Jorge Torres, Co-fondateur & PDG de MindsDB – Série d’entretiens

Jorge Torres, est le co-fondateur & PDG de MindsDB, une plateforme qui aide tout le monde à utiliser le pouvoir de l’apprentissage automatique pour poser des questions prédictives à ses données et recevoir des réponses précises à partir de celles-ci. MindsDB est également un diplômé de la dernière promotion d’hiver 2020 de YCombinator et a récemment été reconnu comme l’une des entreprises d’IA les plus prometteuses d’Amérique par Forbes.

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

C’est une histoire intéressante. En 2008, j’habitais et travaillais à Berkeley pour une startup appelée Couchsurfing et j’ai vu ce cours, (cs188- Introduction à l’IA). Même si je n’étais pas affilié à l’université à l’époque, j’ai demandé au professeur John DeNero si je pouvais assister à un cours et il m’a permis de le faire. Ce professeur était brillant, et il a vraiment fait tomber tout le monde amoureux du sujet. C’était la meilleure chose qui me soit arrivée. J’étais étonné que les ordinateurs puissent apprendre à résoudre un problème, j’ai réalisé que cela évoluait rapidement et j’ai décidé de faire carrière dans ce domaine.

Il y a quelques événements définissant une génération dans la technologie qui n’arrivent que quelques fois dans une vie. J’ai eu la chance d’être témoin de la naissance de l’Internet, mais j’étais trop jeune pour être autre chose qu’un observateur passif. Je crois que l’apprentissage automatique est cet événement générationnel suivant, et je voulais en faire partie d’une manière significative pour faire progresser la technologie et la façon dont nous l’utilisons.

MindsDB a démarré à UC Berkeley en 2018, pouvez-vous partager quelques insights sur ces premiers jours ?

UC Berkeley est l’une des plus grandes institutions de recherche au monde et a une histoire de création et de soutien de logiciels open-source, et nous pensions qu’il n’y avait pas de meilleur endroit pour démarrer MindsDB. Nos valeurs étaient alignées, ils nous ont offert notre premier chèque via l’accélérateur UC Berkeley Skydeck et le reste, comme on dit, est histoire.

Les premiers jours n’étaient pas différents de ceux de nombreuses startups dans la région de la baie – Trois personnes travaillant de longues heures sur quelque chose en cui elles croyaient toutes, mais qui n’avait qu’une petite chance de réussir. La seule différence est que plutôt que de travailler dans un garage poussiéreux à Palo Alto, nous étions dans le confort relatif de l’espace de coworking Skydeck Penthouse (gratuit).

Je crois qu’il y a un énorme pouvoir dans les données. Plus une entreprise en a, plus elle est en mesure de propulser son entreprise vers l’avant. Mais seulement si elle est en mesure d’obtenir des insights significatifs à partir de celles-ci.

À l’automne 2017, mon meilleur ami Adam Carrigan (COO) et moi sommes arrivés à la conclusion que de nombreuses entreprises étaient confrontées à des limitations lorsqu’il s’agissait d’extraire des informations significatives de leurs données. Ils ont réalisé que l’une des plus grandes limitations était la façon dont de nombreuses entreprises sous-utilisaient gravement le pouvoir de l’intelligence artificielle. Nous croyions que l’apprentissage automatique pouvait rendre les données, et l’intelligence qu’elles peuvent fournir, accessibles à tous. C’est pourquoi nous avons conçu une plateforme qui permettrait à tout le monde d’utiliser le pouvoir de l’apprentissage automatique pour poser des questions prédictives à ses données et recevoir des réponses précises à partir de celles-ci.

Nous appelons cette plateforme MindsDB et nous nous concentrons sur la poursuite de la facilitation pour les développeurs de créer rapidement la prochaine vague d’applications centrées sur l’IA qui transformeront la façon dont nous vivons et travaillons, et pour les entreprises d’extraire des informations de leurs données.

Pourquoi MindsDB s’est-il concentré sur la résolution du problème d’être centré sur les données plutôt que sur l’apprentissage automatique ?

Si vous regardez la grande majorité de la recherche en IA, un grand pourcentage provient d’institutions universitaires. L’apprentissage automatique a historiquement été centré sur les modèles car c’est là que les institutions de recherche peuvent ajouter de la valeur perçue ; plus de recherche améliore les modèles ou en crée de nouveaux, produisant ainsi de meilleurs résultats. Être centré sur les données, en revanche, ajouter de meilleures données ou plus pertinentes à une approche existante n’est pas facilement publiable (le KPI clé pour les chercheurs).

Cependant, la grande majorité des problèmes d’apprentissage automatique appliqués aujourd’hui bénéficient beaucoup plus d’une amélioration des données que d’une amélioration des modèles. Cela s’aligne également bien sur notre mission de démocratiser l’apprentissage automatique, la grande majorité des personnes en dehors de l’espace de l’apprentissage automatique ne savent pas grand-chose sur l’apprentissage automatique, mais elles savent certainement beaucoup sur leurs données.

Nous avons vu qu’il y avait deux types de sociétés, d’une part les sociétés avec des données dans la base de données, d’autre part les sociétés qui n’avaient pas encore découvert les bases de données, nous avons réalisé que si une société faisait partie du groupe des bases de données, leur maturité des données les avait déjà mis sur la bonne voie pour être en mesure d’appliquer vraiment l’apprentissage automatique, alors que les sociétés qui n’avaient pas encore découvert les bases de données avaient encore un long chemin à parcourir, nous nous sommes donc concentrés sur la fourniture de valeur pour ceux qui pouvaient réellement l’extraire.

Comment MindsDB aborde-t-il la modélisation et le déploiement en SQL pur ?

Nous créons des représentations de modèles sous forme de tables qui peuvent être interrogées, nous supprimons ainsi effectivement le concept de « déploiement » de l’image. Lorsque vous tapez sur une base de données CREATE VIEW, cette vue est active dès que la commande est terminée, même chose lorsque vous faites CREATE MODEL dans MindsDB.

Les gens aiment MindsDB en raison de la simplification que vous avez apportée au cycle de vie ML-Ops, pourquoi est-il si important de simplifier le déploiement de l’apprentissage automatique ?

Les gens l’aiment parce qu’il abstrait les pipelines ETL inutiles, il y a donc moins de choses à maintenir. Notre objectif est d’aider les utilisateurs à extraire la valeur de l’apprentissage automatique, en ne pensant pas à maintenir l’infrastructure d’apprentissage automatique s’ils maintiennent déjà l’infrastructure de données.

Quels sont les avantages et les risques d’être une startup open-source par rapport à une startup traditionnelle ?

Un projet open-source peut commencer avec une idée, et les gens vous aideront à le construire en cours de route, sur l’approche close source, vous devez commencer avec les mêmes hypothèses, mais vous devez être sûr que vous avez raison, car personne ne vous aidera à améliorer votre produit (du moins pas dans le même volume qu’avec open-source), pensez à open-source comme une approche collaborative de produit utilisateur.

MindsDB a récemment levé 16,5 millions de dollars en série A auprès de Benchmark, pourquoi Benchmark est-il l’investisseur idéal et comment leur vision correspond-elle à la vôtre ?

Benchmark a un bilan impeccable dans notre industrie, Chetan a aidé des sociétés comme Mongodb, Elastic, Airbyte à devenir les leaders mondiaux dans leur domaine. Nous croyons qu’il n’y a pas de meilleur choix pour MindsDB que Chetan et Benchmark Capital.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter MindsDB.