Bryon Jacob, CTO och medgrundare av data.world – Intervjuserie

Bryon Jacob är CTO och medgrundare av data.world – på en mission att bygga världens mest meningsfulla, samarbetsvilliga och rika dataresurs. Innan data.world tillbringade han tio år i roller med ökande ansvar på HomeAway.com, som kulminerade i en VP of Tech / Technical fellow-roll. Bryon har också tidigare arbetat på Amazon (AMZN ) och är en långvarig mentor på Capital Factory. Han har en BS/MS i datavetenskap från Case Western University.

Vad var det som initialt drog dig till datavetenskap?

Jag har varit fast i kodning sedan jag fick tag i en Commodore 64 när jag var 10 år. Jag började med BASIC och gick snabbt vidare till assemblyspråk. För mig är datavetenskap som att lösa en serie invecklade pussel med den extra spänningen av automation. Det är detta problem-lösande aspekt som alltid har hållit mig engagerad och entusiastisk.

Kan du dela den ursprungliga historien bakom data.world?

data.world föddes ur en serie brainstormingsessioner bland vår grundarlag. Brett, vår VD, kontaktade Jon och Matt, som han hade arbetat med tidigare. De började mötas för att kasta runt idéer, och Jon förde några av dessa koncept till mig för en teknisk utvärdering. Även om dessa idéer inte lyckades, tände de diskussioner som stämde väl överens med mitt eget arbete. Genom dessa samtal kom vi på idén som till slut blev data.world. Vår gemensamma historia och ömsesidiga respekt gjorde att vi kunde bygga ett fantastiskt lag, ta in de bästa människor vi hade arbetat med tidigare, och lägga en solid grund för innovation.

Vad inspirerade data.world att utveckla AI Context Engine, och vilka specifika utmaningar löser det för företag?

Från början visste vi att en kunskapsgraf (KG) skulle vara avgörande för att främja AI-förmågor. Med den ökande populariteten av generativ AI ville våra kunder AI-lösningar som kunde interagera med deras data på ett konversationsvänligt sätt. En betydande utmaning i AI-tillämpningar idag är förklarbarhet. Om du inte kan visa ditt arbete är svaren mindre tillförlitliga. Vår KG-arkitektur grundar varje svar i bekräftade fakta, vilket ger tydliga, spårbara förklaringar. Detta förbättrar transparens och tillförlitlighet, vilket möjliggör för företag att fatta informerade beslut med tillförsikt.

Hur förbättrar kunskapsgraf-arkitekturen i AI Context Engine noggrannheten och förklarbarheten av LLM jämfört med SQL-databaser ensamma?

I vår banbrytande artikel visade vi en trefaldig förbättring av noggrannhet med hjälp av kunskapsgrafer (KG) jämfört med traditionella relationsdatabaser. KG använder semantik för att representera data som verkliga världens enheter och relationer, vilket gör dem mer exakta än SQL-databaser, som fokuserar på tabeller och kolumner. När det gäller förklarbarhet möjliggör KG att länka svar tillbaka till termdefinitioner, datakällor och mått, vilket ger en spårbar bana som förbättrar förtroende och användbarhet.

Kan du dela några exempel på hur AI Context Engine har förändrat datainteraktioner och beslutsfattande inom företag?

AI Context Engine är utformad som en API som integreras sömlöst med kundernas befintliga AI-applikationer, antingen det är anpassade GPT, co-piloter eller specialbyggda lösningar byggda med LangChain. Detta innebär att användare inte behöver byta till en ny gränssnitt – istället tar vi AI Context Engine till dem. Denna integration förbättrar användarantagande och tillfredsställelse, vilket driver bättre beslutsfattande och mer effektiva datainteraktioner genom att införa kraftfulla AI-förmågor direkt i befintliga arbetsflöden.

På vilka sätt tillhandahåller AI Context Engine transparens och spårbarhet i AI-beslutsfattande för att möta reglerings- och styrningskrav?

AI Context Engine kopplar till vår kunskapsgraf och datakatalog, som utnyttjar funktioner runt härstamning och styrning. Vår plattform spårar datahärstamning, vilket erbjuder fullständig spårbarhet av data och transformationer. AI-genererade svar är kopplade tillbaka till deras datakällor, vilket ger en tydlig bana för hur varje informationsbit härleddes. Denna transparens är avgörande för regelefterlevnad och styrningskrav, vilket säkerställer att varje AI-beslut kan granskas och verifieras.

Vilken roll ser du att kunskapsgrafer kommer att spela i den bredare landskapet av AI och datahantering under de kommande åren?

Kunskapsgrafer (KG) blir allt viktigare med den ökande populariteten av generativ AI. Genom att formalisera fakta i en grafstruktur tillhandahåller KG en starkare grund för AI, vilket förbättrar både noggrannhet och förklarbarhet. Vi ser en förändring från standard Retrieval Augmented Generation (RAG)-arkitekturer, som förlitar sig på ostrukturerad data, till Graph RAG-modeller. Dessa modeller omvandlar ostrukturerat innehåll till KG först, vilket leder till betydande förbättringar av återkallande och noggrannhet. KG är på väg att spela en avgörande roll i att driva AI-innovationer och effektivitet.

Vilka framtida förbättringar kan vi förvänta oss av AI Context Engine för att ytterligare förbättra dess förmågor och användarupplevelse?

AI Context Engine förbättras med användning, eftersom kontext flyter tillbaka in i datakatalogen, vilket gör den smartare över tid. Från ett produkt perspektiv fokuserar vi på att utveckla agenter som utför avancerade kunskapsingenjöruppgifter, som omvandlar rått innehåll till rikare ontologier och kunskapsbaser. Vi lär oss kontinuerligt av mönster som fungerar och integrerar snabbt dessa insikter, vilket ger användarna ett kraftfullt och intuitivt verktyg för att hantera och utnyttja sin data.

Hur investerar data.world i forskning och utveckling för att ligga i framkant av AI och dataintegreringsteknologier?

F&U på AI Context Engine är vårt största investeringsområde. Vi är engagerade i att ligga i framkant av vad som är möjligt inom AI och dataintegration. Vårt team, experter inom både symbolisk AI och maskinlärning, driver detta engagemang. Den robusta grund vi har byggt på data.world möjliggör för oss att röra oss snabbt och trycka på teknologiska gränser, vilket säkerställer att vi konsekvent levererar banbrytande funktioner till våra kunder.

Vad är din långsiktiga vision för framtiden av AI och dataintegration, och hur ser du att data.world bidrar till denna utveckling?

Min vision för framtiden av AI och dataintegration har alltid varit att gå utöver att bara göra det lättare för användare att fråga sin data. Istället syftar vi till att eliminera behovet för användare att fråga sin data över huvud taget. Vår vision har konsekvent varit att sömlöst integrera en organisations data med dess kunskap – som omfattar metadata om datasystem och logiska modeller av verkliga enheter.

Genom att uppnå denna integration i en maskinläsbar kunskapsgraf kan AI-system verkligen infria löftet om naturligt språkinteraktion med data. Med den snabba utvecklingen av generativ AI under de senaste två åren och våra ansträngningar att integrera den med företagskunskapsgrafer, blir denna framtid till verklighet idag. På data.world ligger vi i framkant av denna utveckling, som driver transformationen som tillåter AI att leverera utan motstycke värde genom intuitiva och intelligenta datainteraktioner.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka data.world.