インタビュー
Liran Hason, Aporiaの共同創設者兼CEO – インタビューシリーズ
Liran Hasonは、Aporiaの共同創設者兼CEOです。Aporiaは、Fortune 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のようなオープンソースのデプロイメントツール、またはAWS Sagemakerのようなマシンラーニングプラットフォームであるかもしれません。
Aporiaを創設する前に、Liranは、Microsoftが買収したAdallomでMLアーキテクトを務め、後に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したか？そして、あなたは何を制作しましたか?
1999年でした、あなたの友達が電話をかけてきて、ウェブサイトを作ったと言ったのです。ブラウザに200文字の長いアドレスを入力した後、友達の名前が表示されたウェブサイトを見ました。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驚きました。これがどのように機能するのか、自分も同じことをできるのかと、非常に好奇心が湧きました。母にHTMLの本を買ってもらったのです。これが私のプログラミングの第一歩でした。
私は技術的な課題に取り組むことを非常に楽しみます。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。私は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制作していました。
仕事がないときは、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制作していました。
ブルー・ホワイト・プログラミング – これは、私が作成したヘブライ語のプログラミング言語で、HTMLに似ています。イスラエルの子供たちが英語のレベルが高くないと、プログラミングの世界から遠ざけられることを実感し、作成しました。
ブリンキー – 私の祖父母は聴覚障害があり、手話で友達とコミュニケーションを取ります。SkypeやooVooのようなビデオ会議ソフトウェアが登場すると、同じ部屋にいない友達と会話できるようになりました。しかし、聞こえないので、着信があることを知ることができませんでした。そこで、着信があるときにLEDアレイを点滅させる小型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て、ソフトウェアを書きました。
これらは、私が10代のときに制作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ず、C、C++、アセンブリ言語、オペレーティングシステムの仕組みを学び、できる限り多くを学ぼうとしました。
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、軍隊の隊長として務めた後、素晴らしい機会に恵まれました。会社は、優れた創設者たちによって率いられていました。彼らは、私の軍務時代の知り合いでした。トップティアの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初期段階でした。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ていました。Office 365、Dropbox、Marketo、Salesforceなどの新しい業界標準が登場しました。
最初の数週間で、私はすでに自分で会社を創設したいと思っていたことを知っていました。技術的な観点から、私はどんな課題にも対処できる自信がありました。自分でできない場合は、課題を克服するために必要な人を知っていました。
Adallomには、技術的な知識を持つ人材が必要でした。同時に、顧客とのやり取りもできた人です。1か月後、私は米国への飛行機に乗って、LinkedIn（当時はMicrosoftに買収される前でした）の人たちと会うために行きました。数週間後、彼らは私たちの最初の有料顧客となりました。Netflix、Disney、Safewayのような大手企業も、私が重要なクラウドの問題を解決するために協力しました。非常に教育的で、自信を高める経験でした。
私がAdallomに参加したのは、市場、チーム、ビジョンすべてに共感したからです。そこで得た機会に非常に感謝しています。
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。そこで、エコシステムにおける適切なツールの欠如を実感しました。明らかに、1つの集中した場所で全てのモデルを見られる、モデルがビジネスにどのような決定を下しているかを見られる、MLの目標を追跡して予測的に対応できる、という必要性がありました。たとえば、MLモデルの問題を遅すぎて発見することがありました。これは、ユーザーにとって、そしてビジネスにとって良くありません。これが、Aporiaのアイデアが形になったときです。
Aporiaの創設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年に始まりました。ウェイツマン研究所、バース大学、中国の研究センターでの共同プロジェクトの一環で、アイリス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的観点から成功しました。しかし、私は10歳のときからソフトウェアを制作していたので、少しリアル性に欠けると感じました。私が構築したバイオメトリック識別システムは、現実の世界では使用できませんでした。なぜなら、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。つまり、システムが特定の人物を正確に識別できることを望みます。たとえば、iPhoneが正しい人物を正しい角度で認識しないとロックが解除されないようにです。これが望ましい結果です。しかし、マシンラーニングの場合、当時私は初めてこの分野に触れたとき、決定論的ではありませんでした。
7年後、Adallomで、信頼できるガードレールなしに生産モデルを実行する現実を直接経験しました。後に、Vertex Venturesで投資家として3年間働きました。そこで、多くの組織がMLを使用するようになり、会社がMLについて話すだけでなく、実際にMLを使用するようになったことを見ました。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。
みんながMLを使用しようとしたのですが、モニタリングシステムを社内で構築しようとしていました。明らかに、これが彼らの核事業ではありませんでした。これらの課題は非常に複雑でした。そこで、私は大きな影響を与える機会があると実感しました。
