Нир Бар-Лев, генеральный директор и сооснователь Allegro AI – Интервью

Нир Бар-Лев является генеральным директором и сооснователем Allegro AI. Allegro AI специализируется на помощи компаниям в разработке, развертывании и управлении машинным и глубоким обучением. С Allegro AI организации выводят на рынок и управляют более качественными продуктами, быстрее и более экономически эффективно. Продукты основаны на открытом исходном коде Allegro Trains ML и DL экспериментального менеджера и пакета ML-Ops.

Что изначально привлекло вас к ИИ?

На протяжении всей моей карьеры меня привлекала возможность внедрять инновационные технологии для решения проблем или использования возможностей (которые, по сути, являются двумя сторонами одной медали) в огромном масштабе. Я должен признать, что мое время в Google (GOOGL ) определенно сформировало это стремление.

ИИ, безусловно, соответствует обоим этим критериям. Это находится на переднем крае некоторых технологических границ сегодня и имеет потенциал повлиять практически на каждый аспект нашей жизни на этой планете.

У вас была впечатляющая карьера, начавшаяся в Google в качестве основного продуктивного лидера платформы распознавания голоса Google. Не могли бы вы рассказать о ранних днях работы в Google и о том, что вы узнали из этого опыта?

Выходя прямо из бизнес-школы Уортона, я был поражен тем, как Google функционировал в крайнем противоречии с устоявшимися бизнес-нормами о том, как управлять успешными бизнесами, как преподавали в лучших бизнес-школах мира, и как я испытал в своей карьере до бизнес-школы. Я ярко помню обсуждение этого с несколькими моими коллегами, которые также присоединились к Google в то же время прямо из MBA.

Оказалось, что Google изменился – до некоторой степени – бизнес-плейбук, но также наслаждался огромным виртуальным пожаром денег от своего рекламного бизнеса, который позволял ему экспериментировать способами, которые большинство компаний не могли себе позволить. Я могу подтвердить, что, проведя decade в Google, оно все больше принимало “мейнстримные” устоявшиеся бизнес-практики и мыслительные процессы, когда росло.

Для меня также, как лидера платформы распознавания голоса в качестве основного менеджера продукта, мне пришлось работать с исследовательскими учеными. Это было фактически одной из первых, если не первой, исследовательской команды в Google, которая действительно занималась прикладными исследованиями. Для меня это была большая задача. Исследователи имеют очень разные мышления, чем инженеры, и здесь я пытался работать с известными исследователями в компании, которая чрезвычайно ориентирована на инженерию.

Оказалось, что проблемы, с которыми я столкнулся тогда, почти 15 лет назад, очень похожи на проблемы, с которыми компании сталкиваются сегодня, когда пытаются ассимилировать ученых-исследователей ИИ в свои организации.

В 2016 году вы стали сооснователем Allegro AI? Что было вашим вдохновением для запуска Allegro AI?

При основании Allegro AI я объединился с двумя удивительными партнерами, которые являются исключительными инженерными талантами. Один из моих партнеров был первым аспирантом в одной из первых и ведущих лабораторий ИИ в Израиле, который, безусловно, является одним из ведущих хабов ИИ в мире. Итак, он действительно – для меня – был частью основной команды прикладного ИИ в местном сообществе. У него была видение того, как применение МО / ГЛ на практике столкнется с новым набором проблем вокруг масштаба, автоматизации, надежности, качества и т. д. В разговоре с ними стало ясно, что я могу внести свой вклад в команду из своего опыта в Google и ранее, чтобы действительно иметь шанс создать компанию, которая может иметь огромное влияние на ИИ через инструменты, которые мы предоставляем. Google и некоторые другие технологические гиганты находятся в завидном положении в отношении их способности привлечь бесконечные ресурсы лучшего качества для этих проблем. Но практически все остальные не могут себе этого позволить (будь то в отношении доступа к талантам, финансовым ресурсам, фокусу компании и т. д.). Итак, это была возможность идеально совпадать с тем, что я люблю делать больше всего (см. Q1), и помочь всей экосистеме.

Allegro AI служит открытым исходным кодом платформы управления машинным обучением и глубоким обучением. Не могли бы вы обсудить преимущества использования открытого исходного кода?

Открытый исходный код имеет несколько преимуществ. Самое главное – он использует более широкое сообщество для улучшения продукта. Пользователи находят ошибки, проблемы, есть широкий дискурс о функциях, которые представляют интерес; интеграция в другие инструменты с открытым исходным кодом намного легче облегчить, чем это было бы между двумя коммерческими организациями с закрытым исходным кодом; и т. д.

