Yotam Oren, CEO & Damezrînerê Mona Labs - Rêzeya Hevpeyvînê

Yotam Oren, CEO û Hevavakarê ye Mona Labs, platformek ku rê dide pargîdaniyan ku însiyatîfên AI-ê ji ceribandinên laboratîfê veguherînin operasyonên karsaziya berbelav bi rastî têgihîştina modelên ML-ê di pêvajo û sepanên karsaziya rastîn de çawa tevdigerin.

Mona bixweber behreya modelên fêrbûna makîneya we li seranserê beşên daneya parastî û di çarçoweya fonksiyonên karsaziyê de analîz dike, da ku pêşbaziya AI-ê ya potansiyel bibîne. Mona şiyana hilberandina raporên dadperweriyê yên bêkêmasî yên ku standard û rêzikên pîşesaziyê pêk tînin pêşkêşî dike, û pêbaweriyê pêşkêşî dike ku serîlêdana AI-ê lihevhatî ye û bê alîgir e.

Di destpêkê de çi we bala zanistiya komputerê kişand?

Zanistiya komputerê di malbata min de rêgezek kariyerê populer e, ji ber vê yekê ew her gav di paşiya hişê xwe de wekî vebijarkek maqûl bû. Bê guman, çanda Israelisraîlî pir pro-teknolojiyê ye. Em teknolojiyên nûjen pîroz dikin û min her gav têgihîşt ku CS dê ji min re rêgezek ji bo mezinbûn û serfiraziyê pêşkêşî bike.

Digel vê yekê, ew tenê dema ku ez gihîştim temenê zanîngehê bû dilxwaziyek kesane. Ez ne yek ji wan zarokên ku di dibistana navîn de dest bi kodkirinê kiribûn bûm. Di xortaniya xwe de, ez pir bi basketbolê mijûl bûm ku ez bala xwe bidim kompîturan. Piştî lîseyê, min nêzî 5 salan di leşkeriyê de, di erkên serokatiya operasyonê/şer de derbas kir. Ji ber vê yekê, bi awayek, min bi rastî tenê gava ku min hewce kir ku ez di zanîngehê de mezinek akademîk hilbijêrin bêtir dest bi fêrbûna zanistiya computer kir. Tiştê ku tavilê bala min kişand ev bû ku zanista kompîturê çareserkirina pirsgirêkan û fêrbûna zimanek (an zimanan) li hev kir. Du tiştên ku min bi taybetî bala min kişand.

Ji 2006-an heya 2008-an we ji bo destpêkek piçûk li ser nexşe û navîgasyonê xebitî, hin ji weyên girîng ên vê serdemê çi bûn?

Rola min li Telmap avakirina motorek lêgerînê li ser nexşe û daneyên cîhê bû.

Van rojên destpêkê yên "daneyên mezin" di pargîdaniyê de bûn. Me jê re nedigot, lê me danehevên pir mezin bi dest dixist û hewl dida ku têgihiştinên herî bandorker û têkildar derxînin da ku ji bikarhênerên xwe yên dawî re nîşan bidin.

Yek ji wan têgihîştina balkêş a ku min hebû ev bû ku pargîdaniyan (di nav de me) ew qas hindik daneyên xwe bikar anîn (nebêjin daneyên derveyî yên gelemperî). Ji bo têgihiştinên nû, pêvajo û ezmûnên çêtir pir potansiyelek hebû.

Rêbaza din ev bû ku em karibin bêtir daneyên me bi dest bixin, bê guman, bi mîmariyên çêtir, binesaziya çêtir û hwd ve girêdayî ye.

Ma hûn dikarin çîroka çêbûna li pişt Mona Labs parve bikin?

Em sê, hev-damezrîner, li seranserê kariyera xwe li dora hilberên daneyê bûn.

Nemo, berpirsiyarê teknolojiyê, heval û hevalê min ê zanîngehê ye, û yek ji yekem xebatkarên Google Tel Aviv e. Wî li wir hilberek bi navê Google Trends dest pê kir, ku li ser bingeha daneyên motora lêgerînê gelek analîtîkên pêşkeftî û fêrbûna makîneyê hebû. Itai, hev-damezrîner û berpirsiyarê hilberê yê din, di tîmê Nemo de li Google bû (û ez û wî bi Nemo re hevdîtin kir). Her du ji wan her gav dilteng bûn ku pergalên AI-ê ajotin piştî pêşkeftin û ceribandina destpêkê bê şopandin. Tevî dijwariya ceribandina rast a van pergalan berî hilberînê, tîmê hîn jî nizanibû ku modelên wan ên pêşbîniyê bi demê re çiqas baş bûne. Wekî din, wusa dixuye ku tenê gava ku wan ê di derheqê pergalên AI-ê de bertekek bibihîzin ev bû dema ku tişt nebaş diçûn û tîmê pêşkeftinê ji bo "tevgerek agir" hate gazî kirin da ku pirsgirêkên felaketê çareser bike.

