William Falcon, grunnlegger og CEO av Lightning AI – Intervju-serie

Lightning AI er skaperen av PyTorch Lightning, et rammeverk designet for trening og finjustering av AI-modeller, samt Lightning AI Studio. PyTorch Lightning ble initialt utviklet av William Falcon i 2015 mens han var ved Columbia University. Det ble senere åpnet kildekode i 2019 under hans PhD ved NYU og Facebook AI Research, under veiledning av Kyunghyun Cho og Yann LeCun. I 2023 lanserte Lightning AI Lightning AI Studio, en skyplattform som muliggjør kode, trening og distribusjon av AI-modeller direkte fra en nettleser uten noen oppsett kreves.

Per i dag har PyTorch Lightning overstiget 130 millioner nedlastinger, og AI Studio støtter over 150 000 brukere over hundredvis av bedrifter.

Hva inspirerte deg til å lage PyTorch Lightning, og hvordan ledet dette til etableringen av Lightning AI?

Som skaperen av PyTorch Lightning, ble jeg inspirert til å utvikle en løsning som ville frigjøre datavitenskap fra ingeniørarbeid, og gjøre AI-utvikling mer tilgjengelig og effektiv. Denne visjonen vokste fra mine erfaringer som bachelor ved Columbia, under min PhD ved NYU og arbeidet ved Facebook AI Research. PyTorch Lightning fikk raskt stor oppslutning både i akademia og industri, noe som ledet meg til å etablere Lightning AI (initialt Grid.ai) i 2019. Vårt mål var å skape et “operativsystem for kunstig intelligens” som kunne forene det fragmenterte AI-utviklingsekosystemet. Denne utviklingen fra PyTorch Lightning til Lightning AI reflekterer vårt engasjement for å forenkle hele AI-livssyklusen, fra utvikling til produksjon, og muliggjøre at forskere og ingeniører kan bygge fullstendige ML-systemer på noen få dager i stedet for år. Lightning AI-plattformen er kulminasjonen av denne visjonen, med mål om å gjøre AI-utvikling like enkelt som å kjøre bil, uten å kreve dyp kunnskap om komplekse underliggende teknologier.

Kan du dele historien bak overgangen fra Grid.ai til Lightning AI og visjonen som driver denne utviklingen?

Overgangen fra Grid.ai til Lightning AI ble drevet av erkjennelsen av at AI-utviklingsekosystemet trengte mer enn bare en skalerbar treningsløsning. Vi lanserte initialt Grid.ai i 2020 for å fokusere på skybasert modelltrening. Men når selskapet vokste og vi lyttet til brukertilbakemeldinger, erkjente vi behovet for en komprehensiv, fullstendig plattform som kunne håndtere den fragmenterte og tidskrevende naturen til AI-utvikling. Denne innsikten ledet til skapingen av Lightning AI, en forent løsning som går utenfor trening til å inkludere serving og andre kritiske komponenter i AI-livssyklusen. Vår utvikling reflekterer en visjon om å forenkle og strømlinje hele AI-utviklingsprosessen, redusere tiden og ressursene som kreves for maskinlæringsinitiativer, og ære den voksende fellesskapet av utviklere som hadde kommet til å stole på våre verktøy.

Hvordan ser du på fremtiden for AI-utvikling, og hva rolle spiller Lightning AI i å forme denne fremtiden?

Jeg ser en fremtid der AI-utvikling er demokratisert og tilgjengelig for alle, ikke bare store teknologiselskaper eller spesialiserte forskere. Hos Lightning AI arbeider vi for å forme denne fremtiden ved å skape en forent plattform som forenkler hele AI-livssyklusen. Vårt mål er å gjøre bygging av AI-applikasjoner like enkelt som å bygge en nettside, og eliminere behovet for omfattende ingeniørkunnskap eller dyrt infrastruktur. Vi tror at ved å tilby verktøy som håndterer kompleksitetene i AI-utvikling – fra dataforberedelse og modelltrening til distribusjon – kan vi utløse en ny bølge av innovasjon. Lightning AI har som mål å være katalysatoren for denne endringen, og muliggjøre at individer og organisasjoner av alle størrelser kan bringe sine AI-ideer til live raskt og effektivt. Til slutt ser vi en fremtid der AI blir et allment verktøy for problemløsning over alle industrier, og Lightning AI er i forkant av å gjøre denne visjonen til virkelighet.

Med PyTorch Lightning har du forsøkt å redusere boilerplate-kode i AI-forskning. Hvordan balanserer du enkelhet med den fleksibiliteten som avanserte forskere krever?

Vår tilnærming til PyTorch Lightning har alltid vært å slå en fin balanse mellom enkelhet og fleksibilitet. Vi har designet rammeverket for å eliminere boilerplate-kode og standardisere beste praksis, noe som betydelig akselerer utvikling og reduserer feil. Men vi er også godt klar over at avanserte forskere trenger evnen til å tilpasse og utvide funksjonalitet. Derfor har vi bygget Lightning med en modulær arkitektur som lar forskere enkelt overstyre standardatferd når det er nødvendig. Vi tilbyr høynivå-abstraksjoner for vanlige oppgaver, men vi eksponerer også lavnivå-APIer som gir full kontroll over treningsprosessen. Denne designfilosofien betyr at nybegynnere kan komme i gang raskt med fornuftige standarder, mens erfarne forskere kan dykke dypt og implementere komplekse, tilpassede logikker. Til slutt er vårt mål å fjerne de kjedelige aspektene ved AI-utvikling uten å påtvinge begrensninger på kreativitet eller innovasjon. Vi tror at denne balansen er avgjørende for å fremme AI-forskning samtidig som det gjøres mer tilgjengelig for en bredere samfunn av utviklere og forskere.

