Suuremmille määrille tietoja, kuten monipuolisemmille tietojoukoille mallien kouluttamiseen, federated learning -tekniikka auttaa työskentelemään yhteistyössä irtautumalla keskitetyn palvelimen tietojen tallentamisesta.

Onko mitään muuta, mitä haluaisit jakaa Gravitista?

Graviti kehittyy. Kuuntelemme asiakkaiden palautetta, mukaan lukien startup-yritykset, yritykset, yksittäiset kehittäjät ja tutkijat. Otamme myös vastaan mielellämme yhteistyö- ja kumppanuusmahdollisuuksia kaikilta.

Näemme suuria mahdollisuuksia tekoälykehityksessä avoimista tiedoista lähitulevaisuudessa. Rakennamme yhteisöä avoimien tietojen jakamiseen ja osallistumiseen. Tämä hyödyttää ei vain tutkijoita, jotka voivat edistää tieteen rajoja, vaan myös yrityksiä, jotka voivat tarkentaa mallejaan ja kehittää teknologiaa vastavuoroisesti hyödyllisessä ympäristössä. Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Gravitin sivustolla.