Bryon Jacob, CTO og medgrunnlegger av data.world – Intervju-serie

Bryon Jacob er CTO og medgrunnlegger av data.world – på en misjon til å bygge verdens mest meningsfulle, samarbeidsorienterte og rike datressurs. Før data.world, tilbrakte han ti år i stillinger med økende ansvar på HomeAway.com, som kulminerte i en VP of Tech / Technical fellow-rolle. Bryon har også tidligere arbeidet i Amazon (AMZN ), og er en langvarig mentor i Capital Factory. Han har en BS/MS i datavitenskap fra Case Western University.

Hva var det som først tiltalte deg til datavitenskap?

Jeg har vært fanget av kode siden jeg fikk tak i en Commodore 64 da jeg var 10 år gammel. Jeg startet med BASIC og gikk raskt over til assembly-språk. For meg er datavitenskap som å løse en rekke intrikate puslespill med den ekstra spenningen av automatisering. Det er dette problem-løsningsaspektet som alltid har holdt meg engasjert og spennende.

Kan du dele historien bak data.world?

data.world ble født fra en rekke brainstormings-sesjoner blant vårt grunnleggerlag. Brett, vår CEO, kontaktet Jon og Matt, som han hadde arbeidet med tidligere. De begynte å møtes for å kaste rundt ideer, og Jon tok noen av disse konseptene til meg for en teknisk vurdering. Selv om disse ideene ikke fungerte, førte de til diskusjoner som sammenfalt nært med mitt eget arbeid. Gjennom disse samtalene, traff vi på ideen som til slutt ble data.world. Vår felles historie og gjensidig respekt gjorde det mulig for oss å bygge et fantastisk lag, å bringe inn de beste menneskene vi hadde arbeidet med tidligere, og å legge en solid grunn for innovasjon.

Hva inspirerte data.world til å utvikle AI Context Engine, og hvilke spesifikke utfordringer løser det for bedrifter?

Fra begynnelsen visste vi at en Knowledge Graph (KG) ville være kritisk for å fremme AI-egenskaper. Med oppblomstringen av generativ AI, ønsket våre kunder AI-løsninger som kunne samhandle med deres data på en samtaleorientert måte. En betydelig utfordring i AI-applikasjoner i dag er forklarbarhet. Hvis du ikke kan vise ditt arbeid, er svarene mindre pålitelige. Vår KG-arkitektur grunner hver respons i verifiserbare fakta, og gir klare, sporbare forklaringer. Dette forbedrer gjennomsiktighet og pålitelighet, og gjør det mulig for bedrifter å ta informerte beslutninger med tillit.

Hvordan forbedrer knowledge graph-arkitekturen i AI Context Engine nøyaktigheten og forklarbarheten av LLM-er sammenlignet med SQL-databaser alene?

I vår banebrytende artikkel demonstrerte vi en tredobling av nøyaktighet ved å bruke Knowledge Graphs (KGs) sammenlignet med tradisjonelle relasjonsdatabaser. KGs bruker semantikk til å representere data som virkelige verdens-entiteter og relasjoner, noe som gjør dem mer nøyaktige enn SQL-databaser, som fokuserer på tabeller og kolonner. For forklarbarhet gjør KGs det mulig for oss å koble svar tilbake til termdefinisjoner, datakilder og metrikker, og gir en verifiserbar spor som forbedrer tillit og brukervennlighet.

Kan du dele noen eksempler på hvordan AI Context Engine har forandret datainteraksjoner og beslutningstaking innen bedrifter?

AI Context Engine er designet som en API som integrerer sømløst med kundenes eksisterende AI-applikasjoner, enten det er tilpassede GPT-er, co-piloter eller skreddersydd løsninger bygget med LangChain. Dette betyr at brukerne ikke trenger å bytte til en ny grensesnitt – i stedet bringer vi AI Context Engine til dem. Denne integreringen forbedrer brukeradopsjon og -tilfredshet, og driver bedre beslutningstaking og mer effektive datainteraksjoner ved å innbygge kraftfulle AI-egenskaper direkte i eksisterende arbeidsflyter.