Hva er noen av de mest betydelige tekniske fremgangene du ser komme i AI-utvikling over de neste årene, og hvordan forbereder Lightning AI seg på dem?

I de kommende årene forventer jeg betydelige fremgang i AI som vil revolusjonere hvordan vi utvikler og distribuerer modeller. Vi er sannsynligvis å se mer effektive treningsmetoder, forbedret modellkomprimeringsteknikker og gjennombrudd i multimodal læring. Edge AI og distribuert læring vil bli stadig viktigere når vi presser på for mer personvernsvennlige og ressurs-effektive løsninger. Hos Lightning AI forbereder vi oss på disse endringene ved å bygge en fleksibel, skalerbar plattform som kan tilpasse seg nye teknologier. Vi fokuserer på å gjøre våre verktøy kompatible med en rekke hardware-akseleratorer, inkludert spesialiserte AI-chip, for å støtte diverse datamaskinmiljøer. Vi investerer også i forskning og utvikling for å integrere nye algoritmer og metoder når de oppstår. Vårt mål er å skape et økosystem som ikke bare holder tritt med disse fremgangene, men også hjelper med å demokratisere tilgangen til dem, og sikre at fremtredende AI-egenskaper er tilgjengelige for forskere og utviklere av alle nivåer, ikke bare de i store teknologiselskaper.

Din bakgrunn omfatter akademia, militærtjeneste og entreprenørskap. Hvordan har disse ulike erfaringene påvirket din tilnærming til å lede et AI-selskap?

Min tid i spesialoperasjoner lærte meg å navigere usikkerhet, ta beslutninger med begrensede informasjon, og opprettholde teammoral i utfordrende situasjoner – ferdigheter som oversetter seg godt til det uforutsigbare startup-miljøet. Min akademiske erfaring innplantet i meg en dyp respekt for rigorøs forskning og innovasjon. Entreprenørskap lærte meg å identifisere markedets behov og omgjøre innovative ideer til praktiske løsninger. Som en venezuelansk innvandrer og US-militærveteran, har jeg utviklet en global perspektiv som påvirker våre rekrutteringspraksis hos Lightning AI, der vi prioriterer mangfold og unngår den typiske Silicon Valley “tech-bro”-kulturen.

Jeg tror at denne kombinasjonen av erfaringer muliggjør at jeg kan lede vårt selskap og nærme meg AI-utvikling med en helhetlig visjon, som balanserer teknologisk innovasjon med etiske overveielser og samfunnsimpakt. Det handler ikke bare om å bygge fremtredende AI; det handler om å skape teknologi som gagner samfunnet, samtidig som vi fremmer en inklusiv miljø der mangfoldige talenter kan trives. Disse erfaringene har kultivert min tro på å skape verktøy som demokratiserer AI, og gjør det tilgjengelig ikke bare for spesialiserte forskere, men for en bredere samfunn av utviklere og innovatører over ulike felt.

AI har et betydelig potensial for samfunnsimpakt, noe du har uttrykt lidenskap for. Hvordan bidrar Lightning AI til å bruke AI for samfunnets beste, og hva er noen eksempler på dette?

Hos Lightning AI er vi dypt engasjert i å bruke AI for samfunnets beste, og vi tror at åpen kildekode er nøkkelen til å oppnå dette. Ved å gjøre AI tilgjengelig og gjennomsiktig, demokratiserer vi teknologien og sikrer at den ikke bare er i hendene på noen få store korporasjoner. Vår åpen kildekode-tilnærming lar forskere, utviklere og organisasjoner verden over bygge på og forbedre AI-modeller, og fremmer innovasjon og samarbeid. Denne gjennomsiktigheten er avgjørende for å håndtere etiske bekymringer og bias i AI, ettersom det tillater granskning av datasett og algoritmer som brukes.

Vi har sett vår teknologi brukt i ulike felt for samfunnsimpakt, fra helseprosjekter som bruker AI for tidlig sykdomsdeteksjon til miljøinitiativer som utnytter maskinlæring for klimaforskning. Ved å tilby verktøy som forenkler AI-utvikling, muliggjør vi at flere mennesker kan skape løsninger for presserende samfunnsproblemer. I tillegg sikrer vårt engasjement for mangfold i rekruttering at vi bringer ulike perspektiver til bordet, noe som er essensielt for å utvikle AI som tjener hele samfunnet, ikke bare et utvalg. Til slutt ser vi Lightning AI som en katalysator for positiv forandring, og muliggjør at et globalt samfunn kan utnytte AI for det større gode.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Lightning AI eller besøke nettstedet til William Falcon.