Nir Bar-Lev, CEO & Co-Founder of Allegro AI – Wawancara Seri

Nir Bar-Lev adalah CEO & Co-Founder dari Allegro AI. Allegro AI mengkhususkan diri dalam membantu perusahaan mengembangkan, menerapkan, dan mengelola mesin dan solusi pembelajaran dalam. Dengan Allegro AI, organisasi membawa produk ke pasar dan mengelola produk dengan kualitas yang lebih tinggi, lebih cepat, dan lebih efektif biaya. Produk tersebut didasarkan pada Allegro Trains, pengelola eksperimen ML & DL sumber terbuka dan paket ML-Ops.

Apa yang awalnya menarik Anda ke AI?

Apa yang telah saya lakukan sebagian besar dalam karir saya adalah tentang membawa inovasi teknologi terdepan untuk menangani masalah atau peluang (dan sebenarnya mereka adalah dua sisi dari mata uang yang sama) dalam skala besar. Saya harus mengakui bahwa waktu saya di Google (GOOGL ) telah membantu membentuk kecenderungan ini.

AI tentu saja memenuhi kedua kotak tersebut. Ini berada di garis depan beberapa teknologi terdepan saat ini dan memiliki potensi untuk mempengaruhi hampir setiap aspek kehidupan kita di planet ini.

Anda memiliki karir yang mengesankan, dimulai di Google sebagai pemimpin produk pendiri untuk platform pengenalan suara Google. Bisakah Anda membahas hari-hari awal bekerja di Google dan apa yang Anda pelajari dari pengalaman ini?

Keluar langsung dari sekolah bisnis Wharton, saya terkejut dengan cara Google berfungsi pada odds ekstrem dengan norma bisnis yang mapan tentang cara menjalankan bisnis yang sukses, seperti yang diajarkan di sekolah bisnis terbaik di dunia dan seperti yang saya alami dalam karir saya sebelum sekolah bisnis. Saya ingat membahas ini dengan beberapa rekan saya yang juga bergabung dengan Google pada saat yang sama langsung dari MBA.

Ternyata Google berubah – sampai batas tertentu – buku pedoman bisnis, tetapi juga menikmati api virtual uang dari bisnis iklan yang memungkinkan untuk bereksperimen dengan cara yang sebagian besar perusahaan tidak bisa lakukan. Saya dapat membuktikan bahwa ketika saya menghabiskan satu dekade di Google, itu semakin mengadopsi praktik bisnis “mainstream” yang mapan dan proses berpikir ketika tumbuh.

Bagi saya juga, memimpin platform pengenalan suara sebagai manajer produk, saya harus bekerja dengan ilmuwan peneliti. Ini sebenarnya salah satu tim penelitian pertama di Google yang benar-benar tentang penelitian terapan. Bagi saya, ini adalah tantangan besar. Peneliti memiliki pola pikir yang sangat berbeda dari insinyur dan di sini saya mencoba bekerja dengan peneliti terkemuka di perusahaan yang sangat berorientasi pada teknik.

Ternyata tantangan yang saya hadapi sekitar 15 tahun yang lalu sangat mirip dengan masalah yang dihadapi perusahaan saat ini ketika mencoba mengasimilasi ilmuwan data AI ke dalam organisasi mereka.

Pada 2016, Anda melanjutkan untuk menjadi Co-Founder dari Allegro AI? Apa yang menginspirasi Anda untuk meluncurkan Allegro AI?

Dalam mendirikan Allegro AI, saya bergabung dengan dua mitra luar biasa yang memiliki bakat teknik luar biasa. Salah satu mitra saya adalah mahasiswa PhD pertama di salah satu laboratorium AI pertama dan terkemuka di Israel, yang merupakan salah satu pusat AI terkemuka di dunia. Jadi, dia benar-benar – bagi saya – adalah bagian dari tim pendiri AI terapan di komunitas lokal. Dia memiliki visi untuk melihat bagaimana menerapkan ML / DL dalam praktek akan memiliki untuk menangani tantangan baru seputar skala, otomatisasi, keandalan, kualitas, dan lain-lain. Dalam berbicara dengan mereka, menjadi jelas bagi saya bahwa saya dapat memberikan kontribusi pada tim dari pengalaman saya di Google dan sebelumnya untuk benar-benar memiliki kesempatan untuk menciptakan perusahaan yang dapat memiliki dampak besar pada AI melalui alat yang kami sediakan. Google dan beberapa raksasa teknologi lainnya berada dalam posisi yang dapat memperoleh sumber daya tak terbatas dari kualitas terbaik untuk tantangan ini. Tetapi hampir semua orang lain tidak bisa membelinya (baik dalam hal akses ke bakat, sumber daya moneter, fokus perusahaan, dll). Jadi, ini adalah kesempatan untuk selaras dengan apa yang saya cintai untuk dilakukan paling (lihat q1) dan membantu seluruh ekosistem.

Allegro AI berfungsi sebagai platform manajemen pembelajaran mesin & pembelajaran dalam sumber terbuka. Bisakah Anda membahas manfaat menggunakan perangkat lunak sumber terbuka?

Perangkat lunak sumber terbuka memiliki beberapa kelebihan. Yang paling penting adalah memanfaatkan komunitas yang lebih luas untuk memperbaiki produk itu sendiri. Pengguna menemukan bug, masalah, ada diskusi yang luas tentang fitur yang menarik; integrasi ke dalam alat sumber terbuka lainnya lebih mudah untuk difasilitasi daripada yang akan dilakukan antara dua organisasi komersial dengan alat sumber tertutup; dll.

