Jorge Torres, współzałożyciel i CEO MindsDB – seria wywiadów

Jorge Torres jest współzałożycielem i CEO MindsDB, platformy, która pomaga każdemu wykorzystać moc machine learning do zadawania pytań predykcyjnych swoim danym i otrzymywania dokładnych odpowiedzi. MindsDB jest również absolwentem ostatniej zimowej grupy YCombinator z 2020 roku i został niedawno uznany za jedną z najbardziej obiecujących firm AI w Ameryce przez Forbes.

Czym było to, co początkowo przyciągnęło Cię do machine learning?

To jest ciekawa historia. W 2008 roku mieszkałem i pracowałem w Berkeley dla startupu o nazwie Couchsurfing i zobaczyłem ten kurs, (cs188 – Wprowadzenie do AI). Chociaż nie byłem wówczas związany z uczelnią, poprosiłem profesora Johna DeNero, czy mógłbym uczestniczyć w zajęciach, a on pozwolił mi. Ten profesor był wybitny, i naprawdę sprawił, że wszyscy zakochali się w temacie. Była to najlepsza rzecz, jaka mi się przytrafiła. Byłem zdumiony, że komputery mogą się uczyć, aby rozwiązać problem, zrozumiałem, że to się rozwija szybko i postanowiłem uczynić to swoją karierą.

Istnieją pewne wydarzenia definiujące pokolenie w technologiach, które zdarzają się tylko kilka razy w życiu. Byłem wystarczająco szczęśliwy, aby być świadkiem narodzin Internetu, ale byłem zbyt młody, aby być czymś więcej niż biernym obserwatorem. Uważam, że Machine Learning to jest to następne wydarzenie definiujące pokolenie, i chciałem być jego częścią w jakiś sposób, aby napędzać do przodu tę technologię i sposób, w jaki ją używamy.

MindsDB powstało na UC Berkeley w 2018 roku, czy mógłbyś podzielić się jakimiś spostrzeżeniami z tych wczesnych dni?

UC Berkeley jest jedną z najlepszych instytucji badawczych na świecie i ma historię tworzenia i wspierania oprogramowania open-source, i myśleliśmy, że nie ma lepszego miejsca, aby zacząć MindsDB. Nasze wartości były zgodne, oferowali nam nasze pierwsze wsparcie finansowe przez UC Berkeley Skydeck Accelerator, a reszta, jak się mówi, to historia.

Wczesne dni nie różniły się od wielu startupów w regionie Bay – trzy osoby pracowały długie godziny nad czymś, w co wszystkie wierzyły, ale miały tylko małe szanse na sukces. Jedyna różnica polegała na tym, że zamiast pracować w kurzu w garażu w Palo Alto, pracowaliśmy w relatywnie komfortowych warunkach w Skydeck Penthouse co-working space (za darmo).

Wierzę, że istnieje ogromna moc w danych. Im więcej danych ma firma, tym więcej może napędzać swoje biznesy do przodu. Ale tylko wtedy, gdy są w stanie uzyskać znaczące spostrzeżenia z nich.

W jesieni 2017 roku, mój najlepszy przyjaciel Adam Carrigan (COO) i ja doszliśmy do wniosku, że zbyt wiele firm napotyka ograniczenia, gdy próbują wydobyć znaczące informacje ze swoich danych. Zrozumieliśmy, że jednym z największych ograniczeń było to, że wiele z tych firm wykorzystywało niewystarczająco moc sztucznej inteligencji. Wierzyliśmy, że machine learning może uczynić dane, oraz inteligencję, którą one mogą dostarczyć, dostępną dla wszystkich. Dlatego zaprojektowaliśmy platformę, która pozwoli każdemu wykorzystać moc machine learning, aby zadawać pytania predykcyjne swoim danym i otrzymywać dokładne odpowiedzi.

