Liran Hason, Aporia의 공동 창립자 및 CEO – 인터뷰 시리즈

Liran Hason은 Aporia의 공동 창립자 및 CEO입니다. Aporia는 Fortune 500 기업과 전 세계의 데이터 과학 팀이 책임 있는 AI를 보장하기 위해 사용하는 풀스택 ML 관측 가능성 플랫폼입니다. Aporia는任何 ML 인프라와 원활하게 통합됩니다. FastAPI 서버, Kubernetes, MLFlow와 같은 오픈 소스 배포 도구 또는 AWS Sagemaker와 같은 머신 러닝 플랫폼에 관계없이입니다.

Aporia를 공동 창립하기 전에 Liran은 Adallom(마이크로소프트에서 인수)에서 ML 아키텍트로 일했으며, 이후 Vertex Ventures에서 투자자로 일했습니다.

당신은 10살 때 코딩을 시작했습니다. 컴퓨터에 처음으로 관심을 갖게 된 것은 무엇이었나요? 그리고 무엇을 작업했나요?

1999년이었고, 내 친구가 웹사이트를 만들었다고 전화했습니다. 브라우저에 200자 길이의 주소를 입력한 후, 그의 이름이 적힌 웹사이트를 보았습니다. 그가 자신의 컴퓨터에서 무언가를 만들었고 내가 자신의 컴퓨터에서 볼 수 있다는 사실에 매우 놀랐습니다. 이것은 그것이 어떻게 작동하는지와 내가 같은 것을 할 수 있는지에 대해 매우 호기심을 갖게 만들었습니다. 나는 엄마에게 HTML 책을 사달라고 요청했습니다. 이것이 프로그래밍을 시작한 첫 번째 단계였습니다.

나는 기술적인 도전을 받는 것을 매우 즐기며, 시간이 지남에 따라 내 호기심은 더 커졌습니다. 나는 ASP, PHP, Visual Basic을 배웠고, 모든 것을 소화했습니다.

13살 때 이미 프리랜서 작업을 시작했습니다. 웹사이트와 데스크톱 애플리케이션을 구축했습니다.

활 động적인 작업이 없을 때, 나는 항상 자신의 프로젝트에 집중했습니다. 일반적으로 다른 사람들의 목표를 달성하는 데 도움이 되는 다양한 웹사이트와 애플리케이션을 만들었습니다.

블루-화이트 프로그래밍 – 이것은 HTML과 유사한 히브리어 프로그래밍 언어입니다. 이스라엘의 아이들이 영어 수준이 높지 않기 때문에 코딩 세계에서 제한되거나 밀려난다는 것을 깨달았을 때 만들었습니다.

블링키 -私の 할아버지는 청각 장애인이며 친구들과 의사소통하기 위해 수화를 사용합니다. 비디오 회의 소프트웨어가 등장했을 때, 그들은 같은 방에 있지 않아도 친구들과 통화할 수 있었습니다. 그러나 그들은 들을 수 없기 때문에 수신된 전화를 알 수 없었습니다. 그래서 그들을 도와주기 위해, 수신된 비디오 전화를 식별하고 컴퓨터에 연결된 작은 하드웨어 장치의 LED 배열을 깜박이게 하는 소프트웨어를 작성했습니다.

이것은 내가 십대 때 만든 몇 가지 프로젝트입니다. 내 호기심은 결코 멈추지 않았고, 나는 C, C++, 어셈블리 언어, 운영 체제의 작동 방식 등을 배우려고 노력했습니다.

Adallom에서 머신 러닝 아키텍트로서의 귀하의 여정을 공유해 주시겠습니까?

