ดร. สตาฟโรส ปาปาโดปูลอส ผู้ก่อตั้งและซีอีโอของ TileDB – ซีรีส์สัมภาษณ์

TileDB เป็นฐานข้อมูลสมัยใหม่ที่รวมทุกโหมดข้อมูล รหัส และการคำนวณในผลิตภัณฑ์เดียว TileDB ถูกแยกออกจาก MIT และ Intel (INTC ) Labs ในเดือนพฤษภาคม 2017

ก่อนที่จะก่อตั้ง TileDB, Inc. ในเดือนกุมภาพันธ์ 2017 ดร. สตาฟโรส ปาปาโดปูลอส เป็นนักวิจัยอาวุโสที่ Intel Parallel Computing Lab และเป็นสมาชิกของ Intel Science and Technology Center for Big Data ที่ MIT CSAIL เป็นเวลา 3 ปี เขายังใช้เวลาประมาณ 2 ปีเป็นอาจารย์ผู้ช่วยที่ภาควิชาวิศวกรรมคอมพิวเตอร์และวิทยาศาสตร์แห่งมหาวิทยาลัยวิทยาศาสตร์และเทคโนโลยีฮ่องกง (HKUST) สตาฟโรสได้รับระดับปริญญาเอกสาขาวิทยาศาสตร์คอมพิวเตอร์ที่ HKUST ภายใต้การดูแลของ Prof. Dimitris Papadias และดำรงตำแหน่งนักวิจัยหลังปริญญาเอกที่มหาวิทยาลัยจีนแห่งฮ่องกงภายใต้การดูแลของ Prof. Yufei Tao

คุณเคยเป็นนักวิจัยอาวุโสที่ Intel Parallel Computing Lab และเป็นสมาชิกของ Intel Science and Technology Center (ISTC) สำหรับ Big Data ที่ MIT CSAIL เป็นเวลา 3 ปี คุณสามารถแบ่งปันเรื่องราวสำคัญจากช่วงเวลานี้ได้หรือไม่?

ในช่วงเวลาที่ฉันอยู่ที่ Intel Labs และ MIT ฉันมีโอกาสทำงานร่วมกับคนดังในสองสาขาวิทยาศาสตร์ที่แตกต่างกัน: การคำนวณประสิทธิภาพสูง (ที่ Intel) และฐานข้อมูล (ที่ MIT) ความรู้และความเชี่ยวชาญที่ฉันได้รับกลายเป็นกุญแจสำคัญในการสร้างวิสัยทัศน์สำหรับระบบฐานข้อมูลใหม่ ซึ่งฉันสร้างเป็นโครงการวิจัยภายใน ISTC และแยกออกมาเป็น TileDB

คุณสามารถอธิบายวิสัยทัศน์เบื้องหลัง TileDB และวิธีที่มันพยายามปฏิวัติภูมิทัศน์ฐานข้อมูลสมัยใหม่ได้หรือไม่?

ในช่วงไม่กี่ปีที่ผ่านมา มีการนำเทคโนโลยี Machine Learning และ Generative AI มาใช้กันอย่างกว้างขวางเพื่อช่วยให้องค์กรต่างๆ ตัดสินใจได้ดีขึ้น ทุกวัน องค์กรต่างๆ ค้นพบรูปแบบใหม่ๆ ในข้อมูลของตน และใช้ข้อมูลนั้นเพื่อให้ได้ข้อได้เปรียบในการแข่งขัน รูปแบบเหล่านี้เกิดขึ้นจากสเปกตรัมข้อมูลที่เพิ่มขึ้นเรื่อยๆ ซึ่งต้องถูกจัดเก็บและจัดการเพื่อให้สามารถใช้ประโยชน์ได้ จากข้อมูลแบบแท็บูลาร์แบบดั้งเดิมไปจนถึงแหล่งข้อมูลที่ซับซ้อนกว่า เช่น โพสต์ทางสังคม อีเมล ภาพ วิดีโอ และข้อมูลจากเซ็นเซอร์ การหาความหมายจากข้อมูลต้องใช้การวิเคราะห์แบบรวม ซึ่งการทำงานนี้กำลัง变得ยากขึ้นเรื่อยๆ เนื่องจากมีข้อมูลหลายประเภทที่เพิ่มขึ้นเรื่อยๆ ซึ่งต้องการฐานข้อมูลประเภทใหม่ นี่คือเหตุผลที่ TileDB ถูกสร้างขึ้น

ทำไมจึงสำคัญสำหรับองค์กรที่จะจัดลำดับความสำคัญของโครงสร้างพื้นฐานข้อมูลก่อนที่จะพัฒนาแอปพลิเคชัน Machine Learning และการวิเคราะห์ขั้นสูง?

