Peter Wang, CEO og medgrunnlegger av Anaconda – Intervju-serie

Hva var det som først tiltalte deg til datavitenskap?

Jeg begynte å kode i en ung alder, uten en formell datavitenskapelig utdanning. Mens jeg opprinnelig ble tiltalt av det for spenningen av å kommandere en datamaskin til å utføre oppgaver, dypet min interesse seg når jeg oppdaget de kreative mulighetene – å lage spill og uttrykke ideer. For meg er en datamaskin mer enn bare funksjonalitet; det er en uendelig canvas for selvuttrykk. I den tidlige datatiden var kreativiteten uten grenser, og det var en sammenhengende flyt mellom ulike aktiviteter. Men med den nåværende industrialiseringen og lagene av abstraksjon, har det blitt mer utfordrende å slippe løs kreativiteten.

Kan du dele historien bak Anaconda, Inc?

Min medgrunnlegger og jeg startet Anaconda i 2012, men opphavet til bedriften kan spores tilbake til da vi var programvarekonsulenter. Vi så den voksende grasrota-tilpasningen av Python-programmeringsspråket for bedriftsdataanalyse og visste at en revolusjon var underveis. Bransjer som krevde tungt numerisk beregning, som finansielle tjenester, strømmet til Python, og over tid så språket rask tilpasning i helsevesen, produksjon, detaljhandel og hver bransje som søkte avansert analyse for å ta bedre forretningsbeslutninger. Men til tross for den omfattende organiske veksten av Python, følte vi at industrien manglet den virkelige historien: det massive behovet for høy-ytelses avanserte analyseverktøy som kunne utnyttes av ikke-programmere. I begynnelsen var investorer usikre på programmeringsspråk eller åpne kildekodesystemer og så ikke verdi i Python-datafellesskapet som Anaconda hadde fostret. Men denne praksisledede vekststrategien ledet til at Anaconda og Python-økosystemet raskt fikk tilpasning over hele verden.

Anaconda er dedikert til å fremme åpen kilde-innovasjon, hvorfor er åpen kilde så viktig?

Jeg er en sterk tilhenger av at åpenhet og samarbeid er nøkelfaktorer for vellykket utvikling av teknologi og løsninger for samfunnet som helhet. Åpen kilde garanterer ikke bare åpenhet, men også samarbeid og fremmer en innovasjonskultur blant utviklere. Jo flere perspektiver og kunnskap som samarbeider om å utvikle løsninger, jo bedre blir resultatet. Prinsippene bak åpen kilde sammenfaller nært med Anacondas misjon om å demokratisere teknologi og forbedre utdanning – åpen kildekodet programvare gir verdifulle læremuligheter for utviklere, studenter og entusiaster hvor de kan studere koden, lære beste praksis og få praktisk erfaring ved å bidra til åpen kilde-prosjekter.

I 2022 lanserte Anaconda PyScript, et web-basert verktøy for å kode i nettleseren og distribuere apper med ett klikk. Kan du dele noen detaljer om dette verktøyet og hva som gjør det så kraftig?

Etter å ha lansert det åpne kilde PyScript-prosjektet i fjor som et bevis på konsept, lanserte vi i mars 2023 PyScript.com, en nettside som lar hvem som helst bygge rike, interaktive, delbare Python-drevne web-applikasjoner direkte i nettleseren. Dette fleksible kode-miljøet har et plug-and-play-modulært utviklingsmiljø og kan lage neste-generasjons web-applikasjoner med Python-drevne datainteraktivitet og beregning, og drastisk redusere inngangsbarrierene som gjør programmering overveldende for 99% av borgerne som ikke har eksisterende kodeferdigheter. Med denne lanseringen øker Anaconda tilgjengeligheten ved å tilby et rammeverk som utstyrer hvem som helst til å få erfaring med Python-utvikling.

Datavitenskapsindustrien har eksplodert over det siste tiåret, da data-drevne beslutninger har blitt normen – og har løftet data-vitenskapsmenn til #3 på Glassdoor’s ​​50 beste jobber i Amerika for 2022. Men mens industrien blomstrer, er det fortsatt rom for å oppgradere den nåværende arbeidsstyrken og fjerne eksisterende inngangsbarrierer for de som er nysgjerrige på verden av kode. Denne lanseringen var det første skrittet i å demokratisere data-vitenskap. I tillegg vil personer og organisasjoner som fokuserer på å oppgradere og om-skolere alltid ha en konkurransefordel. Ved å tilby en nettbasert plattform som alle kan nå, uten byrden av å laste ned filer og konfigurere miljøer, gir PyScript en god mulighet til å lære Python, verdens mest populære programmeringsspråk.

