ईडो लिबर्टी, पाइनकोन में संस्थापक और मुख्य वैज्ञानिक – साक्षात्कार श्रृंखला

ईडो लिबर्टी, पाइनकोन के संस्थापक और मुख्य वैज्ञानिक, बड़े पैमाने पर डेटा सिस्टम और मशीन लर्निंग में एक अग्रणी विशेषज्ञ हैं। पाइनकोन लॉन्च करने से पहले – जो एक वेक्टर डेटाबेस है जो प्रदर्शन और पैमाने के लिए बनाया गया है – वह एएवाईएस में अनुसंधान निदेशक और अमेज़ॅन एआई लैब्स के प्रमुख थे, जहां उनकी टीम ने सेजमेकर, ओपनसर्च, किनेसिस और अधिक के पीछे की मूल तकनीकों को विकसित किया। उन्होंने पहले याहू की न्यूयॉर्क अनुसंधान प्रयोगशाला का नेतृत्व किया, जिसमें खोज, विज्ञापन और सुरक्षा में मशीन लर्निंग प्लेटफ़ॉर्म और अनुप्रयोगों को आगे बढ़ाया गया। उनका काम बड़े पैमाने पर डेटासेट को संभालने के लिए एल्गोरिदम और गणितीय आधारों पर केंद्रित है, जिसमें आयाम कम करना, क्लस्टरिंग, स्ट्रीमिंग और बड़े पैमाने पर रेखीय बीजगणित शामिल हैं।

पाइनकोन एक पूरी तरह से प्रबंधित वेक्टर डेटाबेस है जो बड़े और गतिशील डेटासेट पर खोज को शक्तिशाली और कुशल बनाने के लिए बनाया गया है। यह घने और पतले एम्बेडिंग, वास्तविक समय अनुक्रमण, और मेटाडेटा-आधारित फ़िल्टरिंग का समर्थन करता है, साथ ही साथ अग्रणी क्लाउड, मॉडल और फ़्रेमवर्क के साथ सहजता से एकीकृत करता है। सर्वरलेस ऑटो-स्केलिंग, उद्यम-ग्रेड सुरक्षा और एसओसी 2, आईएसओ 27001, जीडीपीआर और हिप्पा जैसे अनुपालन मानकों के साथ, पाइनकोन बड़े पैमाने पर एआई अनुप्रयोगों को तैनात करने के लिए एक विश्वसनीय आधार प्रदान करता है।

आपने 2019 में पाइनकोन की स्थापना की जब आप अमेज़ॅन एआई लैब्स में अनुसंधान का नेतृत्व कर रहे थे और सेजमेकर जैसे सिस्टम बना रहे थे। आपको पाइनकोन लॉन्च करने और विशेष रूप से वेक्टर डेटाबेस पर ध्यान केंद्रित करने के लिए क्या प्रेरित किया?

एडब्ल्यूएस में, हमारी एमएल टीम ने अद्भुत सिस्टम बनाए, लेकिन जब यह स्मृति की बात आई, तो विशाल अप्रत्याशित डेटा के माध्यम से सेमेंटिक रूप से खोज करने का कोई तरीका नहीं था। इसके लिए बेहद विशेषज्ञ इंजीनियरों की आवश्यकता थी जो जटिल वेक्टर खोज-आधारित समाधान बनाने के लिए जानते थे। मुझे पता था कि अगर लोग आसानी से वेक्टर द्वारा कब्जा किए गए सेमेंटिक समृद्धि तक पहुंच सकते हैं और इसे जटिल मॉडल के साथ जोड़ सकते हैं, तो कोई भी एआई के मूल्य को तेजी से तेज कर सकता है। इसलिए मैंने एडब्ल्यूएस को छोड़ दिया और वास्तव में स्मृति का उपयोग करके अप्रत्याशित डेटा का मूल्य प्राप्त करने के लिए इसे सरल बनाने का लक्ष्य रखा।

पाइनकोन वेक्टर डेटाबेस स्थान में परिभाषित करने वाली कंपनी में विकसित हुआ है। पीछे देखते हुए, आपको इस नए श्रेणी की स्थापना के लिए किन तकनीकी या बाजार की बाधाओं को पार करना पड़ा?