Di heman demê de, ez şêwirmendek li McKinsey & Co bûm, û yek ji wan astengên herî mezin ên ku min li ber bernameyên AI û Daneyên Mezin ên ku di pargîdaniyên mezin de mezin dibin dît, nebûna pêbaweriya ku beşdarên karsaziyê bi wan bernameyan re hebûn.

Mijara hevpar a li vir ji Nemo, Itai û min re di danûstendinan de zelal bû. Pîşesazî ji bo şopandina pergalên AI / ML di hilberînê de hewceyê binesaziyê bû. Me vîzyona peyda kir ku em vê xuyangiyê peyda bikin da ku em pêbaweriya beşdarên karsaziyê zêde bikin, û ji bo ku tîmên AI-ê bikaribin her gav li ser pergalên wan çawa dikin xwedî destek bin û bi bandortir dubare bikin.

Û wê demê Mona hate damezrandin.

Hin pirsgirêkên heyî yên bi nebûna Zelalbûna AI-ê re çi ne?

Di gelek pîşesaziyan de, rêxistinan berê bi deh mîlyon dolaran di bernameyên xwe yên AI-yê de xerc kirine, û di laboratûvarê de û di veqetandinên piçûk de hin serfiraziyên destpêkê dîtine. Lê mezinbûn, gihîştina pejirandina berfireh û kirina karsazî ku bi rastî xwe bispêre AI-ê hema hema ji bo her kesî dijwariyek mezin bû.

Çima ev diqewime? Welê, ew bi vê yekê dest pê dike ku lêkolîna mezin bixweber nayê wergerandin hilberên mezin (Xerîdarek carekê ji me re got, "Modelên ML mîna otomobîlan in, gava ku ew ji laboratûvarê derdikevin, ew 20% nirxa xwe winda dikin"). Berhemên mezin pergalên piştgirî hene. Amûr û pêvajo hene ku pê ewle bibin ku kalîte bi demê re domdar be, û pirsgirêk zû têne girtin û bi bandor têne çareser kirin. Berhemên mezin di heman demê de xwedan hêlek beredayî ya domdar jî hene, wan xwedan çerxek çêtirbûn û nexşeyek rê ne. Ji ber vê yekê, hilberên mezin hewceyê zelalbûna performansa kûr û domdar hewce dike.

Dema ku kêmbûna zelaliyê hebe, hûn bi dawî dibin:

• Pirsgirêkên ku ji bo demek veşartî dimînin û dûv re di rûyê erdê de diqewiminin û dibe sedema "pişkên agir"
• Lêpirsîn û kêmkirina dirêj û destan
• Bernameyek AI-yê ku ji hêla bikarhêner û sponsorgerên karsaziyê ve nayê pêbawer kirin û di dawiyê de bi ser nakeve

Hin kêşeyên li pişt çêkirina modelên pêşbînker zelal û pêbawer çi ne?

Bê guman, zelalbûn faktorek girîng e ji bo bidestxistina baweriyê. Zelalbûn dikare bi gelek awayan were. Zelalbûna pêşbîniya yekane heye ku dibe ku asta pêbaweriyê ji bikarhêner re nîşan bide, an ji bo pêşbîniyê ravekirinek / mentiqek peyda bike. Zelalbûna pêşbîniya yekane bi piranî armanc ew e ku ji bikarhêner re bibe alîkar ku ji pêşbîniyê rehet bibe. Û dûv re, zelaliyek giştî heye ku dibe ku agahdariya di derbarê rastbûna pêşbînî, encamên nediyar û pirsgirêkên potansiyel de hebe. Ji hêla tîmê AI-ê ve zelalbûna giştî hewce ye.

Beşa herî dijwar a zelalbûna giştî ev e ku pirsgirêkan zû tespît bike, hişyarkirina endamê tîmê têkildar da ku ew karibin berî ku felaket çêbibin tevdîrên rast bikin.

Çima dijwar e ku meriv zû pirsgirêkan bibîne:

• Pirsgirêk pir caran piçûk dest pê dikin û dişewitînin, berî ku di dawiyê de biqewiminin.
• Pirsgirêk pir caran ji ber faktorên nekontrolkirî an derveyî, wek çavkaniyên daneyê, dest pê dikin.
• Gelek rê hene ku meriv "cîhanê parçe bike" û bi tevkujî li pirsgirêkan di bêrîkên piçûk de bigere, dibe ku bibe sedema pir deng (westandina hişyar), bi kêmanî dema ku ev yek bi nêzîkatiyek nefsbiçûk were kirin.

