जेरोनिमो डी लियोन, बैकब्लेज़ में एआई के वरिष्ठ उत्पाद प्रबंधक – साक्षात्कार श्रृंखला

जेरोनिमो डी लियोन एक अनुभवी उत्पाद प्रबंधन नेता हैं जिनके पास एआई-संचालित नवाचार को व्यवसाय और स्टार्टअप वातावरण में 10 से अधिक वर्षों तक चलाने का अनुभव है। वर्तमान में बैकब्लेज़ में एआई के वरिष्ठ उत्पाद प्रबंधक के रूप में कार्यरत, वह एआई/एमएल सुविधाओं के विकास का नेतृत्व करते हैं, बैकब्लेज़ के ग्राहकों के एमएलओपीएस आर्किटेक्चर के लिए एआई डेटा लाइफसाइकल को कैसे बढ़ाता है, इस पर ध्यान केंद्रित करते हैं और आंतरिक संचालन को अनुकूलित करने के लिए एआई टूल और एजेंट लागू करते हैं।

बैकब्लेज़ एक क्लाउड स्टोरेज और बैकअप कंपनी है जो व्यक्तियों और व्यवसायों के लिए असीमित, स्वचालित कंप्यूटर बैकअप प्रदान करती है, साथ ही उद्यम, मीडिया और अनुप्रयोग कार्यभार के लिए मापनीय वस्तु संग्रहण समाधान भी प्रदान करती है। इसकी सेवाएं किफायती, डेटा सुरक्षा, आसान पुनर्प्राप्ति और मौजूदा प्रणालियों के साथ सहज एकीकरण पर केंद्रित हैं।

आप एआई-संचालित उत्पाद प्रबंधन में एक दशक से अधिक का अनुभव लाते हैं – इंटेलस में एलएलएम और वेलकम.एआई में आरएजी के साथ काम करने से लेकर ब्लूमबर्ग के चैटबॉट को लॉन्च करने और अब बैकब्लेज़ में एआई प्रयासों का नेतृत्व करने तक। इन अनुभवों ने आपके विचार को एआई/एमएल कार्य प्रवाहों को स्केल करने में क्लाउड स्टोरेज की भूमिका के बारे में कैसे आकार दिया है?

आईबीएम वाटसन में एआई परियोजनाओं पर शुरू करने के बाद से, मैंने नवाचार की गति में नाटकीय रूप से तेजी देखी है। जो पहले शोध से उत्पादन तक जाने में वर्षों लगते थे, अब महीनों में होता है। हालांकि, मूलभूत बुनियादी ढांचे की चुनौतियां वही रहती हैं: डेटा कहां है, हम इसे कहां संग्रहीत करते हैं, और हम इसे कुशलता से कैसे एक्सेस करते हैं?

पहले, प्रतिबंध कंप्यूट और मॉडल थे, लेकिन अब हमारे पास प्रीट्रेन्ड मॉडल की अधिकता है और बहुत सारे कंप्यूट प्रदाता हैं। फिर भी, जब हम पहले एक परियोजना शुरू करते थे, तो हमें आमतौर पर एक डेटा संग्रह और प्रसंस्करण परियोजना से शुरू करना पड़ता था, यह आज भी वही है। मैं लगातार संगठनों को विभिन्न स्रोतों से डेटा को समेकित करने की उसी बोतलनेक में मारा जाता हुआ देखता हूं। जो संगठन सफल होते हैं वे उन लोगों के होते हैं जो डेटा एक्सेसिबिलिटी को जल्दी हल कर लेते हैं, जो एक फाउंडेशन बनाते हैं जो उनकी एआई परिपक्वता के साथ स्केल करता है। आपके स्टोरेज आर्किटेक्चर के निर्णय यह निर्धारित करते हैं कि आप मॉडल प्रशिक्षण और नवाचार में कितनी जल्दी पहुंच सकते हैं।

आप एआई लाइफसाइकल में – डेटा इंगेस्ट और प्रोसेसिंग से लेकर प्रशिक्षण, फाइन-ट्यूनिंग, अनुमान और मॉनिटरिंग तक – क्लाउड स्टोरेज को सबसे महत्वपूर्ण भूमिका निभाते हुए देखते हैं?

