Nir Bar-Lev, CEO & Co-Founder of Allegro AI – Интервью Серия

Nir Bar-Lev является CEO & Co-Founder của Allegro AI. Allegro AI специализируется на помощи компаниям в разработке, развертывании и управлении машинными и глубокими обучающими решениями. С помощью Allegro AI организации выводят на рынок и управляют более качественными продуктами, быстрее и более экономически эффективно. Продукты основаны на открытом исходном коде ML & DL экспериментальном менеджере Allegro Trains и пакете ML-Ops.

Что изначально привлекло вас к ИИ?

То, что меня больше всего привлекало в моей карьере, было связано с применением передовых технологических инноваций для решения проблем или возможностей (и фактически они являются двумя сторонами одной и той же медали) на огромном масштабе. Я должен признать, что мое время в Google определенно помогло сформировать это стремление.

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

У вас была впечатляющая карьера, начавшаяся в Google в качестве основного руководителя продукта для платформы распознавания голоса Google. Можете ли вы обсудить эти ранние дни работы в Google и то, 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 преподают 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.

Оказывается, Google изменил – в некоторой степени – бизнес-плейбук, но также наслаждался огромным виртуальным пожарным шлангом денег от своего рекламного бизнеса, что позволяло ему экспериментировать способами, которые большинство компаний не могли себе позволить. Я могу подтвердить, что, проведя десятилетие в Google, оно все больше принимало “основные” устоявшиеся бизнес-практики и мыслительные процессы, когда росло.

Для меня, ведя платформу распознавания голоса в качестве руководителя продукта, мне пришлось работать с исследовательскими учеными. Это было фактически одной из первых, если не первой, исследовательской команды в Google, которая была действительно ориентирована на прикладные исследования. Для меня это была большая задача. Исследователи имеют очень разные мышления, чем инженеры, и вот я пытался работать с известными исследователями в компании, которая чрезвычайно ориентирована на инженерию.

Оказывается, что проблемы, с которыми я столкнулся тогда, почти 15 лет назад, очень похожи на проблемы, с которыми сталкиваются компании сегодня, когда они 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 талантливыми инженерами. Один из моих партнеров был первым аспирантом в одной из первых и目前 ведущих ИИ-лабораторий в Израиле, который, безусловно, является одним из ведущих ИИ-хабов 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 будет иметь дело с новым набором проблем вокруг масштаба, автоматизации, надежности, качества и многого другого. В разговоре с ними стало ясно, что я могу внести свой вклад в команду из своего опыта в Google и раньше, 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 самого высокого качества для этих проблем. Но几乎 все остальные не могут себе этого позволить (будь то в отношении доступа к талантам, финансовых ресурсов, фокуса компании и т. д.). Итак, это была возможность, идеально соответствующая тому, 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. Можете ли вы обсудить преимущества использования открытого исходного кода?

Открытый исходный код имеет несколько преимуществ. Самое главное – он использует более широкое сообщество для улучшения продукта самого по себе. Пользователи находят ошибки, проблемы, есть широкий дискурс о функциях, которые представляют интерес; интеграция с другими [открытыми исходными кодами] инструментами намного легче облегчить, чем это было бы между двумя коммерческими организациями с закрытым исходным кодом и проприетарными инструментами; и т. д.

Он обеспечивает отличную модель для победы как для сообщества, так и для компании, стоящей за ним. Он легко поддается попыткам и тестированию, а также расширению для организаций, которые не могут / 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) куска программного обеспечения.

Allegro AI предлагает услуги управления данными. Можете ли вы обсудить тип инструментов, которые предлагаются для этого?

Allegro Ai предлагает как управление структурированными данными, так и неструктурированными данными. Однако, хотя 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 крайне важно, чтобы команда ученых-исследователей понимала, какие данные у них есть в своем 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 должны знать дисперсию своих данных, чтобы выровнять их с разными ситуациями, чтобы они могли эффективно обучать свои модели. Им нужно понять, есть ли критические кусочки данных, которые отсутствуют; есть ли предвзятости или отклонения в данных.

И затем – с другой стороны – им нужно иметь инструменты для решения этих ситуаций экономически эффективно и быстро, не выходя за пределы и не разыскивая новые физические данные и не аннотируя / помечая их (очень дорогое и трудоемкое мероприятие).

Это, по сути, тип инструментов, которые мы предоставляем в этой области: мощные инструменты для выполнения “ИИ БИ (бизнес-интеллект)” над вашими данными на беспрецедентном уровне детализации и на другой стороне инструментов для тесной интеграции данных в эксперименты и модели, чтобы ученые-исследователи могли с нулевым кодом настроить эффективные обучающие запуски с имеющимися данными.

Кроме того, мы предоставляем дополнительную добавленную стоимость в оптимизации потока данных, перемещении данных и т. д. Поскольку мы говорим о обработке терабайт данных. Перемещение их вокруг является дорогим, и компании нуждаются в решении для оптимизации этого.

Allegro AI также предлагает аутсорсинг услуг инженерии данных. Какие из них доступны?

Allegro Ai является в первую очередь продуктовой компанией, и мы видим себя как предоставляющих инструменты, инфраструктуру или опоры для компаний, чтобы разработать, развернуть и управлять продуктами с интегрированными в них моделями ИИ (ГЛ / МО).

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

Можете ли вы обсудить важность Федеративного обучения и как Allegro AI может быть использован в этом контексте?

Федеративное обучение – это, по сути, способность обучать одну и ту же модель ИИ, используя 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, регуляторные или ИП / конфиденциальность являются важными для сохранения, а в то же время существует 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 государственных агентства, которые хотят сотрудничать в данных по внутренней безопасности для построения некоторых анти-террористических моделей, 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 обучить 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 испытали рост, который более чем удвоил нашу клиентскую базу всего за 3-месячный период.

Спасибо за интервью, читатели, которые хотят узнать больше, должны посетить Allegro AI.