Nir Bar-Lev, Allegro AI:n toimitusjohtaja ja perustaja – Haastattelusarja

Nir Bar-Lev on Allegro AI:n toimitusjohtaja ja perustaja. Allegro AI on erikoistunut auttamaan yrityksiä kehittämään, käyttöönottoon ja hallitsemaan kone- ja syväoppimismalleja. Allegro AI:n avulla organisaatiot saavat markkinoille ja hallitsevat laadukkaampia tuotteita nopeammin ja kustannustehokkaammin. Tuotteet perustuvat Allegro Trains -avoin lähdekoodin ML- ja DL-kokeen hallintaan ja ML-Ops-pakettiin.

Mikä alkujaan veti sinut AI:n pariin?

Urani aikana olen ollut eniten kiinnostunut siitä, miten voidaan tuoda markkinoille uusia, älykkäitä teknologioita, jotka ratkaisevat suuria ongelmia tai tarjoavat uusia mahdollisuuksia. Googlella työskentelemiseni on varmasti vaikuttanut tähän suuntautumiseeni.

AI on selvästi yksi näistä älykkäistä teknologioista, ja se voi vaikuttaa lähes jokaisen elämän osa-alueeseen maapallolla.

Olet aloittanut urasi Googlella, jossa olit perustaja ja tuotejohtaja Google (GOOGL ) Voice -äänentunnistuspalvelussa. Voitko kertoa tästä kokemuksesta ja mitä opit siitä?

Valmistuttuani Whartonin liiketoimintakoulusta olin hämmästynyt siitä, miten Google toimi täysin poikkeavasti perinteisiin liiketoimintamalleihin nähden. Muistan keskustelleeni tästä asiasta muutamien kollegoideni kanssa, jotka myös aloittivat Googlella samoihin aikoihin.

Google muutti – jonkin verran – liiketoimintamalliaan, mutta se hyötyi myös valtavasta mainosliiketoiminnastaan, joka mahdollisti kokeiluja, joita useimmat yritykset eivät voineet tehdä. Voin vakuuttaa, että Google omaksui vähitellen perinteisiä liiketoimintatapoja ja ajattelutapoja, kun se kasvoi.

Minulle tuotejohtajana Google Voice -äänentunnistuspalvelussa oli haasteellista työskennellä tutkijoiden kanssa. Tämä oli yksi Googlella varhaisimmista, jos ei jopa ensimmäinen, soveltavan tutkimuksen tiimi. Minulle tämä oli suuri haaste. Tutkijat ajattelevat eri tavoin kuin insinöörit, ja minun piti yrittää työskennellä näiden kokeneiden tutkijoiden kanssa yhtiössä, joka on erittäin insinööri- ja teknologiaorientoitunut.

Näiden haasteiden, joita kohtasin noin 15 vuotta sitten, ovat hyvin samankaltaisia kuin ongelmat, joita yritykset kohtaavat tänään, kun yrittävät integroida AI-tieteilijöitä organisaatioihinsa.

Vuonna 2016 perustit Allegro AI:n. Mikä oli inspiraation lähteesi perustaaksesi Allegro AI:n?

Allegro AI:n perustamisessa yhdistyin kahden upean kumppanin kanssa, jotka ovat maailmanluokan insinöörit. Yksi kumppani oli ensimmäinen PhD-opiskelija yhdessä Israelin ensimmäisistä ja johtavista AI-laboratorioista, joka on yksi johtavista AI-keskuksista maailmalla. Hänellä oli näkemys siitä, miten soveltamalla ML- ja DL-ratkaisuja käytännössä olisi ratkaistava uusia haasteita, kuten mittakaavaa, automaatiota, luotettavuutta, laatua ja muita.

Allegro AI toimii avoimen lähdekoodin kone- ja syväoppimisen hallintapalveluna. Voitko kertoa avoimen lähdekoodin hyödyistä?

Avoimen lähdekoodin hyötyjä ovat muun muassa se, että se hyödyntää laajempaa yhteisöä parantamaan itse tuotetta. Käyttäjät löytävät virheitä, ongelmia, ja on laaja keskustelu kiinnostuksen herättävistä ominaisuuksista; integrointi muihin avoimen lähdekoodin työkaluihin on helpompaa kuin kaupallisten organisaatioiden välillä, joilla on suljettu lähdekoodi.

Se tarjoaa erinomaisen mallin voitto-vointiin sekä yhteisölle että yhtiölle. Se mahdollistaa kokeilemisen ja testaamisen, ja jopa laajentamisen organisaatioille, jotka eivät voi tai eivät halua maksaa, ja samalla se mahdollistaa suuremmille asiakkaille maksaa laajennetuista ominaisuuksista ja palveluista, jotka perustuvat laajasti käytettyyn (ja siten vähemmän riskialttiiseen) ohjelmistoon.

Allegro AI tarjoaa datanhallintapalveluita. Voitko kertoa, mitä tyypin työkaluja tarjotaan tähän?

Allegro Ai tarjoaa sekä rakenteellisen että rakenteettoman datan hallintaa. Rakenteellisen datan hallinnasta on olemassa useita hyviä ratkaisuja, mutta me tarjoamme ainutlaatuisen ratkaisun rakenteettoman datan hallintaan.

