Bryon Jacob, CTO e Co-Fondatore di data.world – Serie di Interviste

Bryon Jacob è il CTO e co-fondatore di data.world – con la missione di costruire la risorsa di dati più significativa, collaborativa e abbondante del mondo. Prima di data.world, ha trascorso dieci anni in ruoli di crescente responsabilità in HomeAway.com, culminando in un ruolo di VP of Tech / Technical fellow. Bryon ha anche lavorato in precedenza per Amazon (AMZN ) e è un mentore a lungo termine presso Capital Factory. Ha un BS/MS in informatica presso l’Università Case Western.

Cosa ti ha inizialmente attratto verso l’informatica?

Ho iniziato a programmare fin da quando ho avuto tra le mani un Commodore 64 all’età di 10 anni. Ho iniziato con il BASIC e sono passato rapidamente al linguaggio assembly. Per me, l’informatica è come risolvere una serie di puzzle intricati con l’aggiunta dell’eccitazione dell’automazione. È questo aspetto di risoluzione dei problemi che mi ha sempre tenuto impegnato e entusiasta.

Puoi condividere la storia di come è nata data.world?

data.world è nata da una serie di sessioni di brainstorming tra il nostro team di fondatori. Brett, il nostro CEO, ha contattato Jon e Matt, con cui aveva lavorato in precedenza. Hanno iniziato a incontrarsi per scambiare idee e Jon ha portato alcune di quelle idee a me per una valutazione tecnica. Sebbene quelle idee non si siano concretizzate, hanno innescato discussioni che si allineavano strettamente con il mio lavoro. Attraverso queste conversazioni, abbiamo individuato l’idea che è diventata data.world. La nostra storia condivisa e il reciproco rispetto ci hanno permesso di costruire rapidamente un grande team, portando le migliori persone con cui avevamo lavorato in passato e gettando le basi per l’innovazione.

Cosa ha ispirato data.world a sviluppare il motore di contesto AI e quali sfide specifiche risolve per le aziende?

Fin dall’inizio, sapevamo che un Knowledge Graph (KG) sarebbe stato fondamentale per avanzare le capacità dell’AI. Con l’aumento dell’AI generativa, i nostri clienti volevano soluzioni AI che potessero interagire con i loro dati in modo conversazionale. Una sfida significativa nelle applicazioni AI oggi è la spiegabilità. Se non puoi mostrare il tuo lavoro, le risposte sono meno affidabili. La nostra architettura KG fonda ogni risposta in fatti verificabili, fornendo spiegazioni chiare e tracciabili. Ciò migliora la trasparenza e l’affidabilità, consentendo alle aziende di prendere decisioni informate con fiducia.

Come l’architettura del grafo di conoscenza del motore di contesto AI migliora l’accuratezza e la spiegabilità dei LLM rispetto ai database SQL?

Nel nostro documento fondamentale, abbiamo dimostrato un miglioramento triplo dell’accuratezza utilizzando Knowledge Graph (KG) rispetto ai database relazionali tradizionali. I KG utilizzano la semantica per rappresentare i dati come entità e relazioni del mondo reale, rendendoli più precisi dei database SQL, che si concentrano su tabelle e colonne. Per la spiegabilità, i KG ci consentono di collegare le risposte alle definizioni dei termini, alle fonti dei dati e alle metriche, fornendo una traccia verificabile che migliora la fiducia e l’usabilità.

Puoi condividere alcuni esempi di come il motore di contesto AI ha trasformato le interazioni con i dati e la presa di decisioni all’interno delle aziende?

Il motore di contesto AI è progettato come un’API che si integra senza problemi con le applicazioni AI esistenti dei clienti, siano esse GPT personalizzate, co-piloti o soluzioni personalizzate costruite con LangChain. Ciò significa che gli utenti non devono passare a una nuova interfaccia – invece, portiamo il motore di contesto AI a loro. Questa integrazione migliora l’adozione e la soddisfazione degli utenti, guidando una migliore presa di decisioni e interazioni con i dati più efficienti, incorporando potenti capacità AI direttamente nei flussi di lavoro esistenti.

