Liran Hason, Matgrënner & CEO vun Aporia - Interview Serie

Liran Hason ass de Matgrënner a CEO vun Aporia, eng Full-Stack ML Observabilitéitsplattform déi vu Fortune 500 Firmen an Datenwëssenschaftsteams weltwäit benotzt gëtt fir verantwortlech AI ze garantéieren. Aporia integréiert nahtlos mat all ML Infrastruktur. Egal ob et e FastAPI Server uewen op Kubernetes ass, en Open-Source Deployment Tool wéi MLFlow oder eng Maschinnléierplattform wéi AWS Sagemaker

Virun der Grënnung vun Aporia war de Liran en ML Architekt bei Adallom (opkaf vu Microsoft), a spéider en Investisseur bei Vertex Ventures.

Dir hutt ugefaang ze kodéieren wéi Dir 10 war, wat huet Iech ufanks u Computeren ugezunn, a wat hutt Dir geschafft?

Et war 1999, an e Frënd vu mir huet mech geruff a gesot datt hien eng Websäit gebaut huet. Nodeems ech eng 200 Zeechen laang Adress a mengem Browser aginn hunn, hunn ech eng Websäit gesinn mat sengem Numm drop. Ech war iwwerrascht vun der Tatsaach, datt hien eppes op sengem Computer erstallt huet an ech konnt et op mengem eegene Computer gesinn. Dëst huet mech super virwëtzeg iwwer wéi et funktionnéiert a wéi ech datselwecht maache kann. Ech hunn meng Mamm gefrot mir en HTML Buch ze kafen, wat meng éischt Schrëtt an d'Programméierung war.

Ech fannen eng grouss Freed fir technesch Erausfuerderungen unzehuelen, a wéi d'Zäit vergaang ass, ass meng Virwëtz nëmme gewuess. Ech hunn ASP, PHP a Visual Basic geléiert, a wierklech alles verbraucht wat ech konnt.

Wéi ech 13 war, hunn ech schonn e puer Freelance Jobs ugeholl, Websäiten an Desktop Apps gebaut.

Wann ech keng aktiv Aarbecht hat, hunn ech un meng eegene Projete geschafft - normalerweis verschidde Websäiten an Uwendungen, fir aner Leit ze hëllefen hir Ziler z'erreechen:

Blo-Wäiss Programméiere - ass eng Hebräesch Programméierungssprooch, ähnlech wéi HTML, déi ech gebaut hunn nodeems ech gemierkt hunn datt Kanner an Israel, déi keen héijen Niveau vun Englesch hunn, limitéiert sinn oder aus der Welt vum Kodéierung ewechgedréckt sinn.

Blénkeg - Meng Grousselteren sinn daf a benotzen Zeechesprooch fir mat hire Frënn ze kommunizéieren. Wann Videokonferenzsoftware wéi Skype an ooVoo entstanen ass, huet et hinnen fir d'éischte Kéier erlaabt mat Frënn ze schwätzen, och wa se net am selwechte Raum sinn (wéi mir all mat eisen Telefone maachen). Wéi se awer net héieren hunn, konnten se net wëssen, wéini se en Uruff hunn. Fir hinnen ze hëllefen, hunn ech Software geschriwwen déi erakommen Videouriff identifizéiert an se alarméiert andeems se e LED-Array an engem klengen Hardware-Apparat blénken, deen ech op hirem Computer gebaut a verbonne sinn.

Dëst sinn nëmmen e puer vun de Projeten, déi ech als Teenager gebaut hunn. Meng Virwëtzegkeet huet ni opgehalen an ech hu mech fonnt C, C++, Assemblée léieren a wéi Betribssystemer funktionnéieren, a wierklech probéiert sou vill wéi ech kann ze léieren.

Kënnt Dir d'Geschicht vun Ärer Rees deelen fir e Maschinnléierarchitekt bei Microsoft Acquired Adallom ze sinn?

