Nir Bar-Lev, PDG et co-fondateur d'Allegro AI - Série d'interviews

Nir Bar-Lev est le PDG et co-fondateur de Allegro IA. Allegro AI se spécialise dans l'aide aux entreprises pour développer, déployer et gérer des solutions d'apprentissage automatique et profond. Avec Allegro AI, les organisations mettent sur le marché et gèrent des produits de meilleure qualité, plus rapidement et de manière plus rentable. Les produits sont basés sur le gestionnaire d'expériences open source ML & DL et le package ML-Ops d'Allegro Trains.

Qu'est-ce qui vous a initialement attiré vers l'IA ?

Ce qui m'a le plus attiré dans ma carrière, c'est d'apporter des innovations technologiques de pointe pour résoudre des problèmes ou des opportunités (et en fait, ce sont les deux faces d'une même médaille) à grande échelle. Je dois admettre que mon passage chez Google a certainement contribué à façonner cette inclination.

AI coche certainement ces deux cases. Il est à la pointe de certaines des frontières technologiques d'aujourd'hui et il a le potentiel d'affecter presque tous les aspects de nos vies sur cette planète.

Vous avez eu une carrière impressionnante en commençant chez Google en tant que chef de produit fondateur de la plate-forme de reconnaissance vocale de Google. Pourriez-vous nous parler de vos débuts chez Google et de ce que vous avez appris de cette expérience ?

Sortant tout droit de l'école de commerce de la Wharton School of Business, j'ai été frappé par la façon dont Google fonctionnait en contradiction extrême avec les normes commerciales établies sur la façon de gérer des entreprises prospères, telles qu'enseignées dans les meilleures écoles de commerce du monde et comme j'en ai fait l'expérience dans mon carrière pré-école de commerce. Je me souviens très bien d'avoir discuté de cela avec quelques-uns de mes collègues qui ont également rejoint Google en même temps tout droit sortis d'un MBA.

Il s'avère que Google a changé - dans une certaine mesure - le livre de jeu de l'entreprise, mais il a également bénéficié d'une immense caserne de pompiers virtuelle de son activité publicitaire qui lui a permis d'expérimenter d'une manière que la plupart des entreprises ne pouvaient pas se permettre de faire. Je peux attester qu'au cours de mes dix années passées chez Google, Google a de plus en plus adopté des pratiques commerciales et des processus de réflexion établis "traditionnels" au fur et à mesure de sa croissance.

Pour moi aussi, à la tête de la plateforme de reconnaissance vocale en tant que chef de produit, j'ai dû travailler avec des chercheurs. C'était en fait l'une des premières, sinon la première, équipe de recherche de Google qui s'intéressait vraiment à la recherche appliquée. Pour moi, c'était un grand défi. Les chercheurs ont des mentalités très différentes de celles des ingénieurs et j'essayais ici de travailler avec des chercheurs accomplis dans une entreprise extrêmement orientée vers l'ingénierie.

Il s'avère que les défis auxquels j'ai été confronté à l'époque il y a près de 15 ans sont très similaires aux problèmes auxquels les entreprises sont confrontées aujourd'hui lorsqu'elles tentent d'assimiler les scientifiques des données de l'IA dans leurs organisations.

En 2016, vous êtes devenu co-fondateur d'Allegro AI ? Quelle a été votre inspiration derrière le lancement d'Allegro AI ?

En fondant Allegro AI, j'ai fait équipe avec deux partenaires incroyables qui sont des talents d'ingénierie hors du commun. L'un de mes partenaires a été le premier doctorant dans l'un des premiers laboratoires d'IA d'Israël, actuellement à la tête de ce qui est sans doute l'un des principaux centres d'IA au monde. Il faisait donc vraiment – ​​pour moi – partie des équipes fondatrices de l'IA appliquée dans la communauté locale. Il avait la vision de voir comment l'application pratique du ML / DL devrait faire face à un nouvel ensemble de défis concernant l'échelle, l'automatisation, la fiabilité, la qualité et plus encore. En leur parlant, il m'est apparu clairement que je pouvais contribuer à l'équipe à partir de mon expérience chez Google et plus tôt pour vraiment avoir une chance de créer une entreprise qui peut avoir un impact immense sur l'IA grâce aux outils que nous fournissons. Google et certains des autres géants de la technologie sont dans une position enviable en termes de capacité à collecter des ressources infinies de la meilleure qualité pour relever ces défis. Mais à peu près tout le monde ne peut pas se le permettre (que ce soit en termes d'accès aux talents, aux ressources financières, à l'orientation de l'entreprise, etc.). C'était donc l'occasion de m'aligner exactement sur ce que j'aime le plus faire (voir q1) et d'aider l'ensemble de l'écosystème.

Allegro AI sert de plateforme open source de gestion d'apprentissage automatique et d'apprentissage profond. Pourriez-vous discuter des avantages de l’utilisation de logiciels open source ?

L'open source présente plusieurs avantages. Plus important encore, il s'appuie sur la communauté au sens large pour améliorer le produit lui-même. Les utilisateurs trouvent des bogues, des problèmes, il y a un large discours sur les fonctionnalités qui les intéressent ; l'intégration dans d'autres outils [open source] est beaucoup plus facile à faciliter qu'elle ne le serait entre deux organisations commerciales avec des outils propriétaires à source fermée ; etc.

