リラン・ハソン、Aporiaの共同創設者兼CEO – インタビュー・シリーズ

リラン・ハソンは、Aporiaの共同創設者兼CEOです。Aporiaは、フォーチュン500企業や世界中のデータサイエンスチームが責任あるAIを確保するために使用するフルスタックのML観測可能性プラットフォームです。Aporiaは、任意のMLインフラストラクチャとシームレスに統合されます。FastAPIサーバー上のKubernetes、MLFlowなどのオープンソースデプロイメントツール、またはAWS Sagemakerなどのマシンラーニングプラットフォームであるかどうかは関係ありません。

Aporiaを共同創設する前に、リランはAdallom（マイクロソフトが買収）でMLアーキテクトを務め、その後、Vertex Venturesで投資家を務めました。

あなたは10歳のときにコーディングを始めました。コンピューターに最初に惹かれたのは何ですか？そして、あなたは何に取り組んでいましたか?

それは1999年でした。友達がウェブサイトを作ったと私に電話してきて、200文字の長いアドレスをブラウザに打ち込むと、友達の名前が入ったウェブサイトが表示されました。友達がコンピューターで何かを作成し、それを自分のコンピューターで見ることができるという事実に私は驚かされました。これがどのように機能するのか、自分でも同じことができるのかについて、非常に好奇心が湧きました。母にHTMLの本を買ってくれと頼みました。これが私のプログラミングへの第一歩でした。

私はテクノロジーの課題に取り組むことを非常に楽しんでいます。時間の経過とともに、私の好奇心はさらに強くなりました。ASP、PHP、Visual Basicを学び、できる限りすべてを吸収しました。

13歳のときには、すでにフリーランスの仕事を始めており、ウェブサイトやデスクトップアプリケーションを構築していました。

仕事がないときは、いつも自分のプロジェクトに取り組んでいました。通常、他の人の目標を達成するために役立つウェブサイトやアプリケーションを作成していました。

ブルー・ホワイト・プログラミング – これは、私がイスラエルで英語レベルが高くない子供たちがコーディングの世界から遠ざけられていることを実感した後、HTMLに似たヘブライ語プログラミング言語を作成しました。

ブリンキー – 私の祖父母は聴覚障害があり、手話でコミュニケーションを取ります。ビデオ会議ソフトウェアのようなSkypeやooVooが登場したとき、初めて友達と同じ部屋にいない場合でも会話できるようになりました。しかし、聴覚障害があるため、着信があることを知ることができませんでした。そこで、友達が着信があることを知らせるために、LEDアレイを点滅させる小さなハードウェアデバイスを作成し、コンピューターに接続しました。

これらは、私が10代のときに作成したプロジェクトのいくつかです。私の好奇心は決して止まらなかったので、C、C++、アセンブリ言語、オペレーティングシステムの動作について学び、できる限り多くを学びました。

マイクロソフトが買収したAdallomでのマシンラーニングアーキテクトとしてのあなたの旅の物語を共有してください。

私は軍務を終えた後にAdallomでの旅を始めました。5年間軍でキャプテンを務めた後、素晴らしい機会に遭遇し、エマージング企業と市場に参入しました。会社は素晴らしい創設者たちによって率いられていました。彼らは私の軍事サービス時代の知り合いでした。また、トップレベルのVCによって支援されていました。クラウドテクノロジーが市場に登場したのはまだ相対的に初期の段階でしたが、私たちは当時最初のクラウドセキュリティソリューションの1つを構築していました。企業はオンプレミスからクラウドへの移行を開始し、新しい業界標準が登場しました。Office 365、Dropbox (DBX ) 、Marketo、Salesforceなどの企業が登場しました。

最初の数週間で、すでに自分で会社を立ち上げたいと思っていたことを実感しました。技術的な観点から、自分が挑戦できること、または自分がそれを克服するために必要な人を知っていることを実感しました。Adallomには、技術的な深い知識を持つ人材が必要でしたが、同時に顧客と接触することもできました。1か月後、私は米国への飛行機に乗り、LinkedIn（マイクロソフト買収前）の人々と会うために向かいました。数週間後、彼らは米国での最初の有料顧客となりました。これは、Netflix 、Disney、Safewayなどの大手企業が含まれる多くの主要企業の1つでした。私はこれらの企業の重要なクラウド問題を解決するのを支援していました。これは非常に教育的で、自信を高めるものでした。