나는 군 복무를 마친 후 Adallom에서 여정을 시작했습니다. 5년간 군에서 대위로 복무한 후, 나는 새로운 회사와 시장에 대한伟大한 기회를 보았습니다. 회사는 훌륭한 창립자들이 이끌었으며, 최고의 벤처 캐피탈로부터 지원을 받았습니다. 클라우드 기술이 시장에 등장한 초기였으며, 우리는 당시 가장 먼저 등장한 클라우드 보안 솔루션 중 하나를 구축했습니다. 기업들은 온프레미스에서 클라우드로 전환하기 시작했으며, 새로운 산업 표준이 등장했습니다.

Adallom에는 기술에 대한 깊은 지식을 갖춘 사람이 필요했으며, 고객과 대면할 수 있는 사람이 필요했습니다. 한 달이 지나고, 나는 미국으로 비행기를 타고 LinkedIn(마이크로소프트 이전) 사람들을 만나기 위해 갔습니다. 몇 주 후에, 그들은 우리의 첫 번째 유료 고객이 되었습니다. 이것은 넷플릭스, 디즈니, 세이프웨이와 같은 주요 기업 중 하나였습니다.

Adallom에 합류하는 것은 시장, 팀, 비전을 믿는 곳에 합류하는 것이었습니다. 나는 그곳에서 받은 기회에 매우 감사합니다.

내가 하는 일의 목적은 중요했습니다. 군대에서도 중요했습니다. 항상 중요한 것이었습니다. Adallom의 접근 방식은 SaaS 솔루션에 연결하여 사용자 및 리소스의 활동을 모니터링하고, 이상을 발견하는 방식이 미래의 접근 방식이 될 것이라고 생각했습니다.

나는 ML 인프라의 전체 아키텍처를 책임졌습니다. 그리고 나는 적절한 툴링의 부족을 직접 경험했습니다. 명확한 중앙 집중식 솔루션이 필요했습니다. 예를 들어, 우리의 머신 러닝 모델에서 문제를 너무 늦게 발견한 적이 있습니다. 이것은 사용자와 비즈니스에 좋지 않습니다. 이것이 Aporia의 아이디어가 시작된 곳입니다.

Aporia의 기원 이야기를 공유해 주시겠습니까?

내 개인적인 머신 러닝 경험은 2008년에 시작되었습니다. 웨이츠만 연구소, 바스 대학, 중국 연구 센터와의 공동 프로젝트에서, 나는 아이리스 이미지 분석을 통해 생체 인식 시스템을 구축했습니다. 94%의 정확도를 달성했습니다. 프로젝트는 연구 관점에서 성공적이었습니다. 하지만, 10살 때부터 소프트웨어를 구축해 왔기 때문에, 무언가가 사실과 다르게 느껴졌습니다. 실제로 사용할 수 없었습니다.

이것은 배경입니다. Adallom에서 생산 모델을 실행하는 현실을 직접 경험했습니다. 그리고 Vertex Ventures에서 투자자로 일했습니다. 나는 더 많은 조직이 머신 러닝을 사용하고, 회사들이 머신 러닝을 실제로 사용하기 시작하는 것을 보았습니다. 그러나, 이 회사들은 Adallom에서 직면한 동일한 문제에 직면했습니다.

모두가 머신 러닝을 사용하려고 했지만, 동일한 문제에 직면했습니다. 내부에서 모니터링 시스템을 구축하려고 했습니다. 그러나, 이것은 그들의 핵심 비즈니스였습니다. 그리고 이러한 도전은 매우 복잡했습니다. 여기서 내가 기회를 보았습니다.

AI는 의료, 금융 서비스, 자동차 등 거의 모든 산업에서 채택되고 있으며, 모든 사람의 삶에 영향을 미치고 있습니다. 이것이 Aporia가真正한 가치를 보여주는 곳입니다. 이러한 삶을 변화시키는 사용 사례를 의도한 대로 작동하도록 ermög합니다. 소프트웨어와 마찬가지로, 버그가 있을 수 있습니다. 머신 러닝도 예외는 아닙니다. 이러한 문제가 비즈니스 연속성과 사회에 영향을 미칠 수 있습니다. 예를 들어, 아마존의 AI 채용 도구는 의도하지 않은 편향으로 인해 남성 후보자를 여성 후보자보다 강력하게 추천했습니다. 이것은 원치 않는 결과입니다. 따라서, 의도하지 않은 편향을 감지하는 전용 솔루션이 필요합니다.