क्लाउड स्टोरेज एआई लाइफसाइकल में महत्वपूर्ण है, डेटा एकत्रीकरण, प्रसंस्करण, प्रशिक्षण और अनुमान में महत्वपूर्ण चरणों के साथ। शुरू में, संग्रहीत, सूचीबद्ध और सुरक्षित करने से नए परियोजनाओं को तेजी से शुरू करने और उभरते मॉडल का परीक्षण करने में मदद मिलती है। स्वच्छ, अच्छी तरह से संसाधित डेटा अक्सर अधिक डेटा होने से बेहतर होता है, जो स्टोरेज को गुणवत्ता के साथ-साथ स्केल के लिए केंद्रीय बनाता है। मेरे पसंदीदा बैकब्लेज़ के उद्धरणों में से एक है, “यह एकत्र करना नहीं है अगर यह डेटा है।” आप कभी नहीं जानते कि यह कितना मूल्यवान होगा, इसलिए संगठनों को जितना संभव हो उतना एकत्र करना चाहिए। प्रशिक्षण के दौरान, मापनीय स्टोरेज बड़े डेटासेट के माध्यम से प्रवाह सुनिश्चित करता है, और अनुमान में, पूर्वानुमान आउटपुट और उपयोगकर्ता प्रतिक्रिया को पकड़ने से निरंतर पुनरावृत्ति को सक्षम किया जाता है। अंत में, स्टोरेज वह फाउंडेशन है जो यह निर्धारित करता है कि आप एआई के साथ कितनी जल्दी नवाचार कर सकते हैं।

एआई के लिए स्टोरेज को स्केल करने में संगठनों को किन सबसे बड़ी बाधाओं का सामना करना पड़ता है, और ये चुनौतियां छोटे स्टार्टअप्स और बड़े उद्यमों के बीच कैसे भिन्न होती हैं?

एआई के लिए स्टोरेज को स्केल करने में सबसे बड़ी बाधाएं लागत, डेटा प्रबंधन और पहुंच हैं। बड़ी मात्रा में डेटा संग्रहीत करना केवल एक चुनौती का हिस्सा है; इसे व्यवस्थित, पुनर्प्राप्त और नियंत्रित किया जाना चाहिए। स्वच्छ, अच्छी तरह से संरचित डेटा अक्सर अधिक डेटा होने से बेहतर होता है।

स्टार्टअप के लिए, प्रारंभिक चुनौती पर्याप्त डेटा प्राप्त करना है जिससे वे अपने मॉडल को प्रशिक्षित और परिष्कृत कर सकें। एक बार जब वे इसे प्राप्त कर लेते हैं, तो लागत और वास्तुकला अगली बाधाएं बन जाती हैं।

बड़े उद्यमों के लिए, चुनौती जटिलता है। उनके पास डेटा की अधिकता है, लेकिन यह सिलो, विरासत प्रणालियों और अनुपालन शासनों में विखंडित है, जिससे समेकन और पहुंच मुश्किल हो जाती है।

जो संगठन सफल होते हैं वे स्टोरेज को एक रणनीतिक सुविधा के रूप में मानते हैं जो लागत, प्रदर्शन और पहुंच में उनकी एआई परिपक्वता के साथ स्केल करता है।

लागत, विलंबता, सुरक्षा और अनुपालन के बीच, आप एआई को स्केल करने में सबसे दबाव वाली बाधा को क्या मानते हैं, और संगठनों को इसे कैसे संबोधित करना चाहिए?

लागत, विलंबता, सुरक्षा और अनुपालन के बीच, विलंबता सबसे दबाव वाली बाधाओं में से एक है। यह मॉडल प्रशिक्षण और अनुमान दोनों पर सीधा प्रभाव डालता है, और विशेष रूप से अनुमान जो उपयोगकर्ता अनुभव को आकार देता है। संगठन इस चरण में विलंबता को कम करने के लिए जो कुछ भी कर सकते हैं करते हैं, क्योंकि अनुमानों की सेवा में देरी अपनाया जा सकता है।

लागत एक निरंतर चुनौती बनी हुई है क्योंकि डेटा की मात्रा बढ़ती है, और अनुपालन विनियमित उद्योगों में विशेष रूप से महत्वपूर्ण हो जाता है क्योंकि संगठन बढ़ते हैं। स्टार्टअप अक्सर पहले लागत और विलंबता पर ध्यान केंद्रित करते हैं, जबकि उद्यमों को विलंबता के साथ शासन और नियामक मांगों के साथ संतुलन बनाना होता है। प्राथमिकता प्रशिक्षण और अनुमान के लिए विलंबता को कम करने वाले स्टोरेज का निर्माण करनी चाहिए, जबकि अभी भी लागत-कुशल और अनुपालन होना चाहिए क्योंकि एआई अपनाया जाता है।

उद्यम अक्सर एआई नवाचार को चलाने के लिए डेटा तक लचीली और आसान पहुंच की आवश्यकता पर जोर देते हैं। आपके दृष्टिकोण से, डेटा एक्सेस में सच्ची लचीलापन क्या दिखता है, और यह इतना आवश्यक क्यों है?

