Edward Cui, Założyciel i Dyrektor Generalny Graviti – Wywiad

Edward Cui jest założycielem i dyrektorem generalnym Graviti, firmy budującej następną generację platformy danych, która fundamentalnie zmieni sposób, w jaki deweloperzy wchodzą w interakcje z nieustrukturyzowanymi danymi. Z Graviti, deweloperzy AI mogą nabywać, przechowywać i przetwarzać dane szybciej i łatwiej – co jest podstawą do wykorzystania sztucznej inteligencji do empowerment wszystkich branż.

Zacząłeś studia jako inżynier mechanik, co spowodowało zmianę na kierunek informatyka i sztuczna inteligencja?

Rzeczywiście studiowałem inżynierię mechaniczną na początku. Zająłem się klasą na temat machine learning na Uniwersytecie Pensylwanii, co było niesamowite i wiedziałem, że to jest przyszłość i to, co chcę robić w swojej karierze. Po tym kursie przeniosłem się na kierunek informatyka.

Po ukończeniu studiów prowadziłem badania nad reinforcement learning na Uniwersytecie Pensylwanii. W 2015 roku mój były szef, Jeff Snyder, dołączył do Ubera i zaprosił mnie do dołączenia do Uber ATG. To było początkiem mojej kariery w branży samochodów autonomicznych.

Czy mógłbyś podzielić się historią powstania Graviti?

Praca w Uberze była bardzo skomplikowana na początku, ponieważ ludzie nie używali dużych modeli machine learning i brakowało nam mocy obliczeniowej oraz platformy zarządzania danymi do szkolenia modeli. Dane, które zbieraliśmy dla samochodów autonomicznych, były wszystkie nieustrukturyzowane. Na przykład były to obrazy, nagrania, filmy, punkty LIDAR. Wszystkie te dane z rzeczywistych czujników i zbieraliśmy ogromne ilości nieustrukturyzowanych danych każdego dnia. Wykonaliśmy statystykę, która pokazała nam, że ilość danych, które zbieraliśmy w dziale samochodów autonomicznych przez tydzień, była równa ilości danych, które zbieraliśmy dla całego biznesu restauracyjnego na całym świecie przez cały rok. Ogromne ilości nieustrukturyzowanych danych gromadziły się każdego dnia i to stwarzało duże problemy z tym, jak przechowywać te dane, jak je zarządzać i jak je wykorzystywać, aby wygenerować wartości dla różnych organizacji.

Po trzech latach pracy w Uberze zobaczyłem okazję do poprawy sposobu, w jaki można zarządzać dużymi ilościami nieustrukturyzowanych danych. Więc założyłem Graviti w 2019 roku, aby przyspieszyć innowacje w dziedzinie AI poprzez budowę platformy zarządzania nieustrukturyzowanymi danymi.

Czy mógłbyś omówić, jak Graviti jest platformą do zarządzania i strukturyzacji danych na dużą skalę?

Graviti ma na celu uruchomienie pierwszej platformy danych, która umożliwi organizacjom pracę z dużymi ilościami nieustrukturyzowanych danych, aby napędzać innowacyjne aplikacje AI. Ta platforma eliminuje kłopoty i pomaga deweloperom zarządzać dużymi ilościami nieustrukturyzowanych danych wraz z zespołem.

Ponieważ ogromna większość dostępnych informacji w rozwoju AI jest niska jakościowo i nieustrukturyzowana, zespoły developerskie zazwyczaj spędzają ponad 50% swojego czasu – nie na budowaniu modeli – ale na identyfikowaniu, uzupełnianiu lub oczyszczaniu nieustrukturyzowanych danych, i to jest dopiero początek ich pracy. Graviti oferuje bardziej ekspertny sposób zarządzania danymi, aby uwolnić deweloperów i dać im więcej czasu na analizę nieustrukturyzowanych danych i szkolenie modeli sztucznej inteligencji.

Pomagamy deweloperom w trzech wymiarach: odkryciu danych, iteracji danych i automatyzacji przepływu pracy.

Odkrycie danych:

Graviti oferuje funkcję hostowania danych, która ułatwia organizowanie surowych danych, adnotacji i metadanych, jednocząc formaty zbioru i adnotacji. Kiedy deweloperzy AI uzyskują dostęp do różnych zbiorów danych za pośrednictwem Graviti, nie muszą konwertować formatów danych, co upraszcza zarządzanie, zapytania, dostęp i inne operacje związane z adnotacjami. Graviti pomaga zmniejszyć możliwość niezgodności surowych danych lub utraty adnotacji. Ponadto platforma Graviti może pomóc deweloperom ocenić jakość zbiorów danych za pomocą funkcji wizualizacji danych, co oszczędza co najmniej osiem godzin tygodniowo dla deweloperów.