Adallomに参加することは、市場、チーム、ビジョンを信じる場所に参加することについてでした。そこで与えられた機会に非常に感謝しています。

私が行っていることの目的は、常に重要でした。軍隊での経験も同じでした。Adallomのアプローチは、SaaSソリューションに接続し、ユーザーのアクティビティを監視し、リソースを特定し、異常を検出するというものでした。これは将来のアプローチであると実感しました。したがって、Adallomは将来成功する会社であると確信しました。

私はMLインフラストラクチャの全体的なアーキテクチャを担当していました。適切なツールが不足していることを最初に経験しました。はい、中央集権的な場所で全てのモデルを表示し、決定を下すことができる場所が必要であると実感しました。全てのML目標についてプロアクティブになることができる場所が必要でした。たとえば、MLモデルの問題について遅すぎるタイミングで学んだことがありました。これはユーザーにとって、そしてビジネスにとって良くないことです。これがAporiaのアイデアが形になったきっかけです。

Aporiaの創設の物語を共有してください。

私のマシンラーニングとの出会いは2008年でした。ウィッツマン科学研究所、バース大学、中国の研究センターとの共同プロジェクトの一環として、アイリスの画像を分析するバイオメトリック識別システムを構築しました。94%の精度を達成しました。プロジェクトは研究の観点から成功しました。しかし、私が10歳のときからソフトウェアを構築していたことを考えると、実用的ではなかったと感じました。私が構築したバイオメトリック識別システムは、実際の生活では使用できませんでした。なぜなら、それは特定のデータセットでしか機能しなかったからです。決定論的ではありませんでした。

これは少し背景です。マシンラーニングシステムを構築する場合、たとえばバイオメトリック識別の場合、予測が決定論的であることを望みます。システムが特定の人物を正確に識別することを望みます。たとえば、iPhoneが正しい人物を正しい角度で認識しない場合、ロックが解除されないようにします。これが望ましい結果です。しかし、マシンラーニングでは、これが当時実現できていませんでした。

約7年後、Adallomで生産モデルを信頼できるガードレールなしで実行する現実を経験しました。そこでは、ビジネスに影響を与える決定を下すモデルが存在しました。その後、Vertex Venturesで投資家として3年間働きました。多くの組織がMLを採用し、会社がMLについて話すだけでなく実際にMLを使用するように移行するのを見ました。しかし、これらの会社はAdallomで直面したのと同じ問題に直面していました。

全ての業界、ヘルスケア、金融サービス、自動車などで、AIの採用が進んでいます。人々の生活に影響を与え、社会に影響を与えることになります。これがAporiaの真の価値を示す場所です。Aporiaは、これらの生活を変えるユースケースが意図したとおりに機能することを可能にします。なぜなら、ソフトウェアと同様に、バグが発生する可能性があるからです。マシンラーニングも同様です。チェックせずに放置すると、ビジネスの継続性に影響を与え、社会に意図しない偏見の結果をもたらす可能性があります。たとえば、AmazonのAI採用ツールの実装 (AMZN ) は、男性候補者を女性候補者よりも強く推奨する偏見を含んでいました。これは望ましくない結果です。したがって、偏見をニュースに登場する前に検出するための専用のソリューションが必要です。

組織がマシンラーニングの利点を享受するには、正しく機能していないときに通知される必要があります。新しい規制により、MLユーザーはモデル予測を説明する方法が必要になることがあります。最終的には、AIを信頼するには、モデル予測を説明するための包括的な観測可能性ソリューションが必要です。

透明性と説明可能なAIの重要性について説明してください。

従来のソフトウェアとマシンラーニングの間には重要な違いがあります。ソフトウェアでは、ソフトウェアエンジニアがコードを書き、ロジックを定義します。コードのフローについては正確にわかります。決定論的です。ソフトウェアは通常このように構築され、エンジニアはテストケースを作成し、エッジケースをテストし、70%から80%のカバレッジを達成します。問題が発生した場合は、簡単にデバッグして、どのフローが間違っていたのかを理解できます。

これはマシンラーニングでは当てはまりません。代わりに、人間がロジックを定義するのではなく、モデルをトレーニングする際にロジックが定義されます。ロジックについて話すとき、従来のソフトウェアとは異なり、ルールのセットではなく、数百万、数十億の数字の行列がマシンラーニングモデルの脳を表します。ただし、これはブラックボックスです。各数字の意味はわかりません。ただし、統計的にはわかります。決定論的ではなく、確率的です。83%または93%の時間に正確である可能性があります。これにより、多くの疑問が生じます。まず、説明できないシステムを信頼する方法は何ですか？二つ目は、金融業界のような厳しく規制された業界の予測を説明する方法は何ですか？たとえば、米国では、金融会社は顧客にローン申請が拒否された理由を説明する法的義務があります。

