Bryon Jacob, CTO et co-fondateur de data.world – Série d’entretiens

Bryon Jacob est le CTO et co-fondateur de data.world – sur une mission pour construire la ressource de données la plus significative, collaborative et abondante au monde. Avant data.world, il a passé dix ans dans des rôles de responsabilité croissante chez HomeAway.com, culminant dans un rôle de VP de la technologie / fellow technique. Bryon a également travaillé précédemment chez Amazon (AMZN ) et est un mentor de longue date chez Capital Factory. Il détient un BS/MS en informatique de l’Université Case Western.

Qu’est-ce qui vous a initialement attiré vers l’informatique ?

J’ai été accroché à la programmation depuis que j’ai mis la main sur un Commodore 64 à l’âge de 10 ans. J’ai commencé avec BASIC et suis rapidement passé à l’assembleur. Pour moi, l’informatique est comme résoudre une série de puzzles complexes avec l’excitation supplémentaire de l’automatisation. C’est cet aspect de résolution de problèmes qui m’a toujours maintenu engagé et enthousiaste.

Pouvez-vous partager l’histoire de la création de data.world ?

data.world est né d’une série de séances de brainstorming entre notre équipe fondatrice. Brett, notre PDG, a contacté Jon et Matt, avec qui il avait travaillé auparavant. Ils ont commencé à se réunir pour échanger des idées, et Jon m’a apporté quelques-unes de ces idées pour une évaluation technique. Même si ces idées n’ont pas abouti, elles ont déclenché des discussions qui correspondaient étroitement à mon propre travail. À travers ces conversations, nous sommes tombés sur l’idée qui est finalement devenue data.world. Notre histoire partagée et notre respect mutuel nous ont permis de construire rapidement une grande équipe, en rassemblant les meilleures personnes avec qui nous avions travaillé dans le passé, et en posant une base solide pour l’innovation.

Qu’est-ce qui a inspiré data.world à développer le moteur de contexte AI, et quels défis spécifiques résout-il pour les entreprises ?

Dès le début, nous savions qu’un graphe de connaissances (KG) serait essentiel pour faire progresser les capacités de l’IA. Avec l’émergence de l’IA générative, nos clients voulaient des solutions d’IA qui puissent interagir avec leurs données de manière conversationnelle. Un défi important dans les applications d’IA aujourd’hui est l’explicabilité. Si vous ne pouvez pas montrer votre travail, les réponses sont moins dignes de confiance. Notre architecture de KG ancre chaque réponse dans des faits vérifiables, fournissant des explications claires et traçables. Cela améliore la transparence et la fiabilité, permettant aux entreprises de prendre des décisions éclairées avec confiance.

Comment l’architecture de graphe de connaissances du moteur de contexte AI améliore-t-elle la précision et l’explicabilité des LLM par rapport aux bases de données SQL seules ?

Dans notre article fondateur, nous avons démontré une amélioration triplement supérieure de la précision en utilisant des graphes de connaissances (KG) par rapport aux bases de données relationnelles traditionnelles. Les KG utilisent des sémantiques pour représenter les données comme des entités et des relations du monde réel, les rendant plus précises que les bases de données SQL, qui se concentrent sur les tables et les colonnes. Pour l’explicabilité, les KG nous permettent de relier les réponses aux définitions de termes, aux sources de données et aux métriques, fournissant une traçabilité vérifiable qui améliore la confiance et l’utilisabilité.

Pouvez-vous partager des exemples de la façon dont le moteur de contexte AI a transformé les interactions avec les données et la prise de décision au sein des entreprises ?

Le moteur de contexte AI est conçu comme une API qui s’intègre sans effort avec les applications d’IA existantes des clients, qu’il s’agisse de GPT personnalisés, de co-pilotes ou de solutions sur mesure construites avec LangChain. Cela signifie que les utilisateurs n’ont pas besoin de basculer vers une nouvelle interface – nous apportons plutôt le moteur de contexte AI à eux. Cette intégration améliore l’adoption et la satisfaction des utilisateurs, conduisant à une meilleure prise de décision et à des interactions de données plus efficaces en intégrant des capacités d’IA puissantes directement dans les flux de travail existants.