Ech hunn meng Rees um Adallom no mengem Militärdéngscht ugefaang. No 5 Joer an der Arméi als Kapitän, hunn ech eng grouss Geleeënheet gesinn fir an eng opkomende Firma a Maart ze kommen - als ee vun den éischte Mataarbechter. D'Firma gouf vu grousse Grënner gefouert, déi ech aus mengem Militärdéngscht kannt hunn, an ënnerstëtzt vun Top-Tier VCs - wéi Sequoia. Den Ausbroch vu Cloud Technologien op de Maart war nach a senger relativer Kandheet, a mir hunn zu där Zäit eng vun den éischten Cloud Sécherheetsléisungen gebaut. D'Entreprisen hu just ugefaang vun on-premise op d'Cloud ze wiesselen, a mir hunn nei Industriestandards gesinn - wéi Office 365, Dropbox, Marketo, Salesforce, an anerer.

A menger éischter Wochen hat ech scho gewosst, datt ech enges Daags meng eegen Firma grënnen wollt. Ech hu wierklech gefillt, aus enger technescher Perspektiv, datt ech fir all Erausfuerderung op de Wee wier, a wann net selwer, Ech wousst déi richteg Leit fir mech ze hëllefen eppes ze iwwerwannen.

Den Adallom hat e Bedierfnes fir een, deen am-Déift Kenntnisser iwwer den Tech huet, awer och Client-konfrontéiert kéint sinn. Schnell no vir wéi e Mount, an ech sinn op engem Fliger an d'USA, fir d'éischte Kéier a mengem Liewen, fir Leit vu LinkedIn (Pre-Microsoft) ze treffen. E puer Woche méi spéit a si goufen eisen éischte bezuelende Client an den USA. Dëst war just ee vu ville grousse Firmen - Netflix, Disney, a Safeway - fir déi ech gehollef hunn kritesch Cloud Themen ze léisen. Et war super pädagogesch an e staarke Vertrauensbauer.

Fir mech war Adallom bäitrieden wierklech iwwer eng Plaz matzemaachen wou ech um Maart gleewen, ech gleewen un d'Team, an ech gleewen un d'Visioun. Ech sinn immens dankbar fir d'Geleeënheet déi ech do krut.

Den Zweck vun deem wat ech maachen war an ass ganz wichteg. Fir mech war et datselwecht an der Arméi, et war ëmmer wichteg. Ech konnt einfach gesinn wéi d'Adallom Approche fir mat de SaaS Léisungen ze verbannen, duerno d'Aktivitéit vun de Benotzer ze iwwerwaachen, vu Ressourcen, Anomalien ze fannen, asw. Ech hu gemierkt datt dëst d'Approche vun der Zukunft wäert sinn. Also, ech hunn Adallom definitiv als eng Firma gesinn déi erfollegräich wäert sinn.

Ech war responsabel fir déi ganz Architektur vun eiser ML Infrastruktur. An ech hunn als éischt de Mangel u richteg Tooling fir den Ökosystem gesinn an erlieft. Jo, et war fir mech kloer datt et eng speziell Léisung op enger zentraliséierter Plaz muss sinn, wou Dir all Är Modeller gesi kënnt; wou Dir kënnt gesinn wéi eng Entscheedunge si fir Äert Geschäft treffen; wou Dir kënnt mat Äre ML Ziler verfollegen a proaktiv ginn. Zum Beispill hu mir Zäite wou mir vill ze spéit iwwer Themen an eise Maschinnléieremodeller geléiert hunn, an dat ass net super fir d'Benotzer an definitiv net fir d'Geschäft. Dëst ass wou d'Iddi fir Aporia ugefaang huet ofzeschléissen.

Kënnt Dir d'Genesisgeschicht hannert Aporia deelen?

Meng eege perséinlech Erfahrung mat Maschinnléiere fänkt am Joer 2008 un, als Deel vun engem Zesummenaarbechtsprojet am Weizmann Institut, zesumme mat der University of Bath an engem Chinese Fuerschungszentrum. Do hunn ech e biometreschen Identifikatiounssystem gebaut andeems ech Biller vun der Iris analyséiert hunn. Ech konnt 94% Genauegkeet erreechen. De Projet war e Succès a gouf aus Fuerschungssiicht applaudéiert. Awer fir mech hunn ech Software gebaut zënter ech 10 Joer al war, an eppes huet sech op eng Manéier gefillt, net wierklech. Dir konnt net wierklech de biometreschen Identifikatiounssystem benotzen, deen ech am richtege Liewen gebaut hunn, well et funktionnéiert nëmme gutt fir déi spezifesch Dataset déi ech benotzt hunn. Et ass net deterministesch genuch.