मैंने हाल ही में एक बातचीत में स्मार्ट आर्काइविंग के विचार पर जोर दिया। डेटा एक्सेस में सच्ची लचीलापन एक संरचित, खोज योग्य आर्काइव में जानकारी को केंद्रीकृत करने से शुरू होती है। इसका अर्थ है विभिन्न प्रारूपों को एकजुट करना, संगतता के लिए सामान्य और टैग करना, और भविष्य के प्रश्नों के लिए अनुक्रमण को सक्षम करना। यह दृष्टिकोण सुनिश्चित करता है कि डेटा न केवल संग्रहीत किया जाता है, बल्कि उपयोगी भी बनाया जाता है।

यह आवश्यक है क्योंकि यह विश्लेषण और मॉडलिंग के लिए आधार तैयार करता है। जब डेटा संरचित और खोज योग्य होता है, तो टीमें तेजी से आगे बढ़ सकती हैं, अधिक स्वतंत्र रूप से प्रयोग कर सकती हैं, और प्रशिक्षण और अनुमान दोनों में विलंबता को कम कर सकती हैं। इस तरह की लचीलापन के बिना, स्टोरेज जल्द ही एक बोतलनेक के बजाय एआई नवाचार के लिए एक सुविधा बन जाता है।

क्या आप वास्तविक दुनिया के उपयोग के मामलों को साझा कर सकते हैं – जैसे कि डिकार्ट एआई या विंड लैब्स के साथ – जो यह प्रदर्शित करते हैं कि सही क्लाउड स्टोरेज दृष्टिकोण एआई नवाचार को सीधे तौर पर कैसे सक्षम कर सकता है?

वे एआई नवाचार को सीधे तौर पर सक्षम करने के लिए सही क्लाउड स्टोरेज दृष्टिकोण का प्रदर्शन करने वाले दो उत्कृष्ट उदाहरण हैं। डिकार्ट ने मॉडल प्रशिक्षण पर ध्यान केंद्रित किया, जहां डेटा को कंप्यूट में कुशलता से ले जाना महत्वपूर्ण था। बैकब्लेज़ बी2 के साथ, उन्होंने 90 दिनों में 16पीबी तक स्केल किया, शून्य निर्गम लागत के साथ कई जीपीयू क्लस्टर में प्रशिक्षित किया, और प्रतियोगियों की तुलना में दस गुना अधिक कुशलता प्राप्त की। उस विश्वसनीयता और कुशलता ने उन्हें तेजी से नवाचार करने के लिए मुक्त किया।

विंड लैब्स ने ग्राहकों को डेटा तक पहुंच पर ध्यान केंद्रित किया। वे दैनिक रूप से पेटाबाइट्स का सेवा करते हैं और मासिक रूप से दसियों पेटाबाइट्स की सेवा करते हैं। बैकब्लेज़ के उच्च प्रदर्शन और नि:शुल्क निर्गम के साथ, वे उद्यम मांग को स्केल करने में सक्षम थे और उत्पाद विकास में संसाधनों को पुनः निवेश कर सकते थे। डेटा एक्सेस को स्केल करने में सक्षम होने से उनके प्लेटफ़ॉर्म के लिए नए अवसर खुले।

दोनों मामलों में, सही स्टोरेज रणनीति ने बुनियादी ढांचे को एक प्रतिबंध से एक सुविधा में बदल दिया, जिससे कंपनियां एआई में नवाचार पर ध्यान केंद्रित कर सकती हैं न कि लागत और जटिलता को प्रबंधित करने पर।

जैसे-जैसे एआई मॉडल और डेटासेट अधिक जटिल होते जा रहे हैं, संगठनों को स्टोरेज के प्रदर्शन के साथ लागत की कुशलता को संतुलित करने का मार्गदर्शन क्या देंगे?

संगठनों को अपने उत्पाद के साथ अपने दीर्घकालिक डेटा उपयोग के बारे में सोचने की आवश्यकता है। डेटा एकत्र करना, प्रसंस्करण, ले जाना और अनुमान चलाना सभी उनके उत्पाद के विकास के लिए केंद्रीय होंगे। यदि वे इसके लिए अब खाता नहीं बनाते हैं, तो लागत और स्टोरेज चुनौतियां समय के साथ बढ़ती रहती हैं। चूंकि एआई उनके उत्पाद और संगठन का एक केंद्रीय हिस्सा होगा, स्टोरेज को पहले से ही प्रदर्शन के साथ लागत की कुशलता को संतुलित करने के लिए डिज़ाइन किया जाना चाहिए ताकि यह उनके विकास के साथ चिकनी तरह से स्केल कर सके।

सुरक्षा और अनुपालन विशेष रूप से विनियमित उद्योगों में दबाव वाले हैं। आप क्लाउड स्टोरेज को अनुपालन की आवश्यकताओं को संतुष्ट करते हुए तेजी से नवाचार करने की अनुमति देने के लिए कैसे विकसित होते हुए देखते हैं?

