Edward Cui, Oprichter & CEO van Graviti – Interviewreeks

Edward Cui is de oprichter en CEO van Graviti, een bedrijf dat de volgende generatie dataplatform bouwt dat fundamenteel zal veranderen hoe ontwikkelaars omgaan met ongestructureerde data. Met Graviti kunnen AI-ontwikkelaars data sneller en gemakkelijker verkrijgen, opslaan en verwerken – de basis die nodig is om kunstmatige intelligentie te gebruiken om alle industrieën te empoweren.

U bent uw undergraduate-studie begonnen als werktuigkundig ingenieur, wat was de reden voor de overstap naar informatica en kunstmatige intelligentie?

Ik heb mijn undergraduate-studie in werktuigkundige ingenieurswetenschappen gevolgd in 2012. Ik volgde een cursus over machine learning aan de Universiteit van Pennsylvania, wat verbluffend was, en ik wist dat het de toekomst was en wat ik voor mijn carrière wilde doen. Na die cursus ben ik overgestapt naar informatica.

Na mijn afstuderen deed ik onderzoek naar versterkingsleren aan de Universiteit van Pennsylvania. In 2015 ging mijn voormalige baas, Jeff Snyder, naar Uber en vroeg hij me om naar Uber ATG te komen. Dat was het begin van mijn carrière in de industrie van zelfrijdende auto’s.

Kunt u het verhaal achter de oprichting van Graviti delen?

Werken bij Uber was heel complex in het begin omdat mensen geen grote machine learning-modellen gebruikten en we geen compute-power en geen dataplatform hadden om modellen te trainen. De data die we verzamelden voor zelfrijdende auto’s waren allemaal ongestructureerd. Bijvoorbeeld, het waren afbeeldingen, video’s, LIDAR-punten. Alle soorten data van echte sensoren en we verzamelden enorme hoeveelheden ongestructureerde data elke dag. We deden een statistiek waaruit bleek dat de hoeveelheid data die we verzamelden in een zelfrijdende auto-afdeling in een week gelijk was aan de data die we verzamelden voor de hele restaurantbusiness wereldwijd in een jaar. Enorme hoeveelheden ongestructureerde data accumuleerden elke dag en dat creëerde grote problemen over hoe we die data konden opslaan, beheren en gebruiken om waarde te creëren voor verschillende organisaties.

Na drie jaar werken bij Uber zag ik de kans om te verbeteren hoe grote hoeveelheden ongestructureerde data konden worden beheerd. Dus ik richtte Graviti op in 2019 om innovaties in AI te versnellen door een ongestructureerd dataplatform te bouwen.

Kunt u uitleggen hoe Graviti een platform is om data te beheren en te structureren op grote schaal?

Graviti heeft als doel het eerste dataplatform te lanceren dat organisaties in staat stelt om met grote hoeveelheden ongestructureerde data te werken om innovatieve AI-toepassingen te ondersteunen. Dit platform elimineert de problemen en helpt ontwikkelaars om grote hoeveelheden ongestructureerde data te beheren met het team.

Terwijl het merendeel van de beschikbare informatie in AI-ontwikkeling van lage kwaliteit en ongestructureerd is, besteden ontwikkelteams meestal meer dan 50% van hun tijd – niet aan het bouwen van modellen – maar aan het identificeren, aanvullen of reinigen van ongestructureerde data, en dat is nog maar het begin van hun werk. Graviti biedt een meer deskundige manier van dataplatformbeheer om ontwikkelaars te vrijwaren en hen meer tijd te geven om ongestructureerde data te analyseren en AI-modellen te trainen.

We helpen ontwikkelaars op drie dimensies: data-ontdekking, data-iteratie en workflow-automatisering.

Data-ontdekking:

Graviti biedt een data-hostingfunctie die het organiseren van ruwe data, annotaties en metadata veel gemakkelijker maakt door de dataset en annotatieformaten te unificeren. Wanneer AI-ontwikkelaars toegang krijgen tot verschillende datasets via Graviti, hoeven ze de dataformaten niet om te zetten, wat het beheer, de query, de toegang en andere operaties met annotaties vereenvoudigt. Graviti helpt om de kans op niet-overeenkomende ruwe data of verloren annotaties te verminderen. Bovendien kan het Graviti-platform ontwikkelaars helpen om de kwaliteit van datasets te evalueren met een datavisualisatiefunctie, wat ontwikkelaars minstens acht uur per week bespaart.