マシンラーニングの予測を人間が読めるテキストで説明できないことは、業界全体でのMLの大量採用の重大な障壁になる可能性があります。モデルが偏った決定を下さないことを確認したいと考えています。モデルが特定の決定に至った理由を理解したいと考えています。これが説明可能性と透明性が極めて重要な理由です。

Aporiaの透明性と説明可能なAIツールボックスソリューションの仕組みを説明してください。

Aporiaの説明可能なAIツールボックスは、統一されたマシンラーニング観測可能性システムの一部として機能します。生産モデルと信頼できるモニタリングおよびアラートソリューションに対する深い可視性がなければ、説明可能なAIの洞察を信頼することは難しいです。したがって、Aporiaは、全ての実行中のモデルに対するシングルパネル可視性、カスタマイズ可能なモニタリング、アルерт機能、デバッグツール、根本原因分析、および説明可能なAIを提供します。生産で発生する全ての問題に対する専用のフルスタック観測可能性ソリューションです。

Aporiaプラットフォームはアグノスティックであり、AI指向のビジネス、データサイエンス、MLチームに中央ダッシュボードとモデルヘルス、予測、決定の完全な可視性を提供します。Aporiaの説明可能なAIを使用すると、組織は説明可能なAIの洞察をボタン1つで取得し、特定のモデル予測に対する人間が読める洞察を取得したり、「もしも」のシナリオをシミュレートしたりできます。また、Aporiaは、パフォーマンスの低下、意図しない偏見、データドリフト、モデル改善の機会を含む重要なイベントについて、モデルに供給されるデータと予測をプロアクティブに追跡し、アラートを送信します。最後に、Aporiaの調査ツールボックスを使用すると、任意のイベントの根本原因に到達して改善できます。

提供される機能の1つに、データポイントと時間シリーズ調査ツールがあります。これらのツールは、AIの偏見とドリフトを防ぐのにどのように役立ちますか?

データポイントは、モデルがビジネスに対して行っている予測と、モデルが受け取るデータをリアルタイムで表示します。モデルが何をしているかを正確に理解できます。これは透明性のために不可欠です。時には、時間の経過とともに複数の変更間の相関関係があります。これが時間シリーズ調査の役割です。

最近、主要な小売業者はすべてのAI予測ツールが供給链の問題を予測する際に失敗しました。Aporiaプラットフォームはこれをどのように解決しますか?

このような問題を特定する際の主な課題は、これらが将来の予測であるという事実に根ざしています。たとえば、特定のシャツや新しいPlayStationを何人買うかを予測します。

実際の結果を収集するには数週間かかります。すると、予測が正しかったかどうかをまとめることができます。これは、モデルが予測を行う時点から、ビジネスが予測が正しかったかどうかを正確に知るまでに数ヶ月かかることを意味します。これは、モデルが予測を行う時点から、ビジネスが予測が正しかったかどうかを正確に知るまでに数ヶ月かかることを意味します。そうすると、遅すぎることが多いです。ビジネスは潜在的な収益を失ったり、在庫を大幅な割引で販売しなければならない可能性があります。

これは課題です。Aporiaがこれらの組織に非常に役立つ場所です。まず、モデルが下す決定についての透明性と可視性を簡単に取得できるようにします。次に、Fluctuationsや何が起こっているのかを把握することができます。最後に、大規模な小売業者については、在庫を手動で追跡することはほぼ不可能です。Aporiaは、24/7の自動化されたカスタマイズ可能なモニタリングシステムとして最も価値があります。Aporiaは、データと予測を追跡し、予測の統計的動作を分析し、消費者の動作とデータの動作の変化を検出できます。6ヶ月後に需要予測が間違っていたことを知るのではなく、需要予測が間違っているパスにいることを数日で特定できます。Aporiaは、このタイムフレームを数ヶ月から数日へ短縮します。これは、どのMLプラクティショナーにとっても大きなゲームチェンジャーです。

Aporiaについてさらに共有したいことはありますか?

私たちは常に成長し、Aporiaの旅に参加するために優れた人材を募集しています。私たちの求人をチェックしてください。

素晴らしいインタビュー、ありがとうございました。Aporiaについてさらに学びたい読者は、Aporiaを訪問してください。