Это обеспечивает отличную модель для выигрыша как для сообщества, так и для компании, стоящей за ним. Это легко позволяет пробовать, тестировать и даже расширять для организаций, которые не будут платить, и в то же время позволяет более крупным потенциальным клиентам платить за расширенные функции / услуги на основе широко используемого (и, следовательно, менее рискованного) программного обеспечения.

Allegro AI предлагает услуги по управлению данными. Не могли бы вы обсудить тип инструментов, которые предлагаются для этого?

Allegro Ai предлагает как управление структурированными данными, так и неструктурированными данными. Однако, в то время как существует множество проверенных решений для управления структурированными данными, мы предоставляем уникальное решение для неструктурированных данных.

В частности, важно квалифицировать тип управления данными, который мы предоставляем. Идея заключается не в физическом управлении данными, а rather в управлении данными с точки зрения ИИ. Для ИИ важно, чтобы команда ученых-исследователей понимала, какие данные у них есть в распоряжении. С неструктурированными данными это довольно сложно. Представьте себе тысячи или сотни тысяч часов видео или аудио. Представьте себе миллиарды сигналов датчиков и т. д.

Ученые-исследователи нуждаются в понимании дисперсии своих данных, чтобы выровнять их с разными ситуациями, чтобы они могли эффективно обучать свои модели. Им нужно понять, есть ли критические части данных, которые отсутствуют; есть ли предвзятости или наклоны в данных.

И затем – на другой стороне – им нужны инструменты, чтобы решить эти ситуации экономически эффективно и быстро, не выходя и не ища новые физические данные и не аннотируя / помечая их (что является очень дорогим и трудоемким мероприятием).

Это, по сути, тот тип инструментария, который мы предоставляем в этой области: мощные инструменты для выполнения “БИ (бизнес-интеллекта)” ваших данных на беспрецедентном уровне детализации и на другой стороне инструменты для тесной интеграции данных в эксперименты и модели, чтобы ученые-исследователи могли с нулевой кодировкой настроить эффективные обучающие запуски с данными в наличии.

Помимо этого мы предоставляем дополнительную ценность в оптимизации потока данных, перемещении данных и т. д. Поскольку мы говорим о обработке терабайт данных. Перемещение их является дорогим, и компаниям нужен решение, чтобы оптимизировать это.

Allegro AI также предлагает аутсорсинг услуг по инженерии данных. Какие услуги доступны?

Allegro Ai в первую очередь является продуктовой компанией, и мы видим себя как предоставляющую инструменты, инфраструктуру или каркас для компаний, чтобы разрабатывать, развертывать и управлять продуктами с интегрированными моделями ИИ (ГЛ / МО).

Тем не менее, эта область новая, и наши клиенты иногда нуждаются в помощи при настройке своих конкретных конвейеров, построенных на основе наших инструментов, или даже помощи в запуске своих моделей. Когда такие ситуации возникают, мы предоставляем вспомогательные услуги нашему основному программному обеспечению.

Не могли бы вы обсудить важность Федеративного обучения и то, как Allegro AI может быть использовано в этом контексте?

Федеративное обучение – это, по сути, способность обучать одну модель ИИ, используя (обученную на) наборы данных, расположенные в разных физических местах, не перемещая эти наборы данных в одно место. Мы также предоставляем улучшенную версию этого, которую мы называем “слепым федеративным обучением” или “слепым совместным обучением”, где ни одна сущность в этом сценарии не имеет доступа к данным, которые не принадлежат ей, включая сущность, которая получает окончательную модель.

Федеративное обучение важно в различных ситуациях, когда конфиденциальность данных, нормативные или ИП / конфиденциальность имеют решающее значение для сохранения, а в то же время есть интерес к использованию разных наборов данных. Например, две или более больницы или медицинские учреждения, которые хотят сотрудничать в обучении модели для компьютерных томографий; или два правительственных агентства, которые хотят сотрудничать в данных о внутренней безопасности, чтобы построить некоторую модель против терроризма, но по юридическим причинам не могут раскрыть данные даже друг другу.

Или даже ситуации, когда одна сущность не может переместить свои различные хранилища данных, потому что это чрезвычайно дорого – например, глобальный автопроизводитель, который хочет обучать автономные транспортные средства, используя данные, собранные из автомобилей, ездящих по всему миру.

Allegro AI является одной из менее чем горстки компаний во всем мире, которая имеет проверенную и протестированную коммерческую платформу, которая облегчает федеративное обучение.

Есть ли что-то еще, что вы хотели бы поделиться об Allegro AI?

Allegro AI – это растущая сила в мире инструментов ИИ и ML-Ops. Только в прошлом квартале, во время первой волны кризиса COVID-19, мы пережили рост, который более чем удвоил нашу клиентскую базу всего за 3-месячный период.

Спасибо за интервью, читателям, которые хотят узнать больше, следует посетить Allegro AI.