Data-iteratie:

Wanneer ontwikkelaars hun AI trainen, moeten ze testen met datasets in verschillende versies om resultaten te zien en annotaties te markeren. De uitdaging is om verschillende bewerkingen en versies bij te houden met teamleden die aan hetzelfde project werken. Graviti biedt de oplossing door verschillende niveaus van toegangsrechten toe te kennen aan medewerkers, zodat ze hun annotaties kunnen uploaden om de voortgang van het project bij te houden en tegelijkertijd te werken.

Workflow-automatisering:

Met een functie genaamd “Actie” kunnen ingenieurs workflows automatiseren en repetitieve, tijdrovende en handmatige taken verminderen. Het vrijwaart ontwikkelaars van het schrijven van grote handmatige scripts om deze workflows te bereiken en opent tijd voor hen om te doen wat ze moeten doen.

Waarom is ongestructureerde data de toekomst van AI?

Meer dan 80% van de ondernemingsdata is ongestructureerd, waaronder afbeeldingen, opnames, video’s, sociale mediaberichten, enz. AI is de sleutel om waarde te leveren uit ongestructureerde data. Ondernemingen beginnen ongestructureerde data te gebruiken om diepgaand onderzoek en verdere analyse te ondersteunen.

Graviti heeft onlangs OpenBytes gelanceerd, een non-profit open dataplatform onder de Linux Foundation. Kunt u uitleggen wat OpenBytes specifiek is?

De missie van OpenBytes is om de bredere deling van data in de AI-gemeenschap te faciliteren door de creatie van datastandaarden, -formaten en -processen die bijdragen aan de missie, inclusief documentatie, testen, integratie en de creatie van andere artefacten die de ontwikkeling, implementatie, exploitatie of adoptie van het open-sourceproject ondersteunen.

OpenBytes kan de risico’s van aansprakelijkheid voor data-bijdragers verminderen. Dataset-houders zijn terughoudend om hun datasets openbaar te delen vanwege het gebrek aan kennis over datalicense. Zodra dataset-bijdragers zich bij OpenBytes aansluiten, worden hun data beschermd en wordt meer open data toegankelijk.

We genereren ook een standaard dataplatformformaat bij het publiceren, delen en uitwisselen van data. Een uniform formaat helpt data-bijdragers om datasets te begrijpen en relevante data te vinden die ze nodig hebben, wat leidt tot meer kwalitatief hoogwaardige open datasets.

Wat zijn enkele van de voordelen van open-source datasets?

Ze zijn gunstig voor onderzoekers omdat wetenschappers meer gratis bronnen hebben om modellen te trainen en onderzoek te doen.

Ze zijn gunstig voor ondernemingen, die datasets gebruiken om AI-vaardigheden op te bouwen en de overgang van traditionele ondernemingen naar AI-ondernemingen te versnellen.

Hoe verifieert Graviti de kwaliteit van de datasets?

Zelfs populaire datasets zoals COCO en KITTI zijn niet perfect voor ontwikkelaars. Bugs komen altijd voor wanneer ontwikkelaars modellen trainen en niemand heeft een uitstekende manier gevonden om de kwaliteit van datasets te verbeteren. Graviti gelooft dat een dataset-evaluatiemodel zal worden opgericht of een andere technische revolutie zal helpen om het probleem voor de gemeenschap op te lossen, en het is ook onderdeel van Graviti’s missie om dit in de toekomst te bereiken.

Wat is uw visie voor de toekomst van hoe ontwikkelaars toegang krijgen tot data?

Voor een kleine hoeveelheid data zouden ontwikkelaars gemakkelijk toegang moeten hebben tot die data. Voor grotere hoeveelheden data, zoals meer diverse datasets voor het trainen van modellen, zou federated learning-technologie helpen om op een samenwerkende manier te werken door de mogelijkheid om machine learning uit te voeren los te koppelen van het opslaan van data in een centrale server.

Is er nog iets anders dat u over Graviti wilt delen?

Graviti evolueert ook. We luisteren naar de feedback van onze klanten, waaronder startups, ondernemingen, individuele ontwikkelaars en onderzoekers. We verwelkomen ook elke samenwerkings- of partnershipmogelijkheid van iedereen.

We zien grote kansen in AI-ontwikkeling van open data in de zeer nabije toekomst. We bouwen een gemeenschap voor het delen en bijdragen van open data. Dit zal niet alleen onderzoekers ten goede komen om de grenzen van de wetenschap verder te pushen, maar ook ondernemingen om hun modellen te verfijnen en technologie te ontwikkelen in een wederzijds voordelige omgeving.

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