Chris Nicholson, Oprichter & CEO van Pathmind – Interviewreeks

Chris Nicholson is de oprichter van Pathmind, een AI-startup die diepe versterking van het leren toepast op supply chain en industriële operaties. Pathmind werd opgericht om bedrijven te helpen bij het omgaan met diepe economische veranderingen en de veerkracht van hun operaties met AI te vergroten. Chris houdt toezicht op de strategische visie en de dagelijkse uitvoering van het bedrijf, waardoor innovatie en groei voor Pathminds technologieplatform worden aangedreven, en de prestaties in magazijnen en op fabrieksvloeren worden geoptimaliseerd als onderdeel van de digitale transformatie van bedrijven.

Eerder was Chris de CEO van Skymind, een AI-bedrijf dat zich richtte op diep leren. Daarvoor had hij communicatie- en wervingsfuncties bij FutureAdvisor, een door Sequoia gesteunde Y Combinator-startup die in 2015 door BlackRock (BLK ) voor 200 miljoen dollar werd overgenomen. Chris was ook tien jaar lang journalist en schreef over technologie en financiën voor The New York Times, Bloomberg News en Businessweek, onder anderen.

U was eerder correspondent voor The New York Times en redacteur voor Bloomberg News voordat u overstapte naar machine learning, kunt u de reis achter deze heroriëntatie van uw carrièrepad bespreken?

Toen ik journalist was, in de jaren 2000 en begin 2010, had de industrie te lijden onder het verlies van advertentie-inkomsten en het verlies van lezers, omdat traditionele publicaties het moeilijk hadden. Ik schreef over financiën en technologie en zag mensen die nieuwe en interessante dingen bouwden. Op een gegeven moment zei ik tegen mezelf dat ik aan de goede kant van de robots moest komen, dus ik verhuisde naar San Francisco.

Dat was 2013. Er waren nog hacker-huizen in SOMA toen. Ik verhuisde naar een van die huizen, op een slaapzaal met vijf andere jongens, en ging elke ochtend aan het werk bij een startup die door Y Combinator was gegaan. Terwijl ik in San Francisco werkte, leerde ik langzaam mensen kennen en ontdekte ik waarin ik geïnteresseerd was. Toen was diepe leertheorie nog in opkomst. Je kon het potentieel zien, maar er was nog veel te bouwen. Deze nieuwsgierigheid bracht me ertoe om me te laten betrekken bij een AI-project dat uiteindelijk leidde tot Pathmind.

Kunt u enkele details delen over hoe Pathmind bedrijven kan helpen?

Bedrijven die een fysieke vestiging hebben om te beheren, zoals een magazijn, een fabriek of een mijn, komen meestal complexe optimalisatieopgaven tegen. Dat wil zeggen dat ze veel apparatuur moeten coördineren om een doel te bereiken. Veel van hen proberen de doorvoer en efficiëntie te maximaliseren en de kosten en koolstofemissies te minimaliseren. We ontwerpen algoritmes die hun echte gegevens kunnen gebruiken om nieuwe manieren te laten zien om hun apparatuur te laten werken. Dat kan van toepassing zijn op job- en machineplanning, routeplanning en energiekostenbeheer, onder andere dingen.

Wat zijn enkele voordelen van open source software voor machine learning systemen?

Softwarebedrijven zijn allemaal boten die drijven op een zee van open source code. De infrastructuur van de openbare clouds draait op open source. Veel van de tools die ontwikkelaars gebruiken om websites en machine learning applicaties te bouwen, zijn ook open source. Het is een levendige ecosystem. We zijn vroege aanhangers die werken aan spannende nieuwe open source projecten zoals Ray, die u helpt om gedistribueerd rekenen voor AI-werklasten op te zetten.

U bent duidelijk optimistisch over de toekomst van diepe versterking van het leren, in uw mening, welke soorten bedrijven zijn het beste gepositioneerd om van deze soort machine learning te profiteren?

De bedrijven waarmee we werken, hebben meestal gegevens die ze gebruiken om hun operaties en prestaties te volgen. Ze hebben meestal fysieke operaties waarop ze de apparatuur kunnen controleren. Onze algoritmes hebben gegevens nodig om de omgeving waarin ze opereren te begrijpen, en ze moeten worden gepresenteerd met acties om uit te kiezen, zoals apparatuur om te controleren, zodat ze een effect op de resultaten kunnen hebben. In wezen zijn bedrijven die fysieke operaties hebben om te controleren, gegevens over die operaties hebben en enige analyses hebben voor die gegevens, in een goede positie om na te denken over optimalisatie zoals de onze.

Is er nog iets anders dat u wilt bespreken over Pathmind?

Een ding dat we doen dat naast het controleren van fysieke operaties staat, is om bedrijven te helpen bij het voorspellen van tijdsreeksen. Dus, gegevens zoals prijzen of vraag zullen beïnvloeden hoe een bedrijf zich gedraagt en hoeveel het produceert. Om de juiste hoeveelheid te produceren, moeten ze weten hoeveel vraag er zal zijn. En om hun prijzen correct in te stellen, moeten ze een gevoel hebben voor prijsfluctuaties. Onze algoritmes kunnen die voorspellingen maken.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Pathmind bezoeken.