सबसे बड़ा चुनौती? कोई नहीं जानता था कि वेक्टर डेटाबेस क्या है! हमें बाजार को यह समझाना पड़ा कि हम क्या बना रहे थे और यह महत्वपूर्ण क्यों था। हमने अपने ग्राहकों से पूछा कि वे इसे खुद क्या कहते हैं और उन्होंने हमें बताया कि यह एक वेक्टर डेटाबेस है।

एक बार जब अन्य लोगों ने इसे समझना शुरू किया, तो वे पूछने लगे कि वे खुले स्रोत का उपयोग क्यों नहीं कर सकते? और हमें खुले स्रोत की सीमाओं और पैमाने-प्रदर्शन व्यापार-बंद को समझाना पड़ा, और उसके बाद, आपको अभी भी अनुभवी इंजीनियरों की आवश्यकता होगी अपने बुनियादी ढांचे का निर्माण करने के लिए। यही कारण है कि हम हमेशा एक प्रबंधित सेवा रहे हैं और उपयोगकर्ता अनुभव पर ध्यान केंद्रित करते हैं। हमारी प्रणाली बहुत जटिल है क्योंकि आपको अरब-पैमाने पर समानता खोज के लिए इस विशेषज्ञ बुनियादी ढांचे की आवश्यकता है। लेकिन हम इसे एक एपीआई कॉल के साथ सुलभ बनाते हैं जिसका उपयोग कोई भी डेवलपर कर सकता है।

इसका मतलब था कि हमें अनुमानित निकटतम पड़ोसी एल्गोरिदम, इंडेक्स प्रबंधन और वितरित प्रणालियों की जटिलता को दूर करना था। डेवलपर्स एचएनएसडब्ल्यू पैरामीटर के बारे में नहीं सोचते हैं, वे बस चाहते हैं कि यह काम करे।

आप हाल ही में सीईओ से मुख्य वैज्ञानिक में बदल गए हैं, आश आशुतोष को कंपनी का नेतृत्व करने के लिए लाया है। इस निर्णय के पीछे क्या प्रेरणा थी, और आप पाइनकोन के अगले अध्याय में अपनी भूमिका को कैसे देखते हैं?

पाइनकोन, एक कंपनी के रूप में, एक एआई कंपनी है और अनुसंधान-केंद्रित कंपनी है। हम यहां तक ​​पहुंचे हैं क्योंकि हमने खोज, प्रणाली और एल्गोरिदम को फिर से परिभाषित किया है। और, हम बहुत शैक्षणिक रूप से सक्रिय रहे हैं, तकनीकी रिपोर्ट और पत्र प्रकाशित करते हैं, बातचीत और बाजार को शिक्षित करते हैं, यहां तक ​​कि एआई और स्मृति पर पाठ्य पुस्तकें और विश्वविद्यालय पाठ्यक्रम भी लिखते हैं। जैसा कि कंपनी बढ़ती है, हमें इन प्रयासों को एक अनुसंधान प्रयोगशाला के तहत औपचारिक बनाने की आवश्यकता है जो व्यवसाय के बाकी हिस्सों से अलग है। गहरे मन और गूगल के उदाहरण के बारे में सोचें। आगे बढ़ते हुए, मैं अपनी ऊर्जा को अनुसंधान का नेतृत्व करने, एआई को जानने और पाइनकोन से अगले सेट के संदर्भित उत्पादों का निर्माण करने पर केंद्रित करूंगा।

एक ही समय में, आश पाइनकोन के लिए एक शानदार सीईओ और नेता होंगे। उन्होंने कई बुनियादी ढांचे की कंपनियों की स्थापना की और स्केल की है, और उन्हें पता है कि पाइनकोन जैसी कंपनी का संचालन कैसे किया जाए। वह हमारी प्रौद्योगिकी और हमारे बाजार के बारे में गहराई से जानकार और रचनात्मक हैं। और, वह ग्राहकों के प्रति बहुत जुनूनी है। आश और मैं कंपनी के विकास और हमारे व्यवसाय पर गहराई से साझेदारी करेंगे।

आपके ब्लॉग पोस्ट में आपने “एआई को जानने” पर ध्यान केंद्रित करने के बारे में लिखा है। इसका क्या अर्थ है और पाइनकोन की प्रौद्योगिकी इसे कैसे संभव बनाती है?