De quelle manière le moteur de contexte AI fournit-il de la transparence et de la traçabilité dans la prise de décision de l’IA pour répondre aux exigences réglementaires et de gouvernance ?

Le moteur de contexte AI s’intègre à notre graphe de connaissances et à notre catalogue de données, en exploitant les capacités autour de la lignée et de la gouvernance. Notre plateforme suit la lignée des données, offrant une traçabilité complète des données et des transformations. Les réponses générées par l’IA sont connectées à leurs sources de données, fournissant une traçabilité claire de la façon dont chaque pièce d’information a été dérivée. Cette transparence est cruciale pour la conformité réglementaire et la gouvernance, garantissant que chaque décision de l’IA peut être auditée et vérifiée.

Quel rôle les graphes de connaissances joueront-ils dans le paysage plus large de l’IA et de la gestion des données dans les années à venir ?

Les graphes de connaissances (KG) deviennent de plus en plus importants avec l’émergence de l’IA générative. En formalisant les faits dans une structure de graphe, les KG fournissent une base plus solide pour l’IA, améliorant à la fois la précision et l’explicabilité. Nous assistons à un passage des architectures RAG (Retrieval Augmented Generation) standard, qui s’appuient sur des données non structurées, aux modèles de graphe RAG. Ces modèles convertissent le contenu non structuré en KG en premier lieu, conduisant à des améliorations significatives de la rappel et de la précision. Les KG sont appelés à jouer un rôle essentiel dans la conduite de l’innovation et de l’efficacité de l’IA.

Quelles améliorations futures pouvons-nous attendre du moteur de contexte AI pour améliorer davantage ses capacités et l’expérience utilisateur ?

Le moteur de contexte AI s’améliore avec l’utilisation, car le contexte revient dans le catalogue de données, le rendant plus intelligent avec le temps. D’un point de vue produit, nous nous concentrons sur le développement d’agents qui effectuent des tâches avancées d’ingénierie des connaissances, transformant le contenu brut en ontologies et bases de connaissances plus riches. Nous apprenons continuellement des modèles qui fonctionnent et intégrons rapidement ces connaissances, fournissant aux utilisateurs un outil puissant et intuitif pour gérer et exploiter leurs données.

Comment data.world investit-il dans la recherche et le développement pour rester à la pointe de l’IA et des technologies d’intégration de données ?

La R&D sur le moteur de contexte AI est notre plus grand domaine d’investissement. Nous sommes déterminés à rester à la pointe de ce qui est possible dans l’IA et l’intégration de données. Notre équipe, composée d’experts en IA symbolique et en apprentissage automatique, impulse cet engagement. La base solide que nous avons établie chez data.world nous permet de bouger rapidement et de repousser les limites technologiques, nous assurant de livrer constamment des capacités de pointe à nos clients.

Quelle est votre vision à long terme pour l’avenir de l’IA et de l’intégration de données, et comment data.world contribue-t-elle à cette évolution ?

Ma vision pour l’avenir de l’IA et de l’intégration de données a toujours été d’aller au-delà du simple fait de rendre plus facile pour les utilisateurs l’interrogation de leurs données. Au lieu de cela, nous visons à éliminer complètement le besoin pour les utilisateurs d’interroger leurs données. Notre vision a toujours été d’intégrer de manière transparente les données d’une organisation avec ses connaissances – englobant les métadonnées sur les systèmes de données et les modèles logiques d’entités du monde réel.

En réalisant cette intégration dans un graphe de connaissances lisible par machine, les systèmes d’IA peuvent véritablement tenir la promesse d’interactions en langage naturel avec les données. Avec les progrès rapides de l’IA générative au cours des deux dernières années et nos efforts pour l’intégrer avec les graphes de connaissances d’entreprise, cet avenir devient une réalité aujourd’hui. Chez data.world, nous sommes à la pointe de cette évolution, conduisant la transformation qui permet à l’IA de livrer une valeur sans précédent à travers des interactions de données intuitives et intelligentes.

Merci pour cette grande entrevue, les lecteurs qui souhaitent en savoir plus peuvent visiter data.world.