Il fournit un excellent modèle pour un gagnant-gagnant à la fois pour la communauté et pour l'entreprise qui le soutient. Il se prête facilement à essayer et à tester et même à se développer pour les organisations qui ne paient pas / ne paieront pas, et en même temps permet aux clients potentiels plus importants de payer pour des fonctionnalités / services étendus basés sur une pièce largement utilisée (et donc moins risquée) de logiciels.

Allegro AI propose des services de gestion de données. Pourriez-vous discuter du type d'outils qui sont offerts pour cela?

Allegro Ai propose à la fois une gestion de données structurées et de données non structurées. Cependant, alors qu'il existe une multitude de solutions éprouvées de gestion des données structurées, nous proposons une solution unique aux données non structurées.

Plus précisément, il est important de qualifier le type de gestion des données que nous fournissons. L'idée n'est pas la gestion physique des données mais plutôt la gestion des données sous l'angle de l'IA. Pour l'IA, il est essentiel que l'équipe de science des données comprenne les données dont elle dispose. Avec des données non structurées, c'est assez difficile. Imaginez des milliers ou des centaines de milliers d'heures de vidéo ou d'audio. Imaginez des milliards de signaux de capteurs, etc.

Les scientifiques des données doivent connaître la variance de leurs données pour s'aligner sur les différentes situations afin de pouvoir former efficacement leurs modèles. Ils doivent comprendre s'il manque des données critiques ; s'il y a des biais ou des asymétries dans les données.

Et puis - d'un autre côté - ils ont besoin d'outils pour faire face à ces situations de manière rentable et rapide sans avoir à sortir et à rechercher de nouvelles données physiques et à les annoter / étiqueter (une entreprise très coûteuse et chronophage).

C'est essentiellement le type d'outils que nous fournissons dans ce domaine : des outils puissants pour faire de la "BI IA (intelligence d'affaires)" sur vos données à un niveau de granularité et de détail sans précédent et d'un autre côté des outils pour intégrer étroitement les données dans le des expériences et des modèles tels qu'avec des données de code zéro, les scientifiques peuvent mettre en place des cycles de formation efficaces avec les données à portée de main.

En plus de cela, nous fournissons une valeur ajoutée supplémentaire dans l'optimisation du flux de données, le déplacement des données, etc. Puisque nous parlons de traiter des téraoctets de données. Le déplacer coûte cher et les entreprises ont également besoin d'une solution pour l'optimiser.

Allegro AI propose également l'externalisation de services d'ingénierie de données. Quelles sont certaines des offres disponibles ?

Allegro Ai est avant tout une entreprise de produits et nous nous voyons fournir les outils, l'infrastructure ou l'échafaudage permettant aux entreprises de développer, de déployer et/ou de gérer des produits avec des modèles Ai (DL / ML) intégrés.

Cela dit, il s'agit d'un nouveau domaine et nos clients ont parfois besoin d'aide pour configurer leurs pipelines spécifiques construits sur nos outils, ou même pour démarrer eux-mêmes leurs modèles. Lorsque ces situations se produisent, nous fournissons des services auxiliaires à notre offre logicielle de base.

Pourriez-vous discuter de l’importance de l’apprentissage fédéré et de la manière dont Allegro AI peut être utilisé dans ce contexte ?

L'apprentissage fédéré est essentiellement la capacité de former un seul modèle d'IA en exploitant (formé sur) des ensembles de données situés dans différents emplacements physiques sans amener ces ensembles de données à un seul emplacement. Nous fournissons également une version améliorée de cela, que nous appelons « apprentissage fédéré en aveugle » ou « apprentissage collaboratif en aveugle » où aucune entité dans ce scénario n'a accès à des données qui ne lui appartiennent pas, y compris l'entité qui obtient le modèle ultime.

L'apprentissage fédéré est important dans diverses situations où la confidentialité des données ou la réglementation ou la propriété intellectuelle / la confidentialité sont essentielles à préserver alors qu'il est en même temps intéressant d'exploiter différents ensembles de données. Par exemple, deux hôpitaux ou établissements médicaux ou plus qui souhaitent collaborer à la formation d'un modèle pour les tomodensitogrammes ; ou deux agences gouvernementales qui veulent collaborer sur les données de sécurité intérieure pour construire un modèle antiterroriste mais qui, pour des raisons juridiques, ne peuvent même pas exposer les données l'une à l'autre.

Ou même des situations où une seule entité ne peut pas déplacer ses différents magasins de données parce que cela coûte trop cher - par exemple, un équipementier automobile mondial cherchant à former des véhicules autonomes en exploitant les données collectées à partir de voitures circulant dans le monde entier.

Allegro AI est l'une des rares entreprises dans le monde à disposer d'une plate-forme commerciale éprouvée et testée qui facilite l'apprentissage fédéré.

Y a-t-il autre chose que vous aimeriez partager à propos d'Allegro AI ?

Allegro AI est une force montante dans le monde des outils d'IA et du ML-Ops. Au cours du dernier trimestre, au milieu de la première vague de la crise du covid-19, nous avons connu une croissance qui a plus que doublé notre clientèle en seulement 3 minutes.

Merci pour l'interview, les lecteurs qui souhaitent en savoir plus devraient visiter Allegro IA.