Dëst ass just e bëssen Hannergrond. Wann Dir e Maschinnléieresystem baut, zum Beispill fir biometresch Identifikatioun, wëllt Dir datt d'Prognosen deterministesch sinn - Dir wëllt wëssen datt de System eng bestëmmte Persoun präzis identifizéiert, oder? Just wéi Ären iPhone net opspär wann et déi richteg Persoun am richtege Wénkel net erkennt, ass dëst dat gewënschte Resultat. Awer dëst war wierklech net de Fall mat Maschinnléieren deemools, wéi ech fir d'éischt an de Raum koum.

Ongeféier siwe Joer méi spéit an ech hunn éischt Hand erlieft, bei Adallom, d'Realitéit vu Produktiounsmodeller ouni zouverlässeg Schutzleitungen ze lafen, well se Entscheedunge fir eist Geschäft treffen, déi eis Clienten beaflossen. Duerno war ech glécklech genuch fir dräi Joer als Investisseur bei Vertex Ventures ze schaffen. Ech hu gesinn wéi ëmmer méi Organisatiounen ML benotzt hunn, a wéi Firmen iwwergaange sinn vu just iwwer ML ze schwätzen fir tatsächlech Maschinnléieren ze maachen. Wéi och ëmmer, dës Firmen hunn ML adoptéiert nëmme fir erausgefuerdert ze ginn duerch déiselwecht Themen déi mir bei Adallom konfrontéiert hunn.

Jiddereen ass gerannt fir ML ze benotzen, a si hu probéiert Iwwerwaachungssystemer intern ze bauen. Natierlech war et net hire Kärgeschäft, an dës Erausfuerderunge si ganz komplex. Hei ass wann ech och gemierkt hunn datt dëst meng Geleeënheet ass e groussen Impakt ze maachen.

AI gëtt iwwer bal all Industrie ugeholl, dorënner Gesondheetsariichtung, Finanzservicer, Automobil, an anerer, an et wäert jidderee säi Liewen beréieren an eis all beaflossen. Dëst ass wou Aporia säi richtege Wäert weist - et erméiglecht all dës Liewensverännerend Benotzungsfäll ze funktionéieren wéi virgesinn an hëlleft eis Gesellschaft ze verbesseren. Well, wéi mat all Software, wäert Dir Bugs hunn, a Maschinnléieren ass net anescht. Wann net iwwerpréift gelooss ginn, kënnen dës ML Themen wierklech d'Geschäftskontinuitéit schueden an d'Gesellschaft beaflossen mat ongewollten Biasresultater. Huelt Amazon säi Versuch en AI Rekrutéierungsinstrument ëmzesetzen - Onbewosst Viraussetzung huet de Maschinnléieremodell verursaacht fir männlech Kandidaten iwwer weiblech staark ze recommandéieren. Dëst ass offensichtlech en ongewollten Resultat. Also muss et eng engagéiert Léisung ginn fir onbewosst Bias z'entdecken ier et an d'Noriichte kënnt an d'Endbenotzer beaflosst.

Fir Organisatiounen richteg op d'Virdeeler vum Maschinnléieren ze vertrauen an ze genéissen, musse se wëssen wéini et net richteg funktionnéiert, an elo mat neie Reglementer brauche ML Benotzer dacks Weeër fir hir Modellprognosen z'erklären. Um Enn ass et kritesch fir nei Modeller an innovativ Projeten ze fuerschen an z'entwéckelen, awer wann dës Modeller d'real Welt treffen an real Entscheedunge fir Leit, Geschäfter a Gesellschaft treffen, gëtt et e klore Bedierfnes fir eng ëmfaassend Observatiounsléisung fir sécherzestellen datt se kënnen Vertrauen AI.

Kënnt Dir d'Wichtegkeet vun transparenten an erklärbaren AI erklären?