Iteracja danych:

Kiedy deweloperzy trenują swoje sztuczne inteligencje, muszą testować je z różnymi wersjami zbiorów danych, aby zobaczyć wyniki i odnotować adnotacje. Wyzwaniem jest śledzenie różnych edycji i wersji z członkami zespołu pracującymi nad tym samym projektem. Graviti oferuje rozwiązanie, umożliwiając przydzielanie różnych poziomów praw dostępu do pracowników, aby mogli przekazywać swoje adnotacje i śledzić postępy projektu oraz pracować jednocześnie.

Automatyzacja przepływu pracy:

Z funkcją o nazwie „Action” inżynierowie mogą automatyzować przepływ pracy i zmniejszyć powtarzalne, czasochłonne i ręczne czynności. Uwolnia to deweloperów od pisania dużych ręcznych skryptów, aby osiągnąć te przepływy pracy, i otwiera czas dla nich, aby zająć się pracą, którą muszą wykonać.

Dlaczego nieustrukturyzowane dane są przyszłością AI?

Ponad 80% danych przedsiębiorstw jest nieustrukturyzowanych, w tym obrazy, nagrania, filmy, posty w mediach społecznościowych itp. AI jest kluczem do dostarczania wartości z nieustrukturyzowanych danych. Przedsiębiorstwa zaczynają wykorzystywać nieustrukturyzowane dane, aby wspierać głębokie badania i dalszą analizę.

Graviti niedawno uruchomiło OpenBytes, non-profitowy projekt otwartych danych hostowany pod auspicjami Linux Foundation. Czy mógłbyś omówić, co to jest OpenBytes?

Cel OpenBytes jest ułatwienie szerszego udostępniania danych w społeczności AI poprzez tworzenie standardów danych, formatów i procesów umożliwiających wkład danych. Zakres OpenBytes obejmuje kurację otwartych zbiorów danych, otwarte specyfikacje danych i rozwój współpracy na licencjach otwartych, wspierających misję, w tym dokumentację, testowanie, integrację i tworzenie innych artefaktów, które ułatwiają rozwój, wdrożenie, eksploatację lub przyjęcie projektu open-source.

OpenBytes może zmniejszyć ryzyko odpowiedzialności za wkład danych. Posiadacze zbiorów danych są niechętni do udostępniania swoich zbiorów danych publicznie z powodu braku wiedzy o licencjach na dane. Jak tylko wkładający dołączą do OpenBytes, ich dane będą chronione, a więcej otwartych danych stanie się dostępnych.

Tworzymy również standardowy format zbioru danych podczas publikowania, udostępniania i wymiany danych. Ujednolicony format pomoże wkładającym zrozumieć zbiory danych i znaleźć odpowiednie dane, które potrzebują, co prowadzi do większej ilości wysokiej jakości wkładów otwartych zbiorów danych.

Jakie są korzyści z otwartych zbiorów danych?

One korzystają badaczy, ponieważ naukowcy mają więcej darmowych zasobów do wykorzystania w celu szkolenia modeli i ukończenia badań.

One korzystają przedsiębiorstwom, które wykorzystują zbiory danych do rozpoczęcia budowy zdolności AI i napędzania przejścia z tradycyjnych przedsiębiorstw do przedsiębiorstw AI.

Jak Graviti uwierzytelnia jakość zbiorów danych?

Nawet popularne zbiory danych, takie jak COCO i KITTI, nie są idealne dla deweloperów. Błędy zawsze występują, gdy deweloperzy trenują modele, i nikt nie znalazł jeszcze doskonałego sposobu na poprawę jakości zbiorów danych. Graviti wierzy, że model oceny zbioru danych zostanie ustanowiony lub inna rewolucja techniczna pomoże społeczności rozwiązać ten problem, i jest to również część misji Graviti do osiągnięcia w przyszłości.

Jakie jest twoje wizja przyszłości, w jaki sposób deweloperzy będą uzyskiwać dostęp do danych?

Dla małych ilości danych deweloperzy powinni mieć łatwy dostęp do tych danych. Dla większych ilości danych, takich jak bardziej zróżnicowane zbiory danych do szkolenia modeli, technologia uczenia federacyjnego pomoże w pracy w sposób współpracy, odłączając możliwość wykonywania uczenia maszynowego od przechowywania danych na centralnym serwerze.

Czy jest coś jeszcze, co chciałbyś podzielić o Graviti?

Graviti również ewoluuje. Słuchamy opinii od naszych klientów, w tym startupów, przedsiębiorstw, indywidualnych deweloperów i badaczy. Zapraszamy również do współpracy lub partnerstwa z każdym.

Widzimy duże możliwości w rozwoju AI z otwartymi danymi w bardzo niedalekiej przyszłości. Budujemy społeczność do udostępniania i wkładu otwartych danych. To będzie korzystne nie tylko dla badaczy, aby posunąć granice nauki dalej, ale również dla przedsiębiorstw, aby udoskonalić swoje modele i ewoluować technologie w środowisku wzajemnie korzystnym.

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