Jorge Torres, Co-founder & CEO of MindsDB – Interview Series

Jorge Torres, adalah Co-founder & CEO of MindsDB, sebuah platform yang membantu siapa saja menggunakan kekuatan machine learning untuk mengajukan pertanyaan prediktif tentang data mereka dan menerima jawaban akurat dari itu. MindsDB juga merupakan lulusan YCombinator batch Winter 2020 dan baru-baru ini diakui sebagai salah satu perusahaan AI paling menjanjikan di Amerika oleh Forbes.

Apa yang awalnya menarik Anda ke machine learning?

Ini adalah cerita menarik. Pada 2008, saya tinggal dan bekerja di Berkeley untuk sebuah startup bernama Couchsurfing dan saya melihat kelas ini, (cs188- Introduction to AI). Meskipun saya tidak terafiliasi dengan universitas pada saat itu, saya meminta profesor John DeNero jika saya bisa duduk di kelas dan dia mengizinkan saya. Profesor ini sangat brilian, dan dia benar-benar membuat semua orang jatuh cinta dengan topik ini. Ini adalah hal terbaik yang pernah terjadi pada saya. Saya terkejut bahwa komputer bisa belajar untuk memecahkan masalah, saya menyadari ini bergerak cepat dan memutuskan untuk membuatnya menjadi karier saya.

Ada beberapa peristiwa yang mendefinisikan generasi dalam teknologi yang hanya datang beberapa kali dalam satu masa hidup. Saya beruntung enough untuk menjadi saksi kelahiran Internet tetapi terlalu muda untuk menjadi apa pun selain pengamat pasif. Saya percaya Machine Learning adalah peristiwa generasi berikutnya, dan saya ingin menjadi bagian dari itu dengan cara yang berarti untuk mendorong teknologi dan cara kita menggunakannya.

MindsDB dimulai di UC Berkeley pada 2018, bisa Anda berbagi wawasan dari hari-hari awal?

UC Berkeley adalah salah satu lembaga penelitian terbesar di dunia dan memiliki sejarah menciptakan dan mendukung perangkat lunak open-source, dan kami pikir tidak ada tempat yang lebih baik untuk memulai MindsDB. Nilai kami sejalan, mereka menawarkan kami cek pertama kami melalui UC Berkeley Skydeck Accelerator dan selebihnya mereka katakan adalah Sejarah.

Hari-hari awal tidak seperti banyak startup di wilayah Bay – Tiga orang bekerja berjam-jam pada sesuatu yang mereka semua percayai, tetapi hanya memiliki kesempatan kecil untuk sukses. Perbedaan satu-satunya adalah bahwa kami bekerja di kenyamanan Skydeck Penthouse co-working space (tanpa biaya sewa).

Saya percaya bahwa ada kekuatan besar dalam data. Semakin banyak perusahaan memiliki data, semakin mereka dapat mendorong bisnis mereka maju. Tetapi hanya jika mereka dapat mendapatkan wawasan yang berarti dari itu.

Pada musim gugur 2017, teman baik saya Adam Carrigan (COO) dan saya sampai pada kesimpulan bahwa terlalu banyak bisnis menghadapi keterbatasan ketika datang untuk mengekstrak informasi yang berarti dari data mereka. Mereka menyadari bahwa salah satu keterbatasan terbesar adalah dalam bagaimana banyak bisnis tersebut sangat underutilizing kekuatan kecerdasan buatan. Kami percaya bahwa machine learning dapat membuat data, dan kecerdasan yang dapat disediakan, dapat diakses oleh semua orang. Itulah mengapa kami merancang platform yang akan memungkinkan siapa saja untuk menggunakan kekuatan machine learning untuk mengajukan pertanyaan prediktif tentang data mereka dan menerima jawaban akurat dari itu.

