Chris Nicholson, Fondator și CEO al Pathmind – Seria de Interviuri

Chris Nicholson este fondatorul Pathmind, o companie de inteligență artificială care aplică învățarea profundă prin întărire la lanțuri de aprovizionare și operațiuni industriale. Pathmind a fost fondată pentru a ajuta întreprinderile să gestioneze schimbări economice profunde și să crească reziliența operațiunilor lor cu ajutorul inteligenței artificiale. Chris supraveghează viziunea strategică a companiei și execuția zilnică, conducând inovația și creșterea platformei tehnologice a Pathmind, și optimizând performanța în depozite și pe pardoselile fabricilor, ca parte a transformării digitale a afacerilor.

Înainte, Chris a fost CEO al Skymind, o companie de inteligență artificială axată pe învățarea profundă. Înainte de aceasta, el a ocupat funcții de comunicare și recrutare pentru FutureAdvisor, un startup sprijinit de Sequoia și Y Combinator, care a fost achiziționat de BlackRock (BLK ) în 2015 pentru 200 de milioane de dolari. Chris a petrecut, de asemenea, un deceniu ca jurnalist, raportând despre tehnologie și finanțe pentru The New York Times, Bloomberg News și Businessweek, printre alții.

Ați fost anterior corespondent pentru The New York Times și editor pentru Bloomberg News, înainte de a vă orienta spre învățarea automată. Puteți discuta despre călătoria din spatele acestei reorientări a carierei dvs.?

Când eram jurnalist, în anii 2000 și la începutul anilor 2010, industria suferă din cauza faptului că reclamele se mutau către motoarele de căutare și rețelele sociale, iar publicațiile tradiționale pierdeau cititori. Eu acopeream finanțele și tehnologia și vedeam oameni construind multe lucruri noi și interesante. La un moment dat, mi-am spus că trebuie să mă pun pe partea corectă a roboților, așa că m-am mutat la San Francisco.

A fost 2013. Încă existau case de hackeri în SOMA pe atunci. M-am mutat într-una dintre ele, pe un pat într-o cameră cu alți cinci bărbați, și am mers la muncă în fiecare dimineață la o companie care trecuse prin Y Combinator. Lucrând la San Francisco, am început încet să cunosc oameni și să aflu ce mă interesa. Pe atunci, învățarea profundă abia începea să se dezvolte. Puteai vedea potențialul, dar mai era mult de construit. Această curiozitate m-a determinat să mă implic într-un proiect de inteligență artificială care a condus, în cele din urmă, la Pathmind.

Puteți împărtăși detalii despre modul în care Pathmind poate ajuta întreprinderile?

Întreprinderile care au o fabrică fizică de gestionat, cum ar fi un depozit, o fabrică sau un sit de minerit, se confruntă de obicei cu sarcini de optimizare foarte complexe. Adică, ele trebuie să coordoneze multe echipamente pentru a atinge un obiectiv. Multe dintre ele încearcă să maximizeze debitul și eficiența și să minimizeze costurile și emisiile de carbon. Proiectăm algoritmi care pot utiliza datele lor reale pentru a arăta modalități noi pentru ca acestea să-și facă echipamentele să se comporte. Acest lucru se poate aplica la programarea locurilor de muncă și a mașinilor, la rutarea flotelor și la gestionarea costurilor cu energia, printre altele.

Care sunt beneficiile software-ului open source pentru sistemele de învățare automată?

Companiile de software sunt toate bărci care plutesc pe un ocean de cod open-source. Infrastructura cloud-urilor publice rulează pe open-source. Multe dintre uneltele pe care dezvoltatorii le folosesc pentru a construi site-uri web și aplicații de învățare automată sunt, de asemenea, open-source. Este un ecosistem vibrant. Suntem adoptatori timpurii care lucrează pentru proiecte open-source interesante, cum ar fi Ray, care ajută la pornirea calculului distribuit pentru sarcinile de inteligență artificială.

Sunteți clar entuziasmat de viitorul învățării profunde prin întărire. În opinia dvs., ce tipuri de afaceri sunt mai bine poziționate pentru a profita de acest tip de învățare automată?

Companiile cu care lucrăm de obicei au date pe care le folosesc pentru a urmări operațiunile și performanța lor. Ele tind să aibă operațiuni fizice pe care le pot controla. Algoritmii noștri au nevoie de date pentru a înțelege mediul în care operează și au nevoie să li se prezinte acțiuni de ales, cum ar fi echipamentele de controlat, astfel încât să poată avea un efect asupra rezultatelor. În esență, afacerile care au operațiuni fizice de controlat, au date despre aceste operațiuni și au câteva analize în loc pentru aceste date, sunt într-o poziție bună pentru a începe să se gândească la optimizarea noastră.

Există altceva pe care ați dori să-l discutați despre Pathmind?

Una dintre lucrurile pe care le facem și care este adjacentă controlului operațiunilor fizice este să ajutăm afacerile să prevadă serii de timp. Așa cum ar fi date precum prețurile sau cererea, care vor influența modul în care o companie se comportă și cât produce. Pentru a produce cantitatea potrivită, ele trebuie să știe câtă cerere va exista. Și, pentru a putea stabili corect prețurile, trebuie să aibă o citire a fluctuațiilor de preț. Algoritmii noștri pot face aceste previziuni.

Mulțumim pentru acest interviu minunat. Citiitorii care doresc să afle mai multe despre Pathmind ar trebui să viziteze site-ul Pathmind.