조직은 머신 러닝의 이점을 신뢰하고 즐기기 위해, 모델이 올바르게 작동하지 않는 경우를 알 수 있어야 합니다. 그리고 새로운 규정으로 인해, 머신 러닝 사용자는 모델 예측을 설명하는 방법을 필요로 할 것입니다. 따라서, 머신 러닝을 신뢰할 수 있도록 보장하기 위한 포괄적인 관측 가능성 솔루션이 필요합니다.

투명하고 설명 가능한 AI의 중요성을 설명해 주시겠습니까?

전통적인 소프트웨어와 머신 러닝은 다릅니다. 소프트웨어에서는 소프트웨어 엔지니어가 코드를 작성하고, 애플리케이션의 논리를 정의합니다. 우리는 정확히 코드의 흐름이 어떻게 될지 알고 있습니다. 이것은 결정론적입니다. 이것은 소프트웨어가 일반적으로 구축되는 방식입니다. 엔지니어는 테스트 케이스를 작성하고, 에지 케이스를 테스트하고, 70% ~ 80%의 커버리지에 도달합니다. 그리고 프로덕션에 출시할 수 있습니다. 경고가 발생하면, 쉽게 디버깅하고, 무엇이 잘못되었는지 이해하고, 수정할 수 있습니다.

이것은 머신 러닝의 경우 그렇지 않습니다. 머신 러닝 모델의 훈련 과정에서 논리가 정의됩니다. 논리라는 것은 전통적인 소프트웨어와 달리, 규칙의 집합이 아닙니다. 대신, 모델의 마음, 뇌를 나타내는 수백만 개의 숫자로 구성된 행렬입니다. 이것은 블랙 박스입니다. 우리는 이 행렬의 각 숫자의 의미를 정확히 알지 못합니다. 그러나, 우리는 통계적으로 알고 있습니다. 이것은 확률론적입니다. 결정론적이지 않습니다. 83% 또는 93%의 정확도를 가질 수 있습니다. 이것은 많은 질문을 제기합니다. 첫째, 우리는 예측을 설명할 수 없는 시스템을 어떻게 신뢰할 수 있나요? 둘째, 금융 부문과 같은高度로 규제되는 산업에서 예측을 설명할 수 있나요? 예를 들어, 미국의 금융 회사들은 법적으로 고객에게 대출 신청이 거부된 이유를 설명해야 합니다.

머신 러닝 예측을 인간이 읽을 수 있는 텍스트로 설명할 수 없는 것은 머신 러닝의 대규모 채택을 위한 주요 장애물일 수 있습니다. 우리는 모델이 편향된 결정을 내리지 않는다는 것을 알고 싶습니다. 우리는 모델이 특정 결정을 내리는 데 무엇이导致하는지 이해하고 싶습니다. 이것이 설명 가능성과 투명성이 매우 중요합니다.

Aporia의 투명하고 설명 가능한 AI 툴박스의 솔루션이 어떻게 작동합니까?

Aporia의 설명 가능한 AI 툴박스는 통일된 머신 러닝 관측 가능성 시스템의 일부로 작동합니다. 생산 모델과 신뢰할 수 있는 모니터링 및 경고 솔루션이 없으면, 설명 가능한 AI 인사이트가 필요하지 않습니다. 여기서 Aporia가 등장합니다. 모든 실행 중인 모델에 대한 단일 창의 가시성, 사용자 정의 모니터링, 경고 기능, 디버깅 도구, 근본 원인 조사, 설명 가능한 AI를 제공합니다. 모든 생산 문제에 대한 전용 관측 가능성 솔루션입니다.