ในระหว่างที่มีการนำ AI มาใช้ มีความจริงที่สำคัญและ经常ถูกละเลย ซึ่งก็คือความสำเร็จของโครงการ AI ใดๆ นั้นเชื่อมโยงอย่างลึกซึ้งกับคุณภาพและประสิทธิภาพของโครงสร้างพื้นฐานข้อมูลที่อยู่เบื้องหลัง

ปัญหาอยู่ที่ข้อมูลที่ซับซ้อนซึ่งไม่ได้แสดงในรูปแบบตารางถือว่าเป็น “ไม่มีโครงสร้าง” และมักจะถูกเก็บเป็นไฟล์แบบราบหรือจัดการโดยฐานข้อมูลที่ถูกออกแบบมาเพื่อจุดประสงค์เฉพาะ นักวิทยาศาสตร์ข้อมูลต้องใช้เวลาหลายชั่วโมงในการจัดการข้อมูลเพื่อรวมเข้าด้วยกัน มีการประมาณการว่า 80-90 เปอร์เซ็นต์ ของเวลาของนักวิทยาศาสตร์ข้อมูลถูกใช้ในการทำความสะอาดข้อมูลและเตรียมข้อมูลสำหรับการรวมกัน ซึ่งทำให้การฝึกโมเดล AI และการบรรลุความสามารถในการทำนายช้าลง นอกจากนี้ สิ่งนี้ยังหมายความว่านักวิทยาศาสตร์ข้อมูลใช้เวลาเพียง 10-20 เปอร์เซ็นต์ของเวลาของตนในการสร้างข้อมูลเชิงลึก

อะไรคืออุปสรรคทั่วไปที่องค์กรต่างๆ เผชิญเมื่อพวกเขาให้ความสำคัญกับแอปพลิเคชัน AI และ ML มากกว่าโครงสร้างพื้นฐานข้อมูลที่แข็งแกร่ง?

องค์กรมักจะมุ่งเน้นไปที่สิ่งใหม่ๆ ที่น่าดึงดูด เช่น Large Language Models, ฐานข้อมูลเวกเตอร์ และแอปพลิเคชัน AI ที่สร้างขึ้นบนโครงสร้างพื้นฐานข้อมูล โดยไม่สนใจโครงสร้างพื้นฐานข้อมูลที่สำคัญต่อความสำเร็จในการวิเคราะห์

คุณสามารถอธิบายได้หรือไม่ว่าอะไรคือสิ่งที่ทำให้ฐานข้อมูล “ปรับเปลี่ยนได้” และทำไมการปรับเปลี่ยนนี้จึงจำเป็นต่อการวิเคราะห์ข้อมูลสมัยใหม่?

ฐานข้อมูลที่ปรับเปลี่ยนได้คือฐานข้อมูลที่สามารถเปลี่ยนแปลงรูปแบบเพื่อรองรับข้อมูลทุกประเภท และเก็บข้อมูลเหล่านั้นไว้ด้วยกันในลักษณะที่เป็นเอกภาพ ฐานข้อมูลที่ปรับเปลี่ยนได้สามารถให้โครงสร้างแก่ข้อมูลที่ไม่มีโครงสร้าง มีการประมาณการว่า 80 เปอร์เซ็นต์หรือมากกว่าของข้อมูลทั่วโลกไม่ใช่ข้อมูลแบบตาราง หรือไม่มีโครงสร้าง และโมเดล AI/ML ส่วนใหญ่ (รวมถึง LLMs) ถูกฝึกฝนโดยใช้ข้อมูลประเภทนี้

TileDB จัดเก็บข้อมูลในรูปแบบแถวหลายมิติ วิธีนี้ช่วยให้การทำงานและค่าใช้จ่ายดีขึ้นเมื่อเทียบกับฐานข้อมูลแบบดั้งเดิมได้อย่างไร?