Ini menyediakan model yang sangat baik untuk kemenangan bagi komunitas dan perusahaan di baliknya. Ini memungkinkan untuk mencoba dan menguji serta bahkan memperluas untuk organisasi yang tidak akan / tidak membayar, dan pada saat yang sama memungkinkan pelanggan potensial yang lebih besar untuk membayar fitur / layanan yang diperluas berdasarkan perangkat lunak yang sangat digunakan (dan oleh karena itu kurang berisiko).

Allegro AI menawarkan layanan manajemen data. Bisakah Anda membahas jenis alat yang ditawarkan untuk ini?

Allegro Ai menawarkan manajemen data terstruktur dan tidak terstruktur. Namun, sementara ada sejumlah solusi manajemen data terstruktur yang terbukti, kami menyediakan solusi unik untuk data tidak terstruktur.

Tentu saja, penting untuk memenuhi syarat jenis manajemen data yang kami sediakan. Ideanya bukanlah manajemen data fisik tetapi lebih pada manajemen data dari sudut pandang AI. Untuk AI, sangat penting bagi tim ilmuwan data untuk memahami data yang mereka miliki. Dengan data tidak terstruktur, itu sangat sulit. Bayangkan ribuan atau ratusan ribu jam video, atau audio. Bayangkan miliaran sinyal sensor, dll.

Ilmuwan data perlu tahu varians data mereka untuk selaras dengan situasi yang berbeda sehingga mereka dapat secara efektif melatih model mereka. Mereka perlu memahami jika ada potongan data yang sangat penting yang hilang; jika ada bias atau skewness dalam data.

Dan kemudian – di sisi lain – mereka perlu memiliki alat untuk menangani situasi ini dengan efektif biaya dan cepat tanpa harus pergi dan mencari data fisik baru dan mengannotasi / melabelinya (suatu tindakan yang sangat mahal dan memakan waktu).

Ini pada dasarnya adalah jenis tooling yang kami sediakan di sekitar area ini: alat yang kuat untuk melakukan “AI BI (business intelligence)” pada data Anda pada tingkat granularitas dan detail yang belum pernah ada sebelumnya dan di sisi lain alat untuk mengintegrasikan data ke dalam eksperimen dan model sehingga dengan kode nol ilmuwan data dapat mengatur pelatihan yang efektif dengan data yang ada.

Di atas itu, kami menyediakan nilai tambah dalam optimasi aliran data, gerakan data, dll. Karena kita berbicara tentang memproses terabyte data. Memindahkannya sangat mahal dan perusahaan memerlukan solusi untuk mengoptimalkan hal itu juga.

Allegro AI juga menawarkan pengeluaran layanan teknik data. Apa saja yang tersedia?

Allegro Ai pada dasarnya adalah perusahaan produk dan kami melihat diri kami sebagai penyedia alat, infrastruktur, atau scaffolding untuk perusahaan untuk mengembangkan, menerapkan, dan mengelola produk dengan model AI (DL / ML) yang terintegrasi di dalamnya.

Yang dikatakan, ini adalah area baru dan pelanggan kami terkadang memerlukan bantuan untuk mengatur pipa mereka yang spesifik yang dibangun di atas alat kami, atau bahkan membantu dengan memulai model mereka sendiri. Ketika situasi ini terjadi, kami menyediakan layanan tambahan untuk penawaran perangkat lunak inti kami.

Bisakah Anda membahas pentingnya Pembelajaran Federasi dan bagaimana Allegro AI dapat digunakan dalam konteks ini?

Pembelajaran federasi pada dasarnya adalah kemampuan untuk melatih model AI tunggal dengan menggunakan dataset yang terletak di lokasi fisik yang berbeda tanpa membawa dataset tersebut ke satu lokasi. Kami juga menyediakan versi yang ditingkatkan dari itu, yang kami sebut “pembelajaran federasi buta” atau “pembelajaran kolaboratif buta” di mana tidak ada entitas tunggal dalam skenario ini memiliki akses ke data yang tidak dimiliki, termasuk entitas yang mendapatkan model akhir.

Pembelajaran federasi penting dalam berbagai situasi di mana privasi data atau regulasi atau IP / kerahasiaan kritis untuk dipertahankan sambil pada saat yang sama ada minat untuk memanfaatkan dataset yang berbeda. Misalnya, dua atau lebih rumah sakit atau lembaga medis yang ingin berkolaborasi dalam melatih model untuk pemindaian CT; atau dua lembaga pemerintah yang ingin berkolaborasi dalam data keamanan dalam negeri untuk membangun model anti-terorisme tetapi karena alasan hukum tidak dapat mengekspos data bahkan kepada satu sama lain.

Atau bahkan situasi di mana satu entitas tidak dapat memindahkan toko data-nya karena itu sangat mahal – misalnya, sebuah OEM otomotif global yang ingin melatih kendaraan otonom dengan menggunakan data yang dikumpulkan dari mobil yang berjalan di seluruh dunia.

Allegro AI adalah salah satu dari sedikit perusahaan di dunia yang memiliki platform komersial yang terbukti dan diuji yang memfasilitasi pembelajaran federasi.

Apakah ada yang lain yang ingin Anda bagikan tentang Allegro AI?

Allegro AI adalah kekuatan yang meningkat di dunia alat AI dan ML-Ops. Baru-baru ini, selama gelombang pertama krisis Covid-19, kami mengalami pertumbuhan yang lebih dari dua kali lipat basis pelanggan kami dalam waktu 3 bulan.

Terima kasih atas wawancara, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Allegro AI.