På hvilke måter gir AI Context Engine gjennomsiktighet og sporbarhet i AI-beslutningstaking for å møte regulatoriske og styrekrav?

AI Context Engine kobler seg til vår Knowledge Graph og datakatalog, og utnytter egenskaper rundt linje og styring. Vår plattform sporer data-linje, og tilbyr full sporbarhet av data og transformasjoner. AI-genererte svar kobles tilbake til deres datakilder, og gir en klar spor av hvordan hver enkelt informasjonsbit ble avledet. Denne gjennomsiktigheten er kritisk for regulatorisk og styrekompatibilitet, og sikrer at hver AI-beslutning kan auditeres og verifiseres.

Hva rolle ser du for Knowledge Graphs i det bredere landskapet av AI og datastyring i årene som kommer?

Knowledge Graphs (KGs) blir stadig viktigere med oppblomstringen av generativ AI. Ved å formalisere fakta i en grafstruktur, gir KGs en sterkere grunn for AI, og forbedrer både nøyaktighet og forklarbarhet. Vi ser en overgang fra standard Retrieval Augmented Generation (RAG)-arkitekturer, som avhenger av ustrukturert data, til Graph RAG-modeller. Disse modellene konverterer ustrukturert innhold til KGs først, og fører til betydelige forbedringer i gjentakelse og nøyaktighet. KGs er satt til å spille en avgjørende rolle i å drive AI-innovasjoner og effektivitet.

Hva fremtidige forbedringer kan vi forvente for AI Context Engine for å ytterligere forbedre dens egenskaper og brukeropplevelse?

AI Context Engine blir bedre med bruk, ettersom kontekst flyter tilbake til datakatalogen, og gjør den smartere over tid. Fra et produktstandpunkt, fokuserer vi på å utvikle agenter som utfører avanserte kunnskapsingeniør-oppgaver, og omgjør rått innhold til rikere ontologier og kunnskapsbasert. Vi lærer kontinuerlig fra mønster som fungerer, og integrerer raskt disse innsiktene, og gir brukerne et kraftfullt, intuitivt verktøy for å håndtere og utnytte deres data.

Hvordan investerer data.world i forskning og utvikling for å forbli i forkant av AI- og data-integrasjonsteknologier?

Forskning og utvikling på AI Context Engine er vårt største investeringsområde. Vi er dedikert til å forbli i forkant av hva som er mulig i AI og data-integrasjon. Vårt team, bestående av eksperter i både symbolisk AI og maskinlæring, driver denne forpliktelsen. Den solide grunnlag vi har bygget på data.world, gjør det mulig for oss å bevege oss raskt og å presse teknologiske grenser, og sikrer at vi konsistent leverer banebrytende egenskaper til våre kunder.

Hva er din langsiktige visjon for fremtiden av AI og data-integrasjon, og hvordan ser du for deg at data.world bidrar til denne utviklingen?

Min visjon for fremtiden av AI og data-integrasjon har alltid vært å gå utover å gjøre det enklere for brukerne å spørre om deres data. I stedet, ønsker vi å eliminere behovet for brukerne å spørre om deres data overhodet. Vår visjon har alltid vært å integrere en organisasjons data med dens kunnskap – som omfatter metadata om datasystemer og logiske modeller av virkelige verdens-entiteter.

Ved å oppnå denne integrasjonen i en maskinlesbar kunnskapsgraf, kan AI-systemer virkelig innfri løftet om naturlig språkinteraksjoner med data. Med de raske fremgangene i generativ AI de siste to årene og våre bestrebelser på å integrere det med bedrifts-kunnskapsgrafer, blir denne fremtiden en realitet i dag. Hos data.world, er vi i forkant av denne utviklingen, og driver transformasjonen som gjør det mulig for AI å levere utenforliggende verdi gjennom intuitive og intelligente datainteraksjoner.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, kan besøke data.world.