ไบรอน จาค็อบ CTO และผู้ร่วมก่อตั้ง data.world – ซีรีส์สัมภาษณ์

ไบรอน จาค็อบ เป็น CTO และผู้ร่วมก่อตั้ง data.world มีภารกิจในการสร้างทรัพยากรข้อมูลที่มีความหมาย มีการทำงานร่วมกัน และมีมากที่สุดในโลก ก่อนที่จะเข้าร่วม data.world เขาใช้เวลา 10 ปีในตำแหน่งที่มีความรับผิดชอบมากขึ้นเรื่อยๆ ที่ HomeAway.com โดยมีตำแหน่งสูงสุดเป็น VP of Tech / Technical fellow ไบรอนยัง曾ทำงานที่ Amazon (AMZN ) และเป็นเพื่อนร่วมงานที่ Capital Factory มาเป็นเวลานาน เขาได้รับปริญญาตรีและโทสาขาวิทยาการคอมพิวเตอร์จาก Case Western University

สิ่งใดที่ดึงดูดคุณให้เข้าสู่สาขาวิทยาการคอมพิวเตอร์?

ฉันถูกดึงดูดให้เข้าสู่การเขียนโค้ดตั้งแต่ฉันได้รับ Commodore 64 เมื่ออายุ 10 ขวบ ฉันเริ่มต้นด้วยภาษา BASIC และเร็วๆ นี้ก็เปลี่ยนไปใช้ภาษาแอสเซมบลี สำหรับฉัน วิทยาการคอมพิวเตอร์เป็นการแก้ปัญหาเชิงตรรกะที่มีการเพิ่มความตื่นเต้นจากการทำงานอัตโนมัติ มันเป็นด้านการแก้ปัญหาเชิงตรรกะที่ทำให้ฉันรู้สึกตื่นเต้นและกระตือรือร้นเสมอ

คุณสามารถเล่าเรื่องราวเบื้องหลังการก่อตั้ง data.world ได้หรือไม่?

data.world เกิดขึ้นจากชุดการประชุมระดมความคิดระหว่างทีมผู้ก่อตั้งของเรา Brett ซีอีโอของเรา ติดต่อ Jon และ Matt ซึ่งทั้งสองคนเคยทำงานร่วมกันก่อนหน้านี้ พวกเขาเริ่มประชุมเพื่อโยนความคิดและจินตนาการ Jon นำบางความคิดเหล่านั้นมาให้ฉันประเมินจากมุมมองทางเทคนิค แม้ว่าความคิดเหล่านั้นจะไม่ประสบความสำเร็จ แต่ก็กระตุ้นให้เกิดการอภิปรายที่สอดคล้องกับการทำงานของฉันเอง ผ่านการอภิปรายเหล่านี้ เราได้แนวคิดที่กลายเป็น data.world ในที่สุด ความสัมพันธ์ที่ดีและความเคารพซึ่งกันและกันทำให้เราสามารถสร้างทีมที่ดีได้อย่างรวดเร็ว โดยการนำผู้คนดีที่สุดที่เราทำงานร่วมกันในอดีตมาเข้าร่วม และวางรากฐานที่มั่นคงสำหรับการนวัตกรรม

สิ่งใดที่กระตุ้นให้ data.world พัฒนา AI Context Engine และมันแก้ไขปัญหาเฉพาะ nàoสำหรับธุรกิจ?

ตั้งแต่เริ่มต้น เรารู้ว่า Knowledge Graph (KG) จะมีความสำคัญต่อการปรับปรุงความสามารถของ AI ด้วยการเพิ่มขึ้นของ AI ที่สร้างข้อมูลใหม่ๆ ลูกค้าของเราต้องการโซลูชัน AI ที่สามารถโต้ตอบกับข้อมูลของตนได้อย่างเป็นธรรมชาติ ปัญหาใหญ่หนึ่งในแอปพลิเคชัน AI วันนี้คือการอธิบายผลลัพธ์ หากคุณไม่สามารถแสดงกระบวนการคิดของคุณ ผลลัพธ์จะน่าเชื่อถือน้อยลง สถาปัตยกรรม KG ของเราทำให้ทุกคำตอบมีพื้นฐานมาจากข้อเท็จจริงที่ตรวจสอบได้ โดยให้คำอธิบายที่ชัดเจนและติดตามได้ ซึ่งเพิ่มความโปร่งใสและความน่าเชื่อถือ ทำให้ธุรกิจตัดสินใจได้อย่างมั่นใจ

สถาปัตยกรรม Knowledge Graph ของ AI Context Engine ปรับปรุงความแม่นยำและความสามารถในการอธิบายของ LLMs อย่างไรเมื่อเทียบกับฐานข้อมูล SQL เพียงอย่างเดียว?