Nazywamy tę platformę MindsDB i koncentrujemy się na kontynuowaniu pracy nad tym, aby było niezwykle łatwo dla deweloperów tworzyć następną falę aplikacji opartych na AI, które zmienią sposób, w jaki żyjemy i pracujemy, oraz aby firmy mogły wydobyć informacje ze swoich danych.

Dlaczego MindsDB skupiło się na rozwiązywaniu problemu bycia centrycznym dla danych, a nie centrycznym dla machine learning?

Jeśli spojrzysz na ogromną większość badań w dziedzinie AI, duża część pochodzi z instytucji akademickich. ML historycznie było centryczne dla modeli, ponieważ to jest tam, gdzie instytucje badawcze mogą dodać postrzeganą wartość; więcej badań poprawia modele lub tworzy nowe, co prowadzi do lepszych wyników. Bycie centrycznym dla danych, z drugiej strony, dodawanie lepszej jakości / bardziej istotnych danych do istniejącego podejścia nie jest łatwo publikowalne (kluczowy wskaźnik dla badaczy).

Jednak ogromna większość zastosowań machine learning korzysta bardziej z udoskonalonych danych niż z udoskonalonych modeli. To również dobrze wpisuje się w naszą misję, aby udemokratyzować machine learning, ogromna większość ludzi spoza środowiska ML nie wie zbyt wiele o ML, ale na pewno wie dużo o swoich danych.

Widzieliśmy, że istnieją dwa typy firm, z jednej strony firmy z danymi w bazie danych, z drugiej strony firmy, które jeszcze nie odkryły baz danych, zrozumieliśmy, że jeśli firma należy do grupy baz danych, ich dojrzałość danych już umieściła ich na właściwej ścieżce, aby móc naprawdę zastosować machine learning, podczas gdy firmy, które jeszcze nie odkryły baz danych, miały jeszcze długą drogę do przebycia, więc skupiliśmy się na dostarczaniu wartości tym, którzy mogli ją wydobyć.

Jak MindsDB podejście do modelowania i wdrożenia w zwykłym SQL?

Tworzymy reprezentacje modeli jako tabele, które można zapytać, skutecznie usuwamy pojęcie „wdrożenia” z obrazu. Gdy wpisujesz polecenie CREATE VIEW w bazie danych, ten widok jest aktywny natychmiast po zakończeniu przetwarzania polecenia, to samo dotyczy polecenia CREATE MODEL w MindsDB.

Ludzie kochają MindsDB ze względu na uproszczenie, które wprowadziliście do cyklu życia ML-Ops, dlaczego uproszczenie wdrożenia machine learning jest takie ważne?

Ludzie kochają to, ponieważ abstrahuje niepotrzebne potoki ETL, więc mniej rzeczy do utrzymania. Naszym celem jest uzyskanie przez użytkowników wartości z machine learning, nie myśląc o utrzymaniu infrastruktury ML, jeśli już utrzymują infrastrukturę danych.

Jakie są niektóre z zalet i ryzyk bycia startupem open-source w porównaniu z tradycyjnym startupem?

Projekt Open Source może zacząć się od samej idei, a ludzie pomogą Ci ją zbudować po drodze, w podejściu zamkniętym musisz zacząć od tych samych założeń, ale musisz być bardziej prawdopodobny, ponieważ nikt nie pomoże Ci udoskonalić produktu (przynajmniej nie w tym samym wymiarze, co w open source), myśl o open source jako o współpracy pomiędzy użytkownikiem a produktem.

MindsDB niedawno pozyskało 16,5 mln dolarów w ramach rundy finansowania serii A od Benchmark, dlaczego Benchmark jest idealnym inwestorem i jak ich wizja odpowiada Twojej?

Benchmark ma niezachwiany rekord w naszej branży, Chetan pomógł firmom takim jak mongodb, elastic, airbyte stać się liderami w swoich dziedzinach. Uważamy, że nie ma lepszego dopasowania dla MindsDB niż Chetan i Benchmark capital.

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