Jorge Torres, medgrunnlegger og CEO av MindsDB – Intervju-serie

Jorge Torres er medgrunnlegger og CEO av MindsDB, en plattform som hjelper alle å bruke kraften av maskinlæring til å stille prediktive spørsmål om deres data og motta nøyaktige svar fra den. MindsDB er også en av YCombinators nyeste vinter 2020-batch og ble nylig kåret til en av Amerikas mest lovende AI-selskaper av Forbes.

Hva var det som først tiltalte deg til maskinlæring?

Dette er en interessant historie. I 2008 bodde og arbeidet jeg i Berkeley for en startup kalt Couchsurfing, og jeg så denne klassen (cs188 – Introduksjon til AI). Selv om jeg ikke var tilknyttet universitetet på den tiden, spurte jeg professor John DeNero om jeg kunne delta i en time, og han tillot meg det. Denne professoren var briljant, og han fikk alle til å forelske seg i emnet. Det var det beste som skjedde med meg. Jeg var forbløffet over at datamaskiner kunne lære å løse et problem, og jeg innser at dette utvikler seg raskt, og bestemte meg for å gjøre det til min karriere.

Det finnes noen generasjonsdefinerende hendelser i teknologi som bare skjer noen ganger i livet. Jeg var heldig å være vitne til fødselen av Internettet, men var for ung til å være annet enn en passiv observer. Jeg tror maskinlæring er den neste generasjonsdefinerende hendelsen, og jeg ønsket å være en del av det på en meningsfull måte for å drive fremover teknologien og måten vi bruker den.

MindsDB startet ved UC Berkeley i 2018, kan du dele noen innsikt fra de tidlige dagene?

UC Berkeley er ett av verdens største forskningsinstitusjoner og har en historie av å skape og støtte åpen kildekode-programvare, og vi tenkte at det ikke var bedre sted å starte MindsDB. Våre verdier var i tråd med deres, de tilbød oss vår første sjekk gjennom UC Berkeley Skydeck Accelerator, og resten er historie.

De tidlige dagene var ikke ulike mange startups i Bay-området – tre personer som arbeidet lange timer på noe de alle trodde på, men hadde bare en liten sjanse til suksess. Den eneste forskjellen er at i stedet for å arbeide i en støvete garasje i Palo Alto, var vi i den relative komforten i Skydeck Penthouse co-working space (uten leie).

Jeg tror det er enorm kraft i data. Jo mer en bedrift har, jo mer kan de drive sine forretninger fremover. Men bare hvis de kan få meningsfulle innsikter fra den.

I høst 2017 kom min beste venn Adam Carrigan (COO) og jeg til slutsatsen at for mange bedrifter møtte begrensninger når det kom til å trekke ut meningsfulle informasjoner fra deres data. De innser at en av de største begrensningene var i hvordan mange av disse bedriftene svært underutnyttet kraften av kunstig intelligens. Vi trodde at maskinlæring kunne gjøre data og den intelligensen det kan gi, tilgjengelig for alle. Derfor designet vi en plattform som ville tillate alle å bruke kraften av maskinlæring til å stille prediktive spørsmål om deres data og motta nøyaktige svar fra den.

Vi kaller denne plattformen MindsDB og er fokusert på å fortsette å gjøre det usedvanlig enkelt for utviklere å raskt skape den neste bølgen av AI-senterte applikasjoner som vil forandre måten vi lever og arbeider, og for bedrifter å trekke ut informasjon fra deres data.

Hvorfor fokuserte MindsDB på å løse problemet med å være data-sentrisk i stedet for maskinlæring-sentrisk?

Hvis du ser på det overveldende flertall av forskning i AI, kommer en stor prosentdel fra akademiske institusjoner. ML har historisk sett vært modell-sentrisk fordi dette er der forskningsinstitusjoner kan legge til perceiver verdi; mer forskning forbedrer modeller eller skaper nye, og dermed produserer bedre resultater. Å være data-sentrisk, på den andre siden, å legge til bedre kvalitet / mer relevant data til en eksisterende tilnærming, er ikke lett å publisere (nøkkel KPI for forskere).

Imidlertid er det overveldende flertall av anvendt maskinlæring-problemer i dag å benefit fra forbedret data enn fra forbedrede modeller. Dette samsvarer også godt med vår misjon om å demokratisere maskinlæring, det overveldende flertall av mennesker utenfor ML-rommet vet ikke mye om ML, men de vet mye om deres data.

Vi så at det var to typer bedrifter, på den ene siden selskaper med data i databasen, på den andre siden, selskaper som ikke hadde funnet ut databases ennå, vi innser at hvis et selskap var i gruppen med databases, deres data-maturitet hadde allerede satt dem på riktig spor for å kunne virkelig anvende maskinlæring, mens selskaper som ikke hadde oppdaget databases ennå, hadde langt igjen, så vi fokuserte på å gi verdi for de som kunne trekke ut det.

Hvordan nærmer MindsDB seg modellering og utrulling i ren SQL?

Vi skaper representasjoner av modeller som tabeller som kan spørring, så effektivt fjerner vi konseptet ‘utrulling’ ut av bildet. Når du skriver på en database CREATE VIEW, er den visningen live så snart kommandoen er ferdig prosessert, samme sak når du gjør CREATE MODEL i mindsdb.

Mennesker elsker MindsDB på grunn av forenklingen dere har bragt til ML-Ops-livssyklusen, hvorfor er det så viktig å forenkle maskinlæring-utrulling?

Mennesker elsker det fordi det abstraherer unødvendige ETL-pipelines, så mindre ting å vedlikeholde. Vårt fokus er å få brukerne til å trekke ut verdien av maskinlæring, ved å ikke tenke på å vedlikeholde ML-infrastrukturen hvis de allerede vedlikeholder data-infrastruktur.

Hva er noen av fordelene og risikoene med å være en åpen kildekode-startup i stedet for en tradisjonell startup?

Et åpen kildekode-prosjekt kan starte med bare en idé, og folk vil hjelpe deg bygge det langs veien, på den lukkede kildekode-tilnærmingen må du starte med de samme antagelsene, men du må være rett, fordi ingen vil hjelpe deg å forbedre produktet (i samme volum som i åpen kildekode), tenk på åpen kildekode som en samarbeidende produkt-bruker-tilnærming.

MindsDB har nylig samlet inn 16,5 millioner dollar i serie A-investering fra Benchmark, hvorfor er Benchmark den perfekte investor-matcher og hvordan matcher deres visjon din?

Benchmark har en ublemmet rekord i vår bransje, Chetan har hjulpet selskaper som mongodb, elastic, airbyte bli verdensledere i deres områder. Vi tror det ikke finnes bedre match for MindsDB enn Chetan og Benchmark-kapital.

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