ใน งานวิจัยที่เป็น 里程碑 ของเรา เราแสดงให้เห็นว่าความแม่นยำดีขึ้นสามเท่าโดยใช้ Knowledge Graphs (KGs) เมื่อเทียบกับฐานข้อมูลเชิงสัมพันธ์แบบดั้งเดิม KGs ใช้ความหมายเพื่อแสดงข้อมูลเป็นเอนทิตีและความสัมพันธ์ในโลกแห่งความเป็นจริง ทำให้แม่นยำมากกว่าฐานข้อมูล SQL ซึ่งมุ่งเน้นไปที่ตารางและคอลัมน์ สำหรับการอธิบาย KGs ช่วยให้เราสามารถเชื่อมโยงคำตอบกลับไปสู่คำจำกัดความของเทอม แหล่งข้อมูล และเมตริก ทำให้มีเส้นทางที่ตรวจสอบได้ซึ่งเพิ่มความน่าเชื่อถือและความสามารถในการใช้งาน

คุณสามารถแบ่งปัน примерของวิธีที่ AI Context Engine ได้เปลี่ยนแปลงการโต้ตอบกับข้อมูลและการตัดสินใจภายในองค์กรได้หรือไม่?

AI Context Engine ได้รับการออกแบบให้เป็น API ที่รวมเข้ากับแอปพลิเคชัน AI ที่มีอยู่ของลูกค้าได้อย่างไร้ข้อจำกัด ไม่ว่าจะเป็น GPTs ที่สร้างเอง โค-ไพล็อต หรือโซลูชันที่สร้างขึ้นโดยใช้ LangChain ซึ่งหมายความว่าผู้ใช้ไม่จำเป็นต้องเปลี่ยนไปใช้อินเทอร์เฟซใหม่ แต่เรานำ AI Context Engine มาให้พวกเขาแทน การรวมนี้เพิ่มการยอมรับและการใช้งานของผู้ใช้ ทำให้การตัดสินใจและการโต้ตอบกับข้อมูลมีประสิทธิภาพมากขึ้นโดยการฝังความสามารถ AI ที่ทรงพลังไว้ตรงใจกลางของกระบวนการทำงานที่มีอยู่

AI Context Engine ให้ความโปร่งใสและติดตามได้ในการตัดสินใจโดย AI เพื่อตรงตามข้อกำหนดด้านกฎระเบียบและการกำกับดูแลได้อย่างไร?

AI Context Engine เชื่อมต่อกับ Knowledge Graph และแค็ตตาล็อกข้อมูลของเรา โดยใช้ความสามารถรอบๆ ไลน์เชจและกำกับดูแล แพลตฟอร์มของเราติดตาม ไลน์เชจของข้อมูล โดยให้ความสามารถในการติดตามที่สมบูรณ์ของข้อมูลและการแปลงข้อมูล คำตอบที่สร้างโดย AI ถูกเชื่อมโยงกลับไปสู่แหล่งข้อมูล โดยให้เส้นทางที่ชัดเจนของวิธีการที่ข้อมูลแต่ละชิ้นถูกสร้างขึ้น ความโปร่งใสนี้มีความสำคัญต่อการปฏิบัติตามข้อกำหนดด้านกฎระเบียบและการกำกับดูแล เพื่อให้แน่ใจว่าทุกการตัดสินใจโดย AI สามารถตรวจสอบและยืนยันได้

คุณมองเห็น Knowledge Graph มีบทบาทอย่างไรในภูมิทัศน์ที่กว้างขึ้นของ AI และการจัดการข้อมูลในอนาคต?

Knowledge Graphs (KGs) มีความสำคัญมากขึ้นเรื่อยๆ ด้วยการเพิ่มขึ้นของ AI ที่สร้างข้อมูลใหม่ๆ โดยการกำหนดข้อเท็จจริงเป็นโครงสร้างกราฟ KGs ให้พื้นฐานที่แข็งแกร่งสำหรับ AI โดยปรับปรุงความแม่นยำและความสามารถในการอธิบาย เราเห็นการเปลี่ยนแปลงจากสถาปัตยกรรม Retrieval Augmented Generation (RAG) ที่ใช้ข้อมูลไม่มีโครงสร้างไปสู่โมเดล Graph RAG ซึ่งแปลงข้อมูลไม่มีโครงสร้างเป็น KGs ก่อน ทำให้มีการปรับปรุงความแม่นยำและความสามารถในการเรียกค้นข้อมูลอย่างมีนัยสำคัญ KGs จะมีบทบาทสำคัญในการขับเคลื่อนนวัตกรรม AI และประสิทธิภาพ

คุณคาดหวังการปรับปรุงในอนาคตสำหรับ AI Context Engine เพื่อเพิ่มความสามารถและประสบการณ์ของผู้ใช้อย่างไร?