एआई बिना स्मृति के एक प्रतिभाशाली व्यक्ति की तरह है जिसे स्मृति नहीं है: बहुत बुद्धिमत्ता, लेकिन कोई संदर्भ नहीं। “एआई को जानने” का अर्थ है एआई प्रणालियों को वास्तविक समय में विशाल मात्रा में जानकारी तक पहुंचाने, समझने और तर्क करने में सक्षम बनाना।

हम एआई-संचालित अनुप्रयोगों को प्रासंगिक अंतर्दृष्टि प्रदान करने में सक्षम बना रहे हैं, जो वास्तविक समय में सेमेंटिक रूप से समझे और व्यवस्थित डेटा से निकाले जाते हैं, और यह सुनिश्चित करते हैं कि एआई प्रणालियां केवल अनुमान नहीं लगा रही हैं, बल्कि ज्ञान को पुनः प्राप्त करने और संश्लेषण करने में सक्षम हैं। यह अंतिम उपयोगकर्ताओं के लिए अधिक सटीक, सूचित और अद्यतन आउटपुट का परिणाम है।

हम उच्च गुणवत्ता वाले एंड-टू-एंड पुनर्प्राप्ति के लिए सभी घटकों और क्षमताओं को एक ही स्थान पर प्रदान करके ऐसा करते हैं, साथ ही बड़े पैमाने पर पुनर्प्राप्ति के लिए उद्योग-अग्रणी प्रदर्शन के साथ।

प्रिंसटन में “एआई में लंबी अवधि की स्मृति” पढ़ाने के बाद, आप वेक्टर डेटाबेस और एआई मॉडल के भविष्य के बीच संबंध को कैसे देखते हैं? क्या आप मानते हैं कि स्मृति और संदर्भ आज के बड़े मॉडलों के लिए गायब होने वाले सामग्री हैं?

निश्चित रूप से। एलएलएम पैटर्न मैचिंग मशीनें हैं – अद्भुत, लेकिन अभी भी मूल रूप से अपने प्रशिक्षण डेटा कट-ऑफ और संदर्भ विंडो से सीमित हैं। मैंने मेटा से मैथिज डौज़ के साथ जो पाठ्यक्रम पढ़ाया, वह वेक्टर खोज को संभव बनाने वाले एल्गोरिदम पर केंद्रित था। भविष्य बड़े मॉडल नहीं है, बल्कि अधिक डेटा पर स्मार्ट पुनर्प्राप्ति है, वास्तविक समय में।

कई उद्यम एआई पायलट से उत्पादन-स्तर की तैनाती में जाने के लिए संघर्ष करते हैं। पाइनकोन इस अंतर को कैसे पाटता है, और आपने सफल ग्राहकों से कौन से सर्वोत्तम अभ्यास देखे हैं?

अंतर आमतौर पर तीन चीजों पर नीचे आता है: प्रदर्शन (और लागत) पैमाने पर, सुरक्षा, और जटिलता। एक डेमो जो 10 मिलियन दस्तावेजों के साथ काम करता है वह 10 अरब पर टूट जाता है। कुछ घंटों के लिए कुछ चलाना 24/7 बिना डाउनटाइम की सहनशीलता के साथ चलाने से अलग है। यही कारण है कि हम अपने सर्वरलेस आर्किटेक्चर, उद्यम-ग्रेड सुविधाओं और उपयोग में आसानी पर जुनूनी हैं।

सबसे महत्वपूर्ण बात यह है कि बस शुरू करें। हमारे ग्राहक अक्सर आश्चर्यचकित होते हैं कि वे हमसे बात किए बिना कितना कर सकते हैं। हमने इसे जानबूझकर ऐसा बनाया है, लेकिन हमारे ग्राहकों को जरूरत पड़ने पर हमेशा उनकी मदद के लिए तैयार रहते हैं।

आप अपने करियर में अकादमिक, बड़े प्रौद्योगिकी अनुसंधान (याहू, एएवाईएस) और उद्यमिता के बीच आगे बढ़े हैं। इन विभिन्न वातावरणों ने पाइनकोन के निर्माण के लिए आपके दृष्टिकोण को कैसे आकार दिया है?

