Bryon Jacob, CTO i współzałożyciel data.world – seria wywiadów

Bryon Jacob jest CTO i współzałożycielem data.world – misją jest budowanie najbardziej znaczącego, współpracującego i obfitego zasobu danych na świecie. Przed data.world spędził dziesięć lat na stanowiskach o coraz większej odpowiedzialności w HomeAway.com, kończąc na stanowisku VP of Tech / Technical fellow. Bryon pracował również wcześniej w Amazonie i jest długoletnim mentorem w Capital Factory. Ukończył studia licencjackie i magisterskie z informatyki na Case Western University.

Czym było to, co pierwotnie przyciągnęło Cię do informatyki?

Od kiedy miałem 10 lat i dostałem Commodore 64, jestem uzależniony od programowania. Zaczynałem od BASIC i szybko przeszedłem na język asemblera. Dla mnie informatyka to rozwiązywanie serii skomplikowanych puzzle’ów z dodatkową ekscytacją, jaką daje automatyzacja. To aspekt rozwiązywania problemów zawsze utrzymywał mnie w stanie zaangażowania i podniecenia.

Czy możesz podzielić się historią powstania data.world?

data.world narodziło się z serii sesji brain storming wśród naszego założycielskiego zespołu. Brett, nasz CEO, skontaktował się z Jonem i Mattem, z którymi wcześniej pracował. Zaczęli spotykać się, aby wymieniać pomysły, a Jon przyniósł kilka z tych koncepcji do mnie do oceny technicznej. Chociaż te pomysły nie wyszły, zapoczątkowały dyskusje, które ściśle pokrywały się z moją własną pracą. Przez te rozmowy trafiliśmy na pomysł, który ostatecznie stał się data.world. Nasza wspólna historia i wzajemny szacunek pozwoliły nam szybko zbudować wielki zespół, ściągając najlepszych ludzi, z którymi pracowaliśmy w przeszłości, i położyć solidne podwaliny pod innowacje.

Czym było to, co zainspirowało data.world do rozwoju silnika kontekstu AI, i jakie konkretnie wyzwania rozwiązuje ono dla firm?

Od samego początku wiedzieliśmy, że graf wiedzy (KG) będzie kluczowy dla rozwoju możliwości AI. Z pojawieniem się generatywnego AI nasi klienci chcieli rozwiązania AI, które mogłyby wchodzić w interakcje z ich danymi w sposób konwersacyjny. Jednym z istotnych wyzwań w dzisiejszych aplikacjach AI jest wyjaśnialność. Jeśli nie możesz pokazać swojej pracy, odpowiedzi są mniej godne zaufania. Nasza architektura KG opiera każdą odpowiedź na weryfikowalnych faktach, dostarczając jasne, śledzące wyjaśnienia. To zwiększa przejrzystość i niezawodność, umożliwiając firmom podejmowanie decyzji z pewnością.

Jak architektura grafu wiedzy silnika kontekstu AI poprawia dokładność i wyjaśnialność modeli LLM w porównaniu z bazami danych SQL?

W naszym przełomowym artykule udowodniliśmy trzykrotną poprawę dokładności przy użyciu grafów wiedzy (KG) w porównaniu z tradycyjnymi relacyjnymi bazami danych. Grafy wiedzy wykorzystują semantykę do reprezentowania danych jako rzeczywistych encji i relacji, co sprawia, że są one bardziej dokładne niż bazy danych SQL, które koncentrują się na tabelach i kolumnach. W kwestii wyjaśnialności grafy wiedzy pozwalają nam łączyć odpowiedzi z definicjami terminów, źródłami danych i metrykami, dostarczając ślad weryfikowalny, który zwiększa zaufanie i użyteczność.

Czy możesz podzielić się przykładami, jak silnik kontekstu AI przekształcił interakcje z danymi i podejmowanie decyzji w przedsiębiorstwach?

Silnik kontekstu AI jest zaprojektowany jako API, które integruje się bezproblemowo z istniejącymi aplikacjami AI klientów, niezależnie od tego, czy są to niestandardowe GPT, współpilot, czy rozwiązania opracowane z wykorzystaniem LangChain. Oznacza to, że użytkownicy nie muszą przechodzić do nowego interfejsu – zamiast tego, przywozimy silnik kontekstu AI do nich. Ta integracja zwiększa przyjęcie i zadowolenie użytkowników, napędzając lepsze podejmowanie decyzji i bardziej efektywne interakcje z danymi, poprzez wbudowanie potężnych możliwości AI bezpośrednio w istniejące przepływy pracy.