Hva er dine synspunkter på fremtiden for kode?

Utviklingen fremover innebærer en økning i total kodeproduksjon, med en betydelig del generert av maskiner. Likevel vil menneskelig validering forbli avgjørende. Den konvensjonelle bildet av programmering – å skrive kode i en tekstfil – vil endre seg. Fremtiden for å konstruere informasjonssystemer vil avvike fra tradisjonell programmering, og omfavne et landskap hvor kode genereres. Jeg forventer også at fremtidige systemer vil sentrere seg rundt dataspesifikasjon og -modellering, og omforme programmering som vi kjenner den i dag.

Anaconda betjener nå over 35 millioner brukere, hva tilskriver du denne suksessen til?

Jeg tror at vi har nådd denne skalaen av brukere ved å tilby en bred variasjon av utdanningsmateriell og verktøy tilpasset alle typer brukere – fra studenter til profesjonelle kodere. Mens teknologisk innovasjon fortsetter, har det blitt stadig mer behov for Python-ferdigheter i nesten hver bransje. Med vår misjon om å demokratisere Python, og gjøre kode og grunnleggende ferdigheter tilgjengelige for alle, er vi i stand til å tilby de ressursene som trengs for å bygge ferdigheter for jobber nå og i fremtiden.

En av dine lidenskaper er å utvide tilgangen til datalitteratur, kan du dele noen detaljer om dine innsats med dette?

Jeg tror at hvis vi når studenter mens de starter med data-vitenskap, kan vi gjøre mer betydelig fremgang på vår misjon om å oppnå verdensomspennende datalitteratur. For å støtte det, har Anaconda startet å engasjere med videregående skoler i USA og globalt for å arrangere en Data Science Expo som bringer studenter sammen for å vise frem Python-ferdigheter, dele innovative prosjekter og potensielt vinne college-stipend. I tillegg har vi nylig lansert Anaconda Learning, som tilbyr over tolv kurs, og gir studenter som fullfører dem en sertifikat som kan forbedre deres sjanser til å sikre arbeid eller fremme sin utdanningsreise. Anaconda Notebooks er også designet for å hjelpe folk å umiddelbart hoppe inn i data-vitenskap og Python-koding. I mai 2023, Anaconda ervervet EduBlocks, en gratis plattform som bringer grunnleggende kodeferdigheter til elever og nybegynnere. Gjennom ervervet, vil EduBlocks ytterligere Anacondas misjon om å demokratisere data- og Python-ferdigheter for fremtidens arbeidsstyrke. Mens data-vitenskap og AI/ML-modeller fortsetter å bli mer utbredt i arbeid og liv, kan Anaconda være kilde for veiledning og trening for å dra nytte av denne nye verden.

Hvorfor bør fremtiden for AI være fullstendig åpen?

Lignende mine synspunkter rundt åpen kilde, vil åpenhet og samarbeid føre til mer suksessfull utvikling av AI-teknologi og fordel for det større gode for samfunnet som helhet. Mens det ikke kan benektes at AI-våpenkappløpet er et spennende øyeblikk i teknologi, kan den omfattende bruken av AI-modeller oversvømme Internettet med informasjon som ikke er generert av virkelige hendelser, og som vil forurensa fremtidige treningsdata-samlinger for fremtidige modeller. Dette vil føre til en “modell-kannibalisme”-effekt hvor fremtidige modeller forsterker og blir for alltid forvrengt av utgangen av tidligere modeller. Med åpen utvikling kommer mer tilgjengelighet, og evnen for en bredere gruppe av bakgrunner, ferdigheter og erfaringer til å arbeide sammen – og skaper en dominoeffekt mot mer suksessfulle (og etiske) resultater.

Hva er din visjon for fremtiden for AI?

Jeg forventer en økning i mer kompakte og forståelige AI-modeller. Å løse problemer relatert til innholdets rettigheter og opphavsrett vil være avgjørende. Forvent en omfattende tilpasning av disse AI-teknologiene i virkelige forretnings-scenarier og kunde-erfaringer. Fokuset vil skifte til å guide og trene AI for positiv bruk. Denne overgangen kan sammenlignes med utviklingen av motorer – fra store til små, med en nyfunnet fokus på motor-applikasjoner.

Vi har nå tilgang til en form for “grunnleggende” intelligens som kan utføre oppgaver som tidligere krevde menneskelig ekspertise – ikke nødvendigvis vanskelig, men som krever dynamisk smidighet. Disse er bruksområder som tidligere ble overse på grunn av behovet for menneskelig inngripen, men med fremveksten av AI, er det tidligere utfordrende nå mulig.

Takk for de flotte intervjuene, lesere som ønsker å lære mer bør besøke Anaconda.