अकादमिक ने मुझे पहले सिद्धांतों से सोचना सिखाया। कैसे महान समाधान डिजाइन करने के लिए। याहू और एएवाईएस में, मैंने सीखा कि इंजीनियरों को कैसे सरल डेटा प्लेटफ़ॉर्म बनाना है जिस पर वे निर्माण करना पसंद करते हैं।

उद्यमिता वह है जहां आप सीखते हैं कि सबसे अच्छी प्रौद्योगिकी केवल तभी जीतती है जब यह वास्तविक समस्याओं को हल करती है जिस तरह से लोग वास्तव में इसका उपयोग कर सकते हैं।

यह मिश्रण हमारे लिए निर्माण के लिए महत्वपूर्ण है। हम केवल शोध पत्र नहीं लिख रहे हैं या प्रौद्योगिकी के लिए प्रौद्योगिकी का निर्माण कर रहे हैं। प्रत्येक नवाचार को डेवलपर्स के जीवन को आसान बनाना चाहिए और उद्यमों के अनुप्रयोगों को अधिक शक्तिशाली बनाना चाहिए।

खोज और एआई का संगम कंप्यूटिंग में सबसे बड़े बदलावों में से एक लगता है। आपको लगता है कि यह अगले पांच वर्षों में कहां जा रहा है, और पाइनकोन का काम इस भविष्य को आकार देने में कैसे मदद करेगा?

खोज संवादात्मक और संदर्भिक हो रही है। पांच साल में, आप “खोज” नहीं करेंगे – आप एआई प्रणालियों के साथ संवाद करेंगे जो न केवल आपके प्रश्न को समझते हैं, बल्कि आपके इरादे, आपके संदर्भ, आपके इतिहास को भी समझते हैं। प्रत्येक इंटरैक्शन वास्तविक समय में अपडेट किए गए विशाल ज्ञान भंडार द्वारा सूचित किया जाएगा।

हम इसके लिए बुनियादी ढांचा बना रहे हैं। हमारा वेक्टर डेटाबेस केवल शुरुआत है। मैं एक भविष्य देखता हूं जहां प्रत्येक अनुप्रयोग में निहित संदर्भ है, जहां एआई कल्पना नहीं करता है क्योंकि यह डेटा में निहित है, जहां खोज और जानने के बीच की सीमा गायब हो जाती है।

मुख्य वैज्ञानिक के रूप में, आप अब डेटा, मॉडल और प्रोटोटाइप के साथ अधिक हाथों-हाथ काम करेंगे। आप अभी किन शोध क्षेत्रों में सबसे ज्यादा उत्साहित हैं?

ओह, आदमी, मैं कहां से शुरू करूं? अल्पकालिक-मध्यम अवधि के लिए, मैं कुशलता और उपयोग में आसानी में गहराई से जा रहा हूं। क्या हम वेक्टर खोज को 10 गुना तेज़ बना सकते हैं जबकि इसे 10 गुना सस्ता बना सकते हैं? क्या हम अपने एपीआई को आज की तुलना में भी सरल बना सकते हैं? ये कठिन समस्याएं हैं।

लंबी अवधि के लिए, मैं पुनर्प्राप्ति और तर्क के बीच के संगम पर जुनूनी हूं। कैसे आप ऐसी प्रणालियों का निर्माण करें जो न केवल प्रासंगिक तथ्यों को खोजती हैं, बल्कि उनके बीच संबंधों को भी समझती हैं? और फिर उस संदर्भ का उपयोग करके जानकार एआई और अधिक शक्तिशाली एजेंट बनाती हैं।

अंत में, व्यक्तिगत रूप से: सीईओ की भूमिका से हटकर, आपको इस परिवर्तन से सबसे ज्यादा क्या उत्साहित करता है, और पाइनकोन के अगले चरण में क्या सफलता आप अनलॉक करने की उम्मीद करते हैं?

मैं तब सबसे खुश होता हूं जब मैं कोड में गहराई से काम कर रहा होता हूं, अपनी अनुसंधान टीम के साथ काम कर रहा होता हूं, और 2 बजे “वाह, यह वास्तव में काम करता है!” के क्षणों का अनुभव कर रहा होता हूं।

मेरा सपना? पुनर्प्राप्ति को इतना अच्छा बनाना कि यह अदृश्य हो जाए। जहां डेवलपर्स एम्बेडिंग, इंडेक्स या किसी अन्य चीज़ के बारे में सोचे बिना संदर्भिक अनुप्रयोग बना सकते हैं और यह बस काम करता है।

हम एक अविश्वसनीय क्षण में हैं जहां एआई और डेटा एक साथ आ रहे हैं। संभावना असीमित है और मुझे अपने दिनों में इस भविष्य को बनाने में बिताने को मिलता है।

धन्यवाद इस शानदार साक्षात्कार के लिए, पाठक जो अधिक जानना चाहते हैं उन्हें पाइनकोन पर जाना चाहिए।