Nir Bar-Lev, PDG et co-fondateur d’Allegro AI – Série d’entretiens

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

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

Ce qui m’a le plus attiré dans ma carrière, c’est l’introduction de technologies innovantes pour résoudre des problèmes ou des opportunités (et ils sont en fait les deux côtés de la même médaille) à grande échelle. Je dois admettre que mon temps chez Google (GOOGL ) a certainement contribué à cette inclination.

L’IA répond certainement à ces deux critères. Elle se situe à la pointe de certaines des frontières technologiques d’aujourd’hui et elle a le potentiel d’affecter presque tous les aspects de notre vie sur cette planète.

Vous avez eu une carrière impressionnante, en commençant chez Google en tant que responsable produit fondateur de la plate-forme de reconnaissance vocale de Google. Pouvez-vous discuter de ces premiers jours de travail chez Google et de ce que vous avez appris de cette expérience ?

Sortant tout juste de l’école de commerce de Wharton, j’ai été frappé par la façon dont Google fonctionnait à l’encontre des normes commerciales établies sur la façon de diriger des entreprises réussies, comme enseigné dans les meilleures écoles de commerce du monde et comme je l’ai vécu dans ma carrière avant l’école de commerce. Je me souviens vivement en avoir discuté avec quelques-uns de mes collègues qui ont également rejoint Google à la même époque, juste après leur MBA.

Il s’est avéré que Google a changé – dans une certaine mesure – le livre de jeu commercial, mais qu’il a également bénéficié d’un immense feu de joie virtuel d’argent provenant de son entreprise publicitaire qui lui a permis d’expérimenter de manière que la plupart des entreprises ne pouvaient pas se le permettre. Je peux attester que, alors que j’ai passé une décennie chez Google, il a de plus en plus adopté des pratiques et des processus de réflexion commerciaux “mainstream” établis à mesure qu’il a grandi.

Pour moi, en tant que responsable produit de la plate-forme de reconnaissance vocale, j’ai dû travailler avec des chercheurs scientifiques. C’était en fait l’une des premières équipes de recherche chez 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 voilà que j’essayais de travailler avec des chercheurs accomplis dans une entreprise extrêmement orientée vers l’ingénierie.

Il s’est avéré que les défis que j’ai rencontrés il y a presque 15 ans sont très similaires aux problèmes que les entreprises rencontrent aujourd’hui lorsqu’elles tentent d’intégrer des data scientists dans leurs organisations.

En 2016, vous êtes devenu co-fondateur d’Allegro AI. Quelle a été votre inspiration pour lancer Allegro AI ?

Lors de la fondation d’Allegro AI, j’ai fait équipe avec deux partenaires incroyables qui sont des talents d’ingénierie hors pair. L’un de mes partenaires était le premier étudiant en doctorat dans l’un des premiers et actuellement principaux laboratoires d’IA d’Israël, qui est sans doute l’un des principaux hubs d’IA au monde. Il avait donc réellement – pour moi – fait partie des équipes fondatrices de l’IA appliquée dans la communauté locale. Il avait la vision de voir comment l’application de la ML / DL dans la pratique devrait faire face à un nouveau ensemble de défis autour de l’échelle, de l’automatisation, de la fiabilité, de la qualité et plus encore. En discutant avec eux, il est devenu clair pour moi 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 puisse avoir un impact immense sur l’IA grâce aux outils que nous fournissons. Google et certaines des autres grandes entreprises technologiques sont dans une position enviable en termes de capacité à mobiliser des ressources sans fin de la meilleure qualité pour relever ces défis. Mais presque tout le monde d’autre ne peut pas se le permettre (que ce soit en termes d’accès au talent, de ressources monétaires, de focalisation de l’entreprise, etc.). C’était donc une opportunité d’aligner exactement ce que j’aime faire le plus (voir q1) et d’aider tout l’écosystème.

Allegro AI sert de plate-forme de gestion de l’apprentissage automatique et du deep learning open source. Pouvez-vous discuter des avantages de l’utilisation de logiciels open source ?

Les logiciels open source ont plusieurs avantages. Le plus important est qu’ils exploitent la communauté plus large pour améliorer le produit lui-même. Les utilisateurs trouvent des bogues, des problèmes, il y a un large discours sur les fonctionnalités qui sont d’intérêt ; l’intégration dans d’autres outils open source est beaucoup plus facile à faciliter que cela ne le serait entre deux organisations commerciales avec des outils propriétaires fermés ; etc.