Aliyek din a dijwar a peydakirina şefafiyê, belavbûna berbiçav a dozên karanîna AI-yê ye. Ev yek nêzîkatiyek yek-spî hema hema ne gengaz dike. Her doza karanîna AI-ê dibe ku strukturên daneya cihêreng, çerxên karsaziyê yên cihêreng, metrîkên serfiraziyê yên cihêreng, û bi gelemperî nêzîkatiyên teknîkî yên cihêreng û tewra stûn jî pêk bîne.

Ji ber vê yekê, ew peywirek berbiçav e, lê şefafî ji bo serkeftina bernameyên AI-yê ew qas bingehîn e, ji ber vê yekê hûn neçar in ku wiya bikin.

Ma hûn dikarin hin hûrguliyan li ser çareseriyên ji bo Modelên NLU / NLP & Chatbots parve bikin?

Conversational AI yek ji vertîkalên bingehîn ên Mona ye. Em serbilind in ku piştgirî didin pargîdaniyên nûjen ên ku bi cûrbecûr dozên karanîna AI-ya axaftinê re, di nav de modelên ziman, chatbot û hêj bêtir.

Faktorek hevpar a di van dozên karanîna de ev e ku model nêzî (û carinan jî xuya) ji xerîdaran re tevdigerin, ji ber vê yekê xetereyên performansa nehevgirtî an behremendiya xirab zêdetir in. Ji bo tîmên AI-ê yên danûstendinê ew qas girîng dibe ku behreya pergalê di astek granular de fam bikin, ku ev qadek hêza çareseriya çavdêriya Mona ye.

Tiştê ku çareseriya Mona dike ku pir bêhempa ye ev e ku bi rêkûpêk komên danûstendinan dişoxilîne û dîtina berikên ku tê de model (an bot) xelet tevdigerin. Ev rê dide tîmên AI-ê yên danûstendinê ku pirsgirêkan zû û berî ku xerîdar wan ferq bikin nas bikin. Vê kapasîteyê ji bo tîmên AI-ya danûstendinê gava ku çareseriyên çavdêriyê hilbijêrin ajokerek biryarek krîtîk e.

Bi kurtasî, Mona ji bo şopandina AI-ya danûstendinê çareseriyek dawî-bi-dawî peyda dike. Ew bi piştrastkirina hebûna yek çavkaniyek agahdarî ya ji bo tevgera pergalê bi demê re dest pê dike, û bi şopandina domdar a nîşaneyên performansa sereke, û têgihîştinên proaktîf ên di derheqê çuçikên behremendiyê de berdewam dike - ku tîmê kar dike ku tedbîrên rastgir ên pêşîgir, bikêrhatî bigirin.

Hûn dikarin li ser motora têgihîştina Mona hin hûrguliyan pêşkêş bikin?

Emîn. Ka em bi motîvasyonê dest pê bikin. Armanca motora têgihîştinê ev e ku bi tenê bi qasî rast a agahdariya kontekstê û bêyî ku deng çêbike an bibe sedema westandina hişyariyê, anomaliyan ji bikarhêneran re derxe holê.

Motora têgihîştinê xebatek analîtîkî ya yek-cûre ye. Di vê gera xebatê de, motor li hemî beşên daneyê li anomaliyan digere, rê dide ku zû pirsgirêkan gava ku ew hîn "biçûk" in, û berî ku ew bandorê li tevahiya databasê û KPI-yên karsaziyê yên jêrîn bikin, zû nas bike. Dûv re ew algorîtmayek xwedan bikar tîne da ku sedemên bingehîn ên anomaliyan tespît bike û piştrast dike ku her anomalî tenê carekê tê hişyar kirin da ku deng ji holê rabe. Cûreyên anomalî yên ku têne piştgirî kirin ev in: Anomalîyên rêzikên demê, derçûn, derbirîn, hilweşîna modelê û hêj bêtir.

Motora têgihîştinê bi konfigurasyona bê-kod/kêm-kod a xwerû ya Mona-yê pir xwerû ye. Veavakirina motorê Mona dike çareseriya herî maqûl di sûkê de, ku cûrbecûr rewşên karanînê vedihewîne (mînak, hevîng û belavok, bi/bêyî berteka karsaziyê / rastiya erdê, li seranserê guhertoyên modelê an di navbera trên û encamnameyê de, û hêj bêtir. ).

Di dawiyê de, ev motora têgihîştinê ji hêla dashboardek dîtbarî ve tê piştgirî kirin, ku tê de têgihîştin dikarin werin dîtin, û komek amûrên vekolînê ji bo ku analîzkirina sedema bingehîn û vekolîna bêtir agahdarî ya kontekstê çalak bike. Di heman demê de motora têgihîştinê bi motorek agahdarkirinê re jî bi tevahî yekgirtî ye ku dihêle ku têgihiştinên li hawîrdorên xebata xwe yên bikarhêneran, tevî e-name, platformên hevkariyê û hwd.