शासन एक स्टोरेज का एक मूलभूत हिस्सा है। एक्सेस को सुव्यवस्थित करने के लिए एक ठोस आधार के साथ डेटा का प्रबंधन, सुरक्षा और लेखा परीक्षा करना महत्वपूर्ण है। मैं क्लाउड स्टोरेज को मजबूत निर्मित नियंत्रणों के साथ विकसित होते हुए देखता हूं, जैसे कि डिफ़ॉल्ट एन्क्रिप्शन, बारीक अनुमतियां, ऑडिट ट्रेल और डेटा निवास विकल्प। उतना ही महत्वपूर्ण डेटा वंशावली है। एआई में, यह जानना कि डेटा कहां से आया, यह कैसे संसाधित किया गया है और यह मॉडल में कैसे खिलाता है, अनुपालन और विश्वास दोनों के लिए आवश्यक है।

साथ ही, स्टोरेज प्लेटफ़ॉर्म उपयोगकर्ताओं को तेजी से आगे बढ़ने में सक्षम बनाने के लिए उपयोगिता में सुधार कर रहे हैं। जब शासन, वंशावली और पहुंच एक साथ काम करते हैं, तो संगठन नियामक आवश्यकताओं को पूरा करते हुए एआई के साथ तेजी से नवाचार कर सकते हैं।

बी2 में मूल्यांकन या माइग्रेट करने वाले संगठनों के लिए, आप क्या सलाह या मार्गदर्शन प्रदान करते हैं – विशेष रूप से डेटा माइग्रेशन, मौजूदा एमएलओपीएस या कंप्यूट स्टैक के साथ एकीकरण, या थ्रूपुट और निर्गम के लिए अनुकूलन के संबंध में?

चूंकि बी2 एस3 संगत है, यह मौजूदा एमएलओपीएस और कंप्यूट स्टैक में सीधे एकीकृत होता है बिना पुनः वास्तुकला के। हम अक्सर ग्राहकों के साथ एक प्रूफ ऑफ कॉन्सेप्ट पर काम करते हैं ताकि माइग्रेशन, प्रदर्शन और एकीकरण को मान्य किया जा सके इससे पहले कि हम स्केल करें। उसके बाद, ध्यान थ्रूपुट, डेटा मूवमेंट और डेटा ऑर्केस्ट्रेशन को अनुकूलित करने पर होता है ताकि टीमें क्लस्टर में प्रशिक्षित हो सकें, अनुमान चला सकें और बिना बुनियादी ढांचे की बोतलनेक के धीमा हुए बिना तेजी से पुनरावृत्ति कर सकें।

जैसे-जैसे एआई कार्यभार बढ़ते हैं – विशेष रूप से एलएलएम, एक्साबाइट-स्केल डेटासेट और हाइब्रिड या मल्टी-क्लाउड रणनीतियों के आसपास रुझानों के साथ – बैकब्लेज़ अपनी स्टोरेज पेशकशों को इन उभरती जरूरतों को पूरा करने के लिए कैसे विकसित कर रहा है?

बैकब्लेज़ में, हम न केवल यह देखते हैं कि डेटा आज कैसे उपयोग किया जाता है, बल्कि यह भविष्य में कैसे ऑर्केस्ट्रेट किया जाएगा। स्टोरेज अब केवल एक आर्काइव नहीं है, यह एक टूल बन रहा है जो तेजी से एक्सेस, कुशल मूवमेंट और विश्वसनीय ऑर्केस्ट्रेशन को डेटा के पारित करने की अनुमति देता है। एलएलएम और एक्साबाइट-स्केल डेटासेट के साथ, यह फाउंडेशन तेजी से एक्सेस और उच्च थ्रूपुट प्रशिक्षण और अनुमान दोनों के लिए महत्वपूर्ण होगा, साथ ही डेटा पर निर्भर करने वाले एआई एजेंटों के लिए भी जो प्रक्रियाओं को स्वचालित करने के लिए डेटा पर निर्भर करते हैं। परिणाम एक स्टोरेज फाउंडेशन है जो वर्तमान में नवाचार को सक्षम बनाता है और संगठनों को आगे की चीजों के लिए तैयार करता है।

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