In che modo il motore di contesto AI fornisce trasparenza e tracciabilità nella presa di decisioni AI per soddisfare i requisiti normativi e di governance?

Il motore di contesto AI si collega al nostro Knowledge Graph e catalogo dei dati, sfruttando le capacità relative alla discendenza e alla governance. La nostra piattaforma traccia la discendenza dei dati, offrendo una tracciabilità completa dei dati e delle trasformazioni. Le risposte generate dall’AI sono collegate alle loro fonti di dati, fornendo una chiara traccia di come ogni informazione sia stata derivata. Questa trasparenza è cruciale per la conformità normativa e di governance, garantendo che ogni decisione AI possa essere verificata e auditata.

Qual è il ruolo che vedrai per i grafi di conoscenza nel più ampio panorama dell’AI e della gestione dei dati nei prossimi anni?

I Knowledge Graph (KG) stanno diventando sempre più importanti con l’aumento dell’AI generativa. Formalizzando i fatti in una struttura grafica, i KG forniscono una base più solida per l’AI, migliorando sia l’accuratezza che la spiegabilità. Stiamo vedendo un passaggio dalle architetture RAG standard, che si basano su dati non strutturati, ai modelli Graph RAG. Questi modelli convertono il contenuto non strutturato in KG prima, portando a miglioramenti significativi nella richiamata e nell’accuratezza. I KG sono destinati a svolgere un ruolo cruciale nel guidare le innovazioni e l’efficacia dell’AI.

Quali miglioramenti futuri possiamo aspettarci per il motore di contesto AI per migliorare ulteriormente le sue capacità e l’esperienza utente?

Il motore di contesto AI migliora con l’uso, poiché il contesto fluisce indietro nel catalogo dei dati, rendendolo più intelligente nel tempo. Dal punto di vista del prodotto, stiamo concentrando lo sviluppo di agenti che eseguono compiti avanzati di ingegneria della conoscenza, trasformando il contenuto grezzo in ontologie e basi di conoscenza più ricche. Impariamo continuamente dai modelli che funzionano e integriamo rapidamente quelle intuizioni, fornendo agli utenti uno strumento potente e intuitivo per gestire e sfruttare i loro dati.

Come data.world investe in ricerca e sviluppo per rimanere all’avanguardia delle tecnologie di integrazione AI e dati?

La R&S sul motore di contesto AI è il nostro più grande settore di investimento. Siamo impegnati a rimanere all’avanguardia di ciò che è possibile nell’AI e nell’integrazione dei dati. Il nostro team, esperto sia in AI simbolica che in apprendimento automatico, guida questo impegno. La solida base che abbiamo costruito in data.world ci consente di muoverci rapidamente e spingere i confini tecnologici, garantendo di consegnare costantemente capacità all’avanguardia ai nostri clienti.

Qual è la tua visione a lungo termine per il futuro dell’AI e dell’integrazione dei dati e come vedrai data.world contribuire a questa evoluzione?

La mia visione per il futuro dell’AI e dell’integrazione dei dati è sempre stata quella di andare oltre il semplice rendere più facile per gli utenti interrogare i loro dati. Invece, puntiamo a eliminare la necessità per gli utenti di interrogare i loro dati del tutto. La nostra visione è stata costantemente quella di integrare in modo trasparente i dati di un’organizzazione con la sua conoscenza—comprendendo i metadati sui sistemi di dati e i modelli logici di entità del mondo reale.

Realizzando questa integrazione in un grafo di conoscenza leggibile dalle macchine, i sistemi AI possono veramente mantenere la promessa di interazioni in linguaggio naturale con i dati. Con i rapidi progressi nell’AI generativa negli ultimi due anni e i nostri sforzi per integrarla con i grafi di conoscenza aziendali, questo futuro sta diventando realtà oggi. In data.world, siamo all’avanguardia di questa evoluzione, guidando la trasformazione che consente all’AI di offrire un valore senza precedenti attraverso interazioni con i dati intuitive e intelligenti.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare data.world.