Aporia 플랫폼은 중립적이며, AI 중심 비즈니스, 데이터 과학, 머신 러닝 팀에 중앙 집중식 대시보드와 모델의 건강, 예측, 결정에 대한 완전한 가시성을 제공합니다. Aporia의 설명 가능한 AI를 사용하면, 관련된 모든 이해관계자를 루프에 넣을 수 있습니다. 모델 예측에 대한 인간이 읽을 수 있는 인사이트를 얻을 수 있습니다. 또는 “무엇이 될 수 있나요?” 상황을 시뮬레이션할 수 있습니다. 또한, Aporia는 모델에 입력된 데이터와 예측을 지속적으로 추적하며, 성능 저하, 의도하지 않은 편향, 데이터 드리프트 및 모델 개선 기회와 같은 중요한 이벤트에 대한 경고를 보냅니다. 마지막으로, Aporia의 조사 툴박스를 사용하여 모든 이벤트의 근본 원인을 찾고, 모델을 개선할 수 있습니다.

데이터 포인트 및 시간 시리즈 조사 툴과 같은 일부 기능을 설명해 주시겠습니까? 어떻게 이러한 툴이 AI 편향 및 드리프트를 방지하는 데 도움이 됩니까?

데이터 포인트는 모델이 받는 데이터와 모델이 비즈니스에 대한 예측을 하는 것을 실시간으로 보여줍니다. 이것은 투명성에 매우 중요합니다. 때때로, 시간이 지남에 따라 여러 변경 사항 간에 상관 관계가 있습니다. 이것이 시간 시리즈 조사 도구의 역할입니다.

최근 주요 소매 업체는 공급망 문제를 예측하는 AI 예측 도구가 모두 실패했습니다. Aporia 플랫폼은 어떻게 이 문제를 해결합니까?

이러한 문제를 식별하는 주요 도전은 미래 예측과 관련이 있습니다. 예를 들어, 특정 셔츠를 얼마나 많은 사람이 구매할지 또는 새로운 플레이스테이션을 구매할지 예측합니다.

그런 다음 실제 결과를 수집하는 데 몇 주가 걸립니다. 그리고, 우리는 실제 수요를 정확히 알 수 있습니다. 이것은 모델이 예측을 만드는 순간부터 비즈니스에서 정확히 무엇이 잘못되었는지 알 수 있는 때까지 몇 개월이 걸립니다. 그리고, 그 때는 이미 늦습니다. 비즈니스는 잠재적인 수익을 잃거나, 재고를 할인하여 판매해야 합니다.

이것이 도전입니다. 그리고, 이것이 Aporia가 등장하여 이러한 조직에 매우 유용해지는 곳입니다. 첫째, 투명성과 가시성을 쉽게 얻을 수 있습니다. 둘째, 대규모 소매 업체의 경우,巨大한 재고를 수동으로 추적하는 것은 거의 불가능합니다. 여기서 비즈니스와 머신 러닝 팀이 Aporia를 가장 가치 있게 여기는 곳입니다. 24/7 자동화 및 사용자 정의 모니터링 시스템입니다. Aporia는 데이터와 예측을 지속적으로 추적하며, 예측의 통계적 행동을 분석하여 소비자와 데이터의 행동 변경을 즉시 식별할 수 있습니다. 6개월 후에 수요 예측이 잘못되었다는 것을 깨달을 대신, 몇 일 내에 잘못된 길로 있는지 식별할 수 있습니다. Aporia는 몇 개월에서 몇 일로 시간을 단축합니다. 이것은 모든 머신 러닝 실무자에게 매우 큰 게임 체인저입니다.

Aporia에 대해 더 공유하고 싶은 것이 있습니까?

우리는 지속적으로 성장하고 있으며, Aporia 여정을 함께할 놀라운 사람들과 훌륭한 마음을 찾고 있습니다.我们的 오픈 포지션을 확인하세요.

멋진 인터뷰에 감사합니다. 더 많은 정보를 원하는 독자는 Aporia를 방문해야 합니다.