Cela offre un excellent modèle de gagnant-gagnant pour la communauté et l’entreprise derrière. Cela se prête facilement à l’essai et au test, et même à l’expansion pour les organisations qui ne paieront pas, et en même temps permet aux plus grands clients potentiels de payer pour des fonctionnalités étendues / services basés sur un logiciel largement utilisé (et donc moins risqué).

Allegro AI propose des services de gestion de données. Pouvez-vous discuter des types d’outils proposés pour cela ?

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

Plus précisément, il est important de qualifier le type de gestion de données que nous proposons. L’idée n’est pas la gestion physique des données, mais plutôt la gestion des données d’un point de vue IA. Pour l’IA, il est essentiel pour l’équipe de data science de comprendre quelles données elle a à sa disposition. Avec les 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 capteur, etc.

Les data scientists ont besoin de savoir la variance de leurs données pour les aligner sur les différentes situations afin qu’ils puissent former efficacement leurs modèles. Ils ont besoin de comprendre s’il existe des pièces de données critiques qui manquent ; s’il y a des biais ou des distorsions dans les données.

Et puis – à l’autre extrémité – ils ont besoin d’outils pour résoudre ces situations de manière rentable et rapide sans avoir à aller chercher de nouvelles données physiques et les annoter / étiqueter (une entreprise très coûteuse et longue).

C’est en substance le type d’outillage que nous proposons dans ce domaine : des outils puissants pour effectuer une “intelligence d’affaires” sur vos données à un niveau de granularité et de détail sans précédent et, à l’autre extrémité, des outils pour intégrer étroitement les données dans les expériences et les modèles de telle sorte que, sans code, les data scientists puissent configurer des exécutions de formation efficaces avec les données disponibles.

En plus de cela, nous proposons une valeur ajoutée supplémentaire dans l’optimisation du flux de données, du déplacement de données, etc. Puisque nous parlons de traitement de téraoctets de données. Les déplacer est coûteux et les entreprises ont besoin d’une solution pour optimiser cela également.

Allegro AI propose également la sous-traitance de services d’ingénierie de données. Quels sont les services disponibles ?

Allegro Ai est principalement une entreprise de produits et nous nous considérons comme fournisseurs d’outils, d’infrastructures ou de squelettes pour les entreprises pour développer, déployer et gérer des produits avec des modèles d’IA (DL / ML) intégrés.

Ceci étant dit, c’est un nouveau domaine et nos clients ont parfois besoin d’aide pour configurer leurs pipelines spécifiques basés sur nos outils, ou même d’aide pour lancer leurs propres modèles. Lorsque ces situations se produisent, nous proposons des services complémentaires à notre offre de logiciels principale.

Pouvez-vous discuter de l’importance de l’apprentissage fédéré et de la façon 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 apporter ces ensembles de données à un seul emplacement. Nous proposons également une version améliorée de celle-ci, que nous appelons “apprentissage fédéré aveugle” ou “apprentissage collaboratif 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 final.

L’apprentissage fédéré est important dans diverses situations où la confidentialité des données ou la réglementation ou la confidentialité des données est critique à préserver, tout en ayant un intérêt à exploiter différents ensembles de données. Par exemple, deux hôpitaux ou institutions médicales qui souhaitent collaborer à la formation d’un modèle pour les scans CT ; ou deux agences gouvernementales qui souhaitent collaborer sur des données de sécurité nationale pour construire un modèle anti-terroriste mais, pour des raisons légales, ne peuvent pas exposer les données même l’une à l’autre.

Ou même des situations où une seule entité ne peut pas déplacer ses diverses banques de données car cela est prohibitivement coûteux – par exemple, un constructeur automobile mondial qui souhaite former des véhicules autonomes en exploitant les données collectées à partir de voitures qui roulent partout dans le monde.

Allegro AI est l’une des rares entreprises au monde qui dispose d’une plate-forme commerciale éprouvée et testée qui facilite l’apprentissage fédéré.

Y a-t-il autre chose que vous aimeriez partager sur Allegro AI ?

Allegro AI est une force montante dans le monde des outils d’IA et de ML-Ops. Juste ce trimestre dernier, au milieu de la première vague de la crise du Covid-19, nous avons connu une croissance qui a plus que doublé notre base de clients en seulement 3 mois.

Je vous remercie pour l’entretien, les lecteurs qui souhaitent en savoir plus peuvent visiter Allegro AI.