Di 31ê Çile de, Mona vekir çareseriya wê ya nû ya dadperweriya AI-ê, hûn dikarin hûrguliyan bi me re parve bikin ka ev taybetmendî çi ye û çima girîng e?

Dadmendiya AI-ê li ser wê yekê ye ku algorîtma û pergalên AI-ê bi gelemperî biryarên bêalî û wekhev digirin. Di pergalên AI-ê de çareserkirin û pêşîlêgirtina nerastiyan pir girîng e, ji ber ku ew dikarin encamên girîng ên cîhana rastîn derxînin holê. Bi bilindbûna girîngiya AI-ê re, bandora li ser jiyana rojane ya mirovan dê li cîhên bêtir û bêtir xuya bibe, di nav de ajotina me otomatîk, tespîtkirina nexweşiyan bi rasttir, baştirkirina têgihîştina me ya cîhanê, û tewra jî afirandina hunerê. Ger em nikaribin bawer bikin ku ew dadperwer û bêalî ye, em ê çawa rê bidin ku ew belav bibe?

Yek ji sedemên sereke yên nelirêtiyê di AI-ê de tenê şiyana daneyên perwerdehiya modelê ye ku cîhana rastîn bi tevahî temsîl bike. Ev dikare ji cihêkariya dîrokî, kêm-nûnertiya hin koman, an jî manîpulasyona bi mebest a daneyan derkeve holê. Mînakî, pergalek nasîna rûyê ku li ser kesên bi gelemperî çermê sivik hatî perwerde kirin dibe ku di naskirina kesên bi rengê çermê tarî de rêjeyek xeletiyek mezintir hebe. Bi heman awayî, modelek zimanî ku li ser daneyên nivîsê yên ji komek çavkaniyek teng hatî perwerde kirin, heke dane ber bi hin nêrînên cîhanê ve, li ser mijarên wekî ol, çand û hwd.

Çareseriya dadperweriya AI-ê ya Mona pêbaweriyê dide AI û tîmên karsaziyê ku AI-ya wan bê alîgir e. Di sektorên birêkûpêk de, çareseriya Mona dikare tîmên ji bo amadebûna lihevhatinê amade bike.

Çareseriya edaletê ya Mona taybetî ye ji ber ku ew li ser platforma Mona rûniştiye - pirek di navbera daneyên AI û modelan de û encamên wan ên cîhana rastîn. Mona li hemî beşên pêvajoya karsaziyê ku modela AI-ê di hilberînê de xizmet dike, dinihêre, da ku di navbera daneyên perwerdehiyê, behreya modelê, û encamên rastîn ên cîhana rastîn de têkildar be da ku nirxandina herî berfireh a dadperweriyê peyda bike.

Ya duyemîn, ew xwedan motorek analîtîk a yek-cûre ye ku destûrê dide dabeşkirina maqûl a daneyê da ku pîvanên têkildar kontrol bike. Ev di çarçoveyek rast de nirxandinên pêwendiyên rast dike, ji Paradoksa Simpson dûr dikeve û ji bo her metrîka performansê û li ser her taybetmendiyek parastî "nûçeyek biasê" ya kûr peyda dike.

Ji ber vê yekê, bi tevahî ez ê bibêjim Mona ji bo tîmên ku hewce ne ku AI-ya berpirsiyar ava bikin û pîvandin hêmanek bingehîn e.

Vîzyona we ji bo pêşeroja AI-ê çi ye?

Ev pirseke mezin e.

Ez difikirim ku meriv pêşbînîkirin ku AI-ê dê di nav cûrbecûr sektorên pîşesaziyê û aliyên jiyana mirovan de di karanîna û bandorê de mezin bibe hêsan e. Lêbelê, dijwar e ku meriv vîzyonek ku bi hûrgulî ye û di heman demê de hewl dide ku di pêşerojê de hemî dozên karanîna û encamên AI-ê veşêre ciddî bigire. Ji ber ku kes bi rastî têra xwe nizane ku wê wêneyê pêbawer xêz bike.

Tê gotin, ya ku em bi teqez dizanin ev e ku AI dê di destên bêtir mirovan de be û bêtir armancan xizmet bike. Ji ber vê yekê hewcedariya rêveberî û şefafiyê dê pir zêde bibe.

Dîtina rastîn a AI-ê û çawa dixebite dê du rolên bingehîn bilîze. Pêşîn, ew ê ji bo pejirandina zûtirîn arîkariya pêbaweriya mirovan bike û astengên berxwedanê rake. Ya duyemîn, ew ê ji kesê ku AI-ê kar dike re bibe alîkar ku ew ji destê xwe dernakeve.

Spas ji bo hevpeyivîna hêja, xwendevanên ku dixwazin bêtir fêr bibin divê biçin Mona Labs.