AI Context Engine ดีขึ้นเมื่อมีการใช้งาน เนื่องจากบริบทถูกส่งกลับเข้าไปในแค็ตตาล็อกข้อมูล ทำให้มันฉลาดขึ้นตามเวลา จากมุมมองของผลิตภัณฑ์ เรากำลังพัฒนาเอเย่นต์ที่สามารถทำหน้าที่วิศวกรรมความรู้ขั้นสูงได้ โดยเปลี่ยนเนื้อหาที่ไม่มีการจัดระเบียบให้เป็นอนโตโลยีและฐานความรู้ที่มีความเข้มข้นมากขึ้น เราเรียนรู้อย่างต่อเนื่องจากรูปแบบที่ได้ผลและรวมข้อค้นพบเหล่านั้นเข้ากับผลิตภัณฑ์อย่างรวดเร็ว ทำให้ผู้ใช้ได้รับเครื่องมือที่ทรงพลังและ直观สำหรับการจัดการและใช้ประโยชน์จากข้อมูลของตน

data.world ลงทุนในการวิจัยและพัฒนาเพื่ออยู่ในระดับแนวหน้าของ AI และเทคโนโลยีการบูรณาการข้อมูลอย่างไร?

การวิจัยและพัฒนา AI Context Engine เป็นพื้นที่การลงทุนที่ใหญ่ที่สุดของเรา เรามุ่งมั่นที่จะอยู่ในระดับแนวหน้าของสิ่งที่เป็นไปได้ใน AI และการบูรณาการข้อมูล ทีมของเราซึ่งเป็นผู้เชี่ยวชาญทั้งในด้าน AI สัญลักษณ์และการเรียนรู้ของเครื่องจักร ขับเคลื่อนความมุ่งมั่นนี้ รากฐานที่แข็งแกร่งที่เราก่อตั้งขึ้นที่ data.world ทำให้เราสามารถเคลื่อนไหวอย่างรวดเร็วและผลักดันขอบเขตทางเทคโนโลยี เพื่อให้แน่ใจว่าเราส่งมอบความสามารถที่ทันสมัยให้กับลูกค้าอย่างต่อเนื่อง

คุณมีภาพอนาคตสำหรับ AI และการบูรณาการข้อมูลอย่างไร และคุณเห็นว่า data.world จะมีส่วนร่วมในกระบวนการวิวัฒนาการนี้อย่างไร?

ภาพอนาคตของฉันสำหรับ AI และการบูรณาการข้อมูลมักจะอยู่เหนือการทำให้ผู้ใช้สามารถสืบค้นข้อมูลของตนได้ง่ายขึ้น แต่เราตั้งเป้าที่จะกำจัดความจำเป็นในการสืบค้นข้อมูลของตนเองทั้งหมด แนวคิดของเราคือการบูรณาการข้อมูลขององค์กรเข้ากับความรู้ของตน ซึ่งรวมถึงข้อมูลเกี่ยวกับระบบข้อมูลและแบบจำลองเชิงตรรกะของเอนทิตีในโลกแห่งความเป็นจริง

ด้วยการบรรลุการบูรณาการนี้ในกราฟความรู้ที่เครื่องจักรสามารถอ่านได้ ระบบ AI จะสามารถสื่อสารกับข้อมูลได้อย่างแท้จริงผ่านภาษาธรรมชาติ ด้วยความก้าวหน้าอย่างรวดเร็วของ AI ที่สร้างข้อมูลใหม่ๆ ในช่วงสองปีที่ผ่านมา และความพยายามของเราในการรวมมันเข้ากับกราฟความรู้ขององค์กร อนาคตนี้กำลังเป็นจริงแล้ววันนี้ ที่ data.world เราเป็นผู้นำในกระบวนการวิวัฒนาการนี้ โดยขับเคลื่อนการเปลี่ยนแปลงที่ทำให้ AI สามารถส่งมอบคุณค่าที่ไม่เคยเกิดขึ้นมาก่อนผ่านการโต้ตอบกับข้อมูลที่直观และฉลาด

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม data.world เพื่อเรียนรู้เพิ่มเติม