Och wann et ähnlech schéngt, ass et e wichtegen Ënnerscheed tëscht traditioneller Software a Maschinnléieren ze maachen. A Software hutt Dir e Software Ingenieur, schreift Code, definéiert d'Logik vun der Applikatioun, mir wësse genau wat an all Flux vum Code geschitt. Et ass deterministesch. Dat ass wéi Software normalerweis gebaut gëtt, d'Ingenieuren kreéieren Testfäll, testen Randfäegkeeten, kommen op 70% - 80% vun der Ofdeckung - Dir fillt Iech gutt genuch fir an d'Produktioun erauszekommen. Wann eng Alarm Uewerfläch ass, kënnt Dir einfach debuggen a verstoen wat de Flow falsch gaang ass, an et fixéieren.

Dëst ass net de Fall mat Maschinnléieren. Amplaz wann e Mënsch d'Logik definéiert, gëtt se als Deel vum Trainingsprozess vum Modell definéiert. Wann Dir iwwer Logik schwätzt, ass et am Géigesaz zu traditioneller Software net eng Rei vu Reegelen, awer éischter eng Matrix vu Millioune a Milliarden Zuelen, déi de Geescht representéieren, d'Gehir vum Maschinnléieremodell. An dëst ass eng schwaarz Këscht, mir wëssen net wierklech d'Bedeitung vun all Zuel an dëser Matrix. Awer mir wëssen statistesch, also ass dëst probabilistesch, an net deterministesch. Et kann an 83% oder 93% vun der Zäit korrekt sinn. Dëst bréngt vill Froen op, richteg? Als éischt, wéi kënne mir e System vertrauen, dee mir net kënnen erkläre wéi et zu senge Prognosen kënnt? Zweetens, wéi kënne mir Prognosen fir héich reglementéiert Industrien erklären - wéi zum Beispill de Finanzsecteur. Zum Beispill, an den USA sinn Finanzfirmen duerch Gesetz verpflicht hir Clienten z'erklären firwat se fir eng Prêtapplikatioun refuséiert goufen.

D'Onméiglechkeet fir Maschinnléiere Prognosen am mënschleche liesbaren Text z'erklären kéint e grousse Blocker fir Massadoptioun vu ML iwwer d'Industrie sinn. Mir wëllen als Gesellschaft wëssen, datt de Modell keng bias-Entscheedungen mécht. Mir wëllen sécherstellen datt mir verstinn wat de Modell zu enger spezifescher Entscheedung féiert. Dëst ass wou Erklärbarkeet an Transparenz extrem entscheedend sinn.

Wéi funktionnéiert dem Aporia seng transparent an erklärbar AI Toolbox Léisung?

D'Aporia erklärbar AI Toolbox funktionnéiert als Deel vun engem vereenegt Maschinn Léieren Observatiounssystem. Ouni déif Visibilitéit vu Produktiounsmodeller an eng zouverlässeg Iwwerwaachungs- an Alarmléisung ass et schwéier déi erklärbar AI Abléck ze vertrauen - et ass net néideg Prognosen z'erklären wann d'Output onzouverlässeg ass. An dofir, dat ass wou d'Aporia erakënnt, bitt eng eenzeg Glassiichtbarkeet iwwer all lafend Modeller, personaliséierbar Iwwerwaachung, Alarmfäegkeeten, Debugging Tools, Root Ursaach Enquête, an erklärbar AI. Eng engagéiert Vollstack Observatiounsléisung fir all Thema dat an der Produktioun kënnt.

D'Aporia Plattform ass agnostesch an equipéiert AI orientéiert Geschäfter, Datewëssenschaft an ML Teams mat engem zentraliséierten Dashboard a komplette Visibilitéit an d'Gesondheet, d'Prognosen an d'Entscheedungen vun hirem Modell - wat hinnen erlaabt hir AI ze vertrauen. Andeems Dir dem Aporia seng erklärbar AI benotzt, kënnen Organisatiounen all relevante Akteuren an der Loop halen andeems se Maschinnléiere Entscheedunge mat engem Klick vun engem Knäppche erkläert - kritt mënschlech liesbar Abléck a spezifesch Modellprognosen oder simuléiert "Wat wann?" Situatiounen. Zousätzlech verfollegt Aporia dauernd d'Donnéeën déi an de Modell gefiddert ginn wéi och d'Prognosen, a schéckt Iech proaktiv Alarmer iwwer wichteg Eventer, dorënner Leeschtungsverschlechterung, ongewollt Bias, Datedrift a souguer Méiglechkeeten fir Äre Modell ze verbesseren. Endlech, mat der Aporia Untersuchungstoolbox kënnt Dir op d'Wurzelursaach vun all Event kommen fir all Modell an der Produktioun ze sanéieren an ze verbesseren.