จุดแข็งพื้นฐานของฐานข้อมูลแถวหลายมิติคือสามารถปรับเปลี่ยนรูปแบบเพื่อรองรับข้อมูลและแอปพลิเคชันต่างๆ ได้แทบทั้งหมด แถวหนึ่ง维มิติเป็นเพียงแถวหนึ่งมิติเท่านั้น โดยการให้โครงสร้างแก่ข้อมูลที่ไม่มีโครงสร้าง คุณสามารถรวมโครงสร้างพื้นฐานข้อมูล ลดค่าใช้จ่าย กำจัดซิลโล ถึงเพิ่มประสิทธิภาพและความปลอดภัย

อะไรคือกรณีการใช้งานที่น่าสนใจที่ TileDB ช่วยให้การบริหารจัดการข้อมูลและประสิทธิภาพการวิเคราะห์ดีขึ้นอย่างมาก?

กรณีการใช้งานแรกของ TileDB คือการเก็บข้อมูลจีโนมขนาดใหญ่ ซึ่งเป็นเรื่องที่ยากและแพงในการสร้างแบบจำลองและเก็บในฐานข้อมูลแบบตารางแบบดั้งเดิม เราได้เห็นการเพิ่มขึ้นของประสิทธิภาพ (ในหลายกรณีเร็วขึ้น 100 เท่าเมื่อเทียบกับฐานข้อมูลอื่นๆ และโซลูชันที่กำหนดเอง) อย่างไรก็ตาม โมเดลแถวหลายมิติของเราสามารถจับข้อมูลอื่นๆ ได้อย่างมีประสิทธิภาพ เช่น การถ่ายภาพทางการแพทย์ การถ่ายภาพดาวเทียม การถอดรหัสทรานสคริปต์แบบเซลล์เดียว และข้อมูลคลาวด์พอยต์ เช่น LiDAR และ SONAR

TileDB มีเครื่องมือแบบโอเพ่นซอร์สสำหรับการทำงานร่วมกันอย่างไร และวิธีนี้ช่วยให้ชุมชนวิทยาศาสตร์และชุมชนข้อมูลวิทยาศาสตร์ได้ประโยชน์อย่างไร?

เรามีความเชื่อมั่นในโอเพ่นซอร์สที่ TileDB ห้องสมุดหลักและข้อกำหนดรูปแบบข้อมูลเป็นโอเพ่นซอร์ส นอกจากนี้ ผลิตภัณฑ์ไลฟ์สไซน์ของเราที่สร้างขึ้นบนห้องสมุดแถวหลักยังเป็นโอเพ่นซอร์ส ซึ่งรวมถึง TileDB-SOMA ซึ่งเป็นแพ็คเกจสำหรับการจัดการข้อมูลเซลล์เดียวที่มีประสิทธิภาพและสามารถขยายได้ ซึ่งถูกสร้างขึ้นโดยความร่วมมือกับ Chan Zuckerberg Foundation และเป็นพลังงานเบื้องหลัง CELLxGENE Discover Census ซึ่งเป็นชุดข้อมูลเซลล์เดียวที่ใหญ่ที่สุดและสมบูรณ์ที่สุดในโลก ซึ่งเป็นโอเพ่นซอร์สและถูกใช้โดยสถาบันการศึกษาและบริษัทเภสัชกรรมรายใหญ่ทั่วโลก

คุณเห็นอนาคตของการบริหารจัดการข้อมูลเป็นอย่างไร?

เมื่อข้อมูลมีความหลากหลายมากขึ้น แอปพลิเคชัน AI ก็จะฉลาดขึ้น Large Language Models กำลัง变得แข็งแกร่งขึ้น โดยใช้ข้อมูลหลายโหมด และการผสมผสาน LLM เหล่านี้กับชุดข้อมูลที่หลากหลายเปิดโอกาสใหม่ๆ ใน AI ที่เรียกว่า AI แบบหลายโหมด

ในทางปฏิบัติ AI แบบหลายโหมดหมายความว่าผู้ใช้ไม่จำกัดอยู่เพียงอินพุตและเอาต์พุตแบบเดียว และสามารถส่งคำถามให้โมเดลพร้อมกับอินพุตใดๆ เพื่อสร้างเนื้อหาที่หลากหลายได้ เราเห็น TileDB เป็นฐานข้อมูลที่เหมาะสมสำหรับการสนับสนุน AI แบบหลายโหมด โดยออกแบบมาเพื่อรองรับข้อมูลใหม่และหลากหลายที่อาจเกิดขึ้น

ขอขอบคุณสำหรับการทบทวนอย่างดี ผู้อ่านสามารถเยี่ยมชม TileDB เพื่อเรียนรู้เพิ่มเติม