Kami menyebut platform ini MindsDB dan fokus pada membuatnya sangat mudah bagi pengembang untuk dengan cepat menciptakan gelombang berikutnya aplikasi yang berpusat pada AI yang akan mengubah cara kita hidup dan bekerja dan bagi bisnis untuk mengekstrak informasi dari data mereka.

Mengapa MindsDB fokus pada memecahkan masalah yang berorientasi pada data sebagai lawan dari machine learning?

Jika Anda melihat sebagian besar penelitian dalam AI, sebagian besar datang dari lembaga akademis. ML telah secara historis menjadi model-sentris karena ini adalah tempat lembaga penelitian dapat menambah nilai yang dirasakan; penelitian yang lebih baik memperbaiki model atau menciptakan model baru sehingga menghasilkan hasil yang lebih baik. Berorientasi pada data, di sisi lain, menambahkan data yang lebih baik / lebih relevan ke pendekatan yang ada tidak mudah dipublikasikan (KPI kunci untuk peneliti).

Namun, sebagian besar masalah machine learning yang diterapkan saat ini sangat diuntungkan dari data yang diperbaiki daripada model yang diperbaiki. Ini juga sejalan dengan misi kami untuk mendemokratisasi machine learning, sebagian besar orang di luar ruang ML tidak tahu banyak tentang ML, tetapi mereka pasti tahu banyak tentang data mereka.

Kami melihat bahwa ada dua jenis perusahaan, di satu sisi perusahaan dengan data di database, di sisi lain, perusahaan yang belum menemukan database, kami menyadari bahwa jika sebuah perusahaan berada di grup database, kematangan data mereka sudah memasukkan mereka ke jalur yang tepat untuk dapat benar-benar menerapkan machine learning, sedangkan perusahaan yang belum menemukan database masih memiliki jalan panjang untuk dilalui, jadi kami fokus pada menyediakan nilai bagi mereka yang dapat mengekstraknya.

Bagaimana MindsDB mendekati pemodelan dan penerapan dalam SQL biasa?

Kami membuat representasi model sebagai tabel yang dapat diquery, sehingga efektif kami menghilangkan konsep ‘penerapan’ dari gambaran. Ketika Anda mengetik pada database CREATE VIEW bahwa view langsung aktif ketika perintah selesai diproses, sama halnya ketika Anda melakukan CREATE MODEL di mindsdb.

Orang-orang menyukai MindsDB karena simplifikasi yang Anda bawa ke ML-Ops lifecycle, mengapa menyederhanakan penerapan machine learning sangat penting?

Orang-orang menyukainya karena itu mengabstrakkan pipeline ETL yang tidak perlu, sehingga ada lebih sedikit hal untuk dipelihara. Fokus kami adalah untuk mendapatkan pengguna untuk mengekstrak nilai machine learning, dengan tidak memikirkan memelihara infrastruktur ML jika mereka sudah memelihara infrastruktur data.

Apa beberapa kelebihan dan risiko menjadi startup open-source versus startup tradisional?

Proyek Open Source dapat dimulai dengan hanya sebuah ide, dan orang-orang akan membantu Anda membangunnya sepanjang jalan, pada pendekatan close source Anda harus memulai dengan asumsi yang sama tetapi Anda harus benar karena tidak ada yang akan membantu Anda memperbaiki produk Anda (setidaknya tidak dalam volume yang sama seperti open source), pikirkan open source sebagai pendekatan produk kolaboratif pengguna.

MindsDB baru-baru ini mengumpulkan $16,5M Series A investasi dari Benchmark, mengapa Benchmark adalah investor yang tepat dan bagaimana visi mereka sesuai dengan visi Anda?

Benchmark memiliki catatan yang tak tercela dalam industri kami, Chetan telah membantu perusahaan seperti mongodb, elastic, airbyte menjadi pemimpin dunia dalam ranah mereka. Kami percaya bahwa tidak ada yang lebih baik untuk MindsDB daripada Chetan dan Benchmark capital.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi MindsDB.