Крис Николсон, основатель и генеральный директор Pathmind – Серия интервью

Крис Николсон является основателем Pathmind, стартапа в области ИИ, который применяет глубокое обучение с подкреплением к цепочкам поставок и промышленным операциям. Pathmind была основана для того, чтобы помочь бизнесу справиться с глубокими экономическими изменениями и увеличить устойчивость своих операций с помощью ИИ. Крис курирует стратегическое видение и повседневное исполнение компании, стимулируя инновации и рост технологической платформы Pathmind, а также оптимизируя производительность на складах и заводских площадках в рамках цифровой трансформации бизнеса.

Ранее Крис был генеральным директором Skymind, компании по ИИ, ориентированной на глубокое обучение. До этого он занимал должности по связям с общественностью и набору персонала в FutureAdvisor, стартапе, поддержанном Sequoia и Y Combinator, который был приобретен BlackRock (BLK ) в 2015 году за 200 миллионов долларов. Крис также провел десятилетие в качестве журналиста, освещая технологии и финансы для The New York Times, Bloomberg News и Businessweek, среди других.

Вы ранее были корреспондентом The New York Times и редактором Bloomberg News, прежде чем перейти к машинному обучению. Можете ли вы рассказать о пути, который привел вас к этому изменению в вашей карьере?

Когда я был журналистом, в 2000-х и начале 2010-х годов, индустрия страдала, поскольку реклама переходила на поисковые системы и социальные сети, а традиционные издания теряли читателей. Я освещал финансы и технологии и видел, как люди создавали много нового и интересного. В определенный момент я сказал себе, что мне нужно оказаться на правильной стороне роботов, поэтому я переехал в Сан-Франциско.

Это было в 2013 году. Тогда в SOMA еще были хакерские дома. Я переехал в один из них, на койку в комнате с пятью другими парнями, и каждое утро отправлялся на работу в стартап, который прошел через Y Combinator. Работая в Сан-Франциско, я медленно познакомился с людьми и понял, чем я интересуюсь. Тогда глубокое обучение еще только набирало обороты. Вы могли видеть потенциал, но еще было многое, что нужно было построить. Этот интерес привел меня к участию в проекте по ИИ, который в конечном итоге привел к созданию Pathmind.

Можете ли вы поделиться некоторыми подробностями о том, как Pathmind может помочь бизнесу?

Бизнесы, которые имеют физический завод для управления, такой как склад, завод или горнодобывающий участок, обычно сталкиваются с очень сложными задачами оптимизации. То есть им нужно координировать много оборудования, чтобы достичь цели. Многие из них пытаются максимизировать производительность и эффективность, а также минимизировать затраты и выбросы углекислого газа. Мы проектируем алгоритмы, которые могут использовать их реальные данные, чтобы показать новые способы управления их оборудованием. Это может применяться к планированию работ и оборудования, маршрутизации флота и управлению энергетическими затратами, среди прочего.

Какие есть преимущества открытого программного обеспечения для систем машинного обучения?

Компании по программному обеспечению – это все лодки, плавающие на море открытого кода. Инфраструктура публичных облаков работает на открытом коде. Многие инструменты, которые разработчики используют для создания веб-сайтов и приложений машинного обучения, также являются открытыми. Это оживленная экосистема. Мы являемся ранними采用ющими, работая над интересными новыми открытыми проектами, такими как Ray, который помогает запускать распределенные вычисления для рабочих нагрузок ИИ.

Вы явно оптимистично настроены относительно будущего глубокого обучения с подкреплением. По вашему мнению, какие типы бизнеса лучше всего подходят для использования этого типа машинного обучения?

Компании, с которыми мы работаем, обычно имеют данные, которые они используют для отслеживания своих операций и производительности. У них часто есть физические операции, которые они могут контролировать. Наши алгоритмы нуждаются в данных, чтобы понять среду, в которой они работают, и им нужно представить действия, которые они могут выбрать, такие как оборудование для управления, чтобы иметь влияние на результаты. По сути, бизнесы, которые имеют физические операции, которые они могут контролировать, имеют данные об этих операциях и некоторую аналитику для этих данных, находятся в хорошем положении, чтобы начать думать об оптимизации, подобной нашей.

Есть ли что-то еще, что вы хотели бы обсудить о Pathmind?

Одна вещь, которую мы делаем, которая примыкает к контролю физических операций, – это помощь бизнесу в прогнозировании временных рядов. Итак, данные, такие как цены или спрос, будут влиять на то, как компания ведет себя, и сколько она производит. Чтобы произвести правильное количество, им нужно знать, сколько спроса будет. И чтобы правильно установить свои цены, им нужно иметь представление о колебаниях цен. Наши алгоритмы способны делать эти прогнозы.

Спасибо за отличное интервью. Читателям, которые хотят узнать больше, мы рекомендуем посетить Pathmind.