E puer vun de Funktionalitéiten déi ugebuede ginn enthalen Data Points an Time Series Investigation Tools, wéi hëllefen dës Tools fir AI Bias an Drift ze vermeiden?

Datepunkte bidden eng Live Vue op d'Donnéeën, déi de Modell kritt an d'Prognosen déi et fir d'Geschäft mécht. Dir kënnt e Live Feed vun deem kréien a genee verstoen wat an Ärem Geschäft lass ass. Also, dës Fäegkeet vu Visibilitéit ass entscheedend fir Transparenz. Da ännert sech heiansdo d'Saachen mat der Zäit an et gëtt eng Korrelatioun tëscht multiple Ännerunge mat der Zäit - dëst ass d'Roll vun der Zäitserie-Untersuchung.

Viru kuerzem hunn grouss Händler all hir AI-Prognose-Tools versoen wann et ëm d'Prognose vun der Versuergungskettenprobleemer koum, wéi géif d'Aporia Plattform dëst léisen?

D'Haaptfuerderung fir dës Aart vu Probleemer z'identifizéieren ass root an der Tatsaach datt mir iwwer zukünfteg Prognosen schwätzen. Dat heescht, mir hu virausgesot datt eppes wäert geschéien oder net an Zukunft wäert geschéien. Zum Beispill, wéi vill Leit e spezifescht Shirt kafen oder eng nei PlayStation kafen.

Dann brauch et e bëssen Zäit fir all déi tatsächlech Resultater ze sammelen - méi wéi e puer Wochen. Da kënne mir zesummefaassen a soen, okay, dëst war déi tatsächlech Nofro déi mir gesinn hunn. Dësen Zäitraum schwätze mer iwwer e puer Méint am Ganzen. Dëst ass wat eis hëlt vum Moment wou de Modell d'Prognose mécht bis d'Geschäft genau weess ob et richteg oder falsch war. An zu där Zäit ass et normalerweis ze spéit, d'Geschäft huet entweder potenziell Einnahmen verluer oder d'Margin ass gepresst, well se iwwerlagere musse mat grousse Remise verkafen.

Dëst ass eng Erausfuerderung. An dat ass genau wou d'Aporia an d'Bild kënnt a gëtt ganz, ganz hëllefräich fir dës Organisatiounen. Éischtens, et erlaabt Organisatiounen einfach Transparenz a Visibilitéit ze kréien a wéi eng Entscheedunge getraff ginn - Ginn et Schwankungen? Gëtt et eppes wat net Sënn mécht? Zweetens, wéi mir iwwer grouss Händler schwätzen, schwätze mir iwwer enorm, wéi enorm Quantitéiten un Inventar, a se manuell ze verfolgen ass bal onméiglech. Hei ass wou d'Geschäfter a Maschinnléierteams Aporia am meeschte schätzen, als 24/7 automatiséiert an personaliséierbar Iwwerwaachungssystem. Aporia verfollegt dauernd d'Donnéeën an d'Prognosen, et analyséiert dat statistescht Verhalen vun dëse Prognosen, an et kann d'Verännerungen am Verhalen vun de Konsumenten an d'Verännerungen am Verhalen vun den Daten viraussoen an identifizéieren soubal et geschitt. Amplaz sechs Méint ze waarden fir ze realiséieren datt d'Nofroprevisioun falsch war, kënnt Dir an e puer Deeg identifizéieren datt mir um falsche Wee sinn mat eisen Nofroprognosen. Also verkierzt Aporia dësen Zäitframe vun e puer Méint op e puer Deeg. Dëst ass e grousse Spillwechsel fir all ML Praktiker.

Gëtt et nach eppes wat Dir gär iwwer Aporia deele wëllt?

Mir wuessen stänneg a sichen no erstaunlech Leit mat brillante Geescht fir op d'Aporia Rees matzemaachen. Kuckt eis oppen Positiounen.

Merci fir dee super Interview, Lieser déi méi gewuer ginn solle besichen Aporia.