Jak silnik kontekstu AI zapewnia przejrzystość i śledzenie w podejmowaniu decyzji AI, aby spełnić wymagania regulacyjne i zarządcze?

Silnik kontekstu AI łączy się z naszym grafem wiedzy i katalogiem danych, wykorzystując możliwości związane z pochodzeniem i zarządzaniem. Nasza platforma śledzi pochodzenie danych, oferując pełną śledzenie danych i transformacji. Odpowiedzi generowane przez AI są połączone z ich źródłami danych, dostarczając jasny ślad, jak każdy element informacji został wygenerowany. Ta przejrzystość jest kluczowa dla zgodności z regulacjami i zarządzaniem, zapewniając, że każda decyzja AI może być audytowana i zweryfikowana.

Jaką rolę widzisz dla grafów wiedzy w szerszym krajobrazie AI i zarządzania danymi w nadchodzących latach?

Grafy wiedzy stają się coraz bardziej istotne wraz ze wzrostem generatywnego AI. Poprzez sformalizowanie faktów w strukturze grafu, grafy wiedzy zapewniają mocniejszą podstawę dla AI, zwiększając zarówno dokładność, jak i wyjaśnialność. Obserwujemy przesunięcie od standardowych architektur RAG (Retrieval Augmented Generation) opartych na niestrukturyzowanych danych do modeli Graph RAG. Te modele konwertują niestrukturyzowany zawartość w grafy wiedzy najpierw, prowadząc do znaczącej poprawy wspomnienia i dokładności. Grafy wiedzy mają odegrać kluczową rolę w napędzaniu innowacji AI i ich skuteczności.

Jakie przyszłe udoskonalenia możemy oczekiwać dla silnika kontekstu AI, aby dalej poprawiać jego możliwości i doświadczenie użytkownika?

Silnik kontekstu AI staje się coraz mądrzejszy wraz z użyciem, ponieważ kontekst powraca do katalogu danych, czyniąc go bardziej inteligentnym z czasem. Z punktu widzenia produktu koncentrujemy się na rozwijaniu agentów, które wykonują zaawansowane zadania inżynierii wiedzy, przekształcając surową zawartość w bogatsze ontologie i bazy wiedzy. Ciągle uczymy się z wzorców, które działają, i szybko integrujemy te spostrzeżenia, dostarczając użytkownikom potężne i intuicyjne narzędzie do zarządzania i wykorzystywania ich danych.

Jak data.world inwestuje w badania i rozwój, aby pozostać na czele technologii AI i integracji danych?

Badania i rozwój silnika kontekstu AI to nasza największa inwestycja. Jesteśmy zaangażowani w pozostawanie na najwyższym poziomie tego, co jest możliwe w AI i integracji danych. Nasz zespół, składający się z ekspertów zarówno w symbolicznym AI, jak i w uczeniu maszynowym, napędza to zaangażowanie. Solidne podwaliny, które zbudowaliśmy w data.world, pozwalają nam poruszać się szybko i przesuwać granice technologiczne, zapewniając, że stale dostarczamy klientom najnowocześniejsze możliwości.

Jaka jest Twoja długoterminowa wizja przyszłości AI i integracji danych, i jak widzisz wkład data.world w tę ewolucję?

Moja wizja przyszłości AI i integracji danych zawsze była taka, aby wyjść poza prosty fakt, że ułatwiamy użytkownikom wyszukiwanie ich danych. Naszym celem jest całkowite wyeliminowanie potrzeby, aby użytkownicy w ogóle musieli wyszukiwać swoje dane. Nasza wizja była zawsze taka, aby bezproblemowo zintegrować dane organizacji z jej wiedzą – obejmując metadane o systemach danych i logiczne modele rzeczywistych encji.

Poprzez osiągnięcie tej integracji w maszynie czytelnym grafie wiedzy, systemy AI mogą naprawdę spełnić obietnicę interakcji języka naturalnego z danymi. Z szybkim postępem w generatywnym AI w ciągu ostatnich dwóch lat i naszymi wysiłkami, aby zintegrować je z przedsiębiorczymi grafami wiedzy, ta przyszłość staje się rzeczywistością dzisiaj. W data.world jesteśmy na czele tej ewolucji, napędzając transformację, która pozwala AI dostarczyć bezprecedensową wartość poprzez intuicyjne i inteligentne interakcje z danymi.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić data.world.