AIは、ヘルスケア、金融サービス、自動車業界など、ほぼすべての業界で採用されています。人々の生活に影響を与え、全員の生活に影響を与えることになります。これが、Aporiaが真の価値を示す場所です。すべてのライフチェンジングなユースケースが意図したとおりに機能し、社会を改善するのを支援します。なぜなら、ソフトウェアと同様に、バグがある可能性があります。マシンラーニングも例外ではありません。チェックせずに放置すると、ビジネス継続性に影響を与え、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採用ツールの実装は、意図しない偏見のために、男性の候補者を女性の候補者よりも強く推奨しました。これは、望ましくない結果です。したがって、意図しない偏見を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を適切に信頼し、利点を享受するには、正しく機能していないことを知る必要があります。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、信頼できるAIを確保するには、モデルが現実の世界で実際の決定を下すときに、研究開発を行うことが重要です。Aporiaは、MLユーザーがAIを信頼できるように、全面的で観測可能なソリューションを提供します。
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。
伝統的なソフトウェアとマシンラーニングには、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。私たちが何が起こるかを正確に知ることができます。決定論的です。ソフトウェアは通常、こうして構築されます。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。そうすれば、プロダクションにリリースするのに十分だと思います。アラートが表示された場合は、簡単にデバッグして、どのフローが間違っていたかを理解し、修正できます。
これはマシンラーニングでは当てはまりません。ロジックは、モデルをトレーニングする過程で定義されます。ロジックについて話すとき、伝統的な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で表されます。これはブラックボックスです。各数字の意味を私たちが正確に知ることはできません。しかし、統計的に知っています。決定論的ではなく、確率的です。83%または93%の時間で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どう信頼できるでしょうか。2番目に、金融セクターのような厳格に規制された業界の予測を説明する方法は何でしょうか。たとえば、米国では、金融機関は顧客にローン申請が拒否された理由を説明する義務があります。
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の採用を妨げる大きな障壁となる可能性があります。私たちは、モデルが偏った決定を下していないことを知りたいと思います。モデルが特定の決定に至った理由を理解したいと思います。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。プロダクションモデルの深い可視性と信頼性の高いモニタリングおよびアラートシステムがなければ、説明可能なAIの洞察は必要ありません。Aporiaがここに登場します。全ての実行中のモデルに対するシングルパネルの可視性、カスタマイズ可能なモニタリング、アルーティング機能、デバッグツール、ルート原因調査、説明可能なAIを提供します。プロダクションで発生するすべての問題に対するフルスタックの観測可能性ソリューションです。
Aporiaプラットフォームは、汎用性があり、AI指向のビジネス、データサイエンス、MLチームに、モデルヘルス、予測、決定に関する中央ダッシュボードと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、クリック一下でモデル予測を説明し、関連する利害関係者をすべてループに含めることができます。特定のモデル予測や「もしも」のシミュレーションに関する人間が読める洞察を取得できます。さらに、Aporiaは、モデルに供給されるデータと予測を常に追跡し、パフォーマンスの低下、意図しない偏見、データドリフト、モデル改善の機会など、重要なイベントについて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、プロダクションのモデルを改善するために、イベントの根本原因を特定できます。
データポイントと時間シリーズ調査ツールなどの機能について説明してください。これらのツールは、AIの偏見とドリフトを防止するのにどのように役立ちますか?
データポイントは、モデルが受け取るデータと行う予測をリアルタイムで表示します。ビジネスで何が起こっているかを正確に理解することができます。可視性の能力は、透明性のために不可欠です。時系列調査ツールは、時間の経過とともに変化することの役割を果たします。
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、この問題をどのように解決しますか?
このような問題を特定する主な課題は、将来の予測について話し合っていることです。何かが起こるか起こらないかを予測します。たとえば、特定のシャツを何人買うか、または新しいPlayStationを買うかどうかです。
実際の結果をすべて収集するには数週間かかります。すると、実際の需要が何だった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かかる時間枠です。これは数ヶ月です。そうでなければ、遅すぎて、ビジネスは潜在的な収益を失ったり、過剰在庫を大幅な割引で売らなければならなかったりします。
これが課題です。ここで、Aporiaが登場し、組織にとって非常に役立つものになります。まず、組織は、モデルが下す決定について、透明性と可視性を簡単に取得できます。変動や理解不能なものはありますか。2つ目に、Aporiaは、巨大な在庫を追跡するのを手動で行うことはほぼ不可能である大手小売業者にとって、24/7の自動化および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、データと予測を常に追跡し、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すぐに検出できます。6ヶ月待って、需要予測が間違っていたことを実現するのではなく、数日で需要予測が間違っていることを検出できます。Aporiaは、この時間枠を数ヶ月から数日まで短縮します。これは、すべてのMLプラクティショナーにとって非常に重要なゲームチェンジャーです。
Aporiaについてさらに何か共有したいことはありますか?
私たちは、Aporiaの旅に参加するために、素晴らしい人々と優れた頭脳を探しています。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、詳細についてはAporiaを訪問してください。