On tärkeää määritellä, minkälaista datan hallintaa me tarjoamme. Ajatuksena ei ole fyysinen datan hallinta, vaan datan hallinta AI-näkökulmasta. AI:lle on kriittistä, että data-tiede tiimi ymmärtää, mitä dataa heillä on käytettävissään. Rakenteettoman datan kanssa tämä on hyvin haasteellista. Kuvittele tuhansia tai satoja tuhansia tunteja videota tai ääntä. Kuvittele miljardeja anturisignaaleja jne.

Data-tieteilijöiden on ymmärrettävä datansa varianssi, jotta he voivat kouluttaa mallejaan tehokkaasti. Heidän on ymmärrettävä, onko tärkeitä data-osia puuttuvia; onko datasta vinoutunut tai vääristynyt.

Ja sitten – toisaalta – heidän on oltava työkalut, joilla voidaan ratkaista nämä tilanteet kustannustehokkaasti ja nopeasti ilman, että heidän on etsittävä uutta fyysistä dataa ja annotoitava/merkittävä sitä (hyvin kallista ja aikaa vievää toimenpidettä).

Tämä on olennaisesti työkalujen luonne, joita tarjoamme tämän alueen ympärillä: voimalliset työkalut “AI BI:lle” (liiketoimintatiedolle) datan ymmärtämiseksi ennennäkemättömällä tarkkuudella ja yksityiskohdilla ja toisaalta työkalut, jotka integroivat datan tiiviisti kokeisiin ja malleihin siten, että data-tieteilijät voivat asettaa tehokkaat koulutussuoritukset käytettävissä olevalla datalla ilman koodia.

Lisäksi tarjoamme lisäarvoa datavirran optimoinnissa, datan siirtämisessä jne. Koska puhumme teratavuista dataa. Sen siirtäminen on kallista, ja yrityksien on löydettävä ratkaisu siihen.

Allegro AI tarjoaa myös datan insinööripalveluita. Mitä tarjotaan tämän osalta?

Allegro Ai on pääasiassa tuote-yhtiö, ja me näemme itsellemme tarjoavan työkalut, infrastruktuurin tai tukirakenteen yrityksille kehittää, ottaa käyttöön ja hallita tuotteita, joissa on AI- (DL/ML) -malleja.

Sanottuna, tämä on uusi ala, ja asiakkaillamme on toisinaan tarve apua määrittämään erityisiä putkistojamme työkalujen päälle tai jopa apua käynnistämään omat mallinsa. Kun nämä tilanteet tapahtuvat, tarjoamme sivupalveluita pääasialliselle ohjelmistotarjontaamme.

Voitko kertoa federated learningin merkityksestä ja miten Allegro AI:ta voidaan käyttää tässä yhteydessä?

Federated learning on periaatteessa kyky kouluttaa yhtä AI-mallia hyödyntäen eri fyysisissä sijainneissa olevia tietoja ilman, että nämä tiedot siirretään yhteen paikkaan. Tarjoamme myös parannetun version tästä, jota kutsutaan “sokeaksi federated learningiksi” tai “sokeaksi yhteistyölliseksi oppimiseksi”, jossa mikään yksittäinen osapuoli ei pääse käsiksi siihen dataan, joka ei kuulu heille, mukaan lukien se osapuoli, joka lopulta saa mallin.

Federated learning on tärkeää tilanteissa, joissa datan suojaus, sääntely tai immateriaalioikeudet on säilytettävä, samalla kun on kiinnostusta hyödyntää eri tietoja. Esimerkiksi kaksi tai useampi sairaalaa tai lääketieteellistä laitosta, jotka haluavat yhteistyössä kouluttaa mallin CT-tutkimuksiin; tai kaksi hallituksen virastoa, jotka haluavat yhteistyössä kouluttaa mallin kotimaan turvallisuuden tietoihin rakentamaan vastaterrorismimallia, mutta eivät voi paljastaa tietoja toisilleen laillisten syiden takia.

Tai tilanteita, joissa yksittäinen osapuoli ei voi siirtää tietojaan, koska se on kustannuksiltaan esteettömiä – esimerkiksi globaali autonvalmistaja, joka haluaa kouluttaa autonomisen ajamisen mallin hyödyntäen tietoja, jotka on kerätty autoista ympäri maailmaa.

Allegro AI on yksi harvoista yhtiöistä maailmalla, jolla on todistettu ja testattu kaupallinen alusta, joka mahdollistaa federated learningin.

Onko mitään muuta, mitä haluaisit jakaa Allegro AI:sta?

Allegro AI on nousussa AI-työkalujen ja ML-Opsin maailmassa. Viimeksi kuluneena neljänneksenä, COVID-19-kriisin ensimmäisen aallon aikana, kasvimme asiakaskuntaa yli kaksinkertaisesti vain kolmessa kuukaudessa.

Kiitos haastattelusta. Lukijat, jotka haluavat oppia lisää, voivat vierailla Allegro AI:n sivustolla.