เอ็ดเวิร์ด คุย, ผู้ก่อตั้งและซีอีโอของ Graviti – สัมภาษณ์ซีรีส์

เอ็ดเวิร์ด คุย เป็นผู้ก่อตั้งและซีอีโอของ Graviti ซึ่งเป็นบริษัทที่สร้างแพลตฟอร์มข้อมูลรุ่นต่อไปที่จะเปลี่ยนแปลงวิธีการที่นักพัฒนาสื่อสารกับข้อมูลที่ไม่มีโครงสร้าง โดยใช้ Graviti นักพัฒนาอินเทลลิเจนต์สามารถเข้าถึง ข้อมูลที่รวดเร็วและง่ายขึ้น – ซึ่งเป็นพื้นฐานที่จำเป็นในการใช้ความฉลาดทางอาร์ติฟิเชียลเพื่อเพิ่มขีดความสามารถให้กับอุตสาหกรรมทั้งหมด

คุณเริ่มเรียนปริญญาตรีเป็นวิศวกรเครื่องจักร แต่สิ่งใดทำให้คุณเปลี่ยนไปสู่วิชาวิทยาการคอมพิวเตอร์และปัญญาประดิษฐ์?

จริงๆ แล้วฉันเรียนวิศวกรรมเครื่องจักรเป็นวิชาเอกในปี 2012 ฉันเข้าเรียนวิชาเรียนรู้ของเครื่องจักรที่มหาวิทยาลัยเพนซิลเวเนีย ซึ่งเป็นเรื่องที่น่าประทับใจ และฉันรู้ว่ามันเป็นอนาคตและเป็นสิ่งที่ฉันต้องการทำในอาชีพการงานของฉัน หลังจากเรียนวิชานั้น ฉันเปลี่ยนไปเรียนวิชาวิทยาการคอมพิวเตอร์

หลังจากสำเร็จการศึกษา ฉันทำการวิจัยเกี่ยวกับการเรียนรู้แบบเสริมแรงที่มหาวิทยาลัยเพนซิลเวเนีย ในปี 2015 ผู้บังคับบัญชาเก่าของฉัน เจฟฟ์ สไนเดอร์ เข้าร่วม Uber และเชิญฉันเข้าร่วม Uber ATG ซึ่งเป็นจุดเริ่มต้นของอาชีพการงานของฉันในอุตสาหกรรมรถยนต์ไร้คนขับ

คุณสามารถแบ่งปันเรื่องราวเกิดของ Graviti ได้หรือไม่?

การทำงานที่ Uber นั้นซับซ้อนมากในตอนแรกเพราะคนไม่ได้ใช้โมเดลการเรียนรู้ของเครื่องจักรขนาดใหญ่ และเราขาดพลังการประมวลผลและแพลตฟอร์มการจัดการข้อมูลในการฝึกโมเดล ข้อมูลที่เรารวบรวมสำหรับรถยนต์ไร้คนขับเป็นข้อมูลที่ไม่มีโครงสร้างทั้งหมด เช่น รูปภาพ วิดีโอ จุด LIDAR ข้อมูลทั้งหมดนี้มาจากเซ็นเซอร์ในโลกแห่งความเป็นจริง และเรารวบรวมข้อมูลที่ไม่มีโครงสร้างจำนวนมากทุกวัน เราได้ทำการวิเคราะห์ข้อมูลที่บอกเราว่าปริมาณข้อมูลที่เรารวบรวมในแผนกรถยนต์ไร้คนขับในหนึ่งสัปดาห์เท่ากับข้อมูลที่เรารวบรวมสำหรับธุรกิจร้านอาหารทั้งหมดทั่วโลกในหนึ่งปี ข้อมูลที่ไม่มีโครงสร้างจำนวนมากสะสมทุกวัน และสิ่งนี้ทำให้เกิดปัญหาใหญ่ในการจัดเก็บข้อมูล การจัดการข้อมูล และการใช้ข้อมูลเพื่อสร้างมูลค่าให้กับองค์กรต่างๆ

หลังจากทำงานที่ Uber เป็นเวลา 3 ปี ฉันเห็นโอกาสในการปรับปรุงวิธีการจัดการข้อมูลที่ไม่มีโครงสร้างขนาดใหญ่ ดังนั้นฉันจึงก่อตั้ง Graviti ในปี 2019 เพื่อเร่งการนวัตกรรมด้าน AI โดยสร้างแพลตฟอร์มการจัดการข้อมูลที่ไม่มีโครงสร้าง

คุณสามารถอธิบายได้หรือไม่ว่า Graviti เป็นแพลตฟอร์มในการจัดการและสร้างโครงสร้างข้อมูลขนาดใหญ่?

Graviti มีเป้าหมายที่จะเปิดตัวแพลตฟอร์มข้อมูลแรกที่ช่วยให้องค์กรสามารถทำงานกับข้อมูลที่ไม่มีโครงสร้างขนาดใหญ่เพื่อสนับสนุนการประยุกต์ใช้ AI ที่เป็นนวัตกรรมใหม่ แพลตฟอร์มนี้จะกำจัดปัญหาและช่วยให้นักพัฒนาสามารถจัดการข้อมูลที่ไม่มีโครงสร้างจำนวนมากได้ด้วยทีม

ในขณะที่ข้อมูลส่วนใหญ่ที่มีอยู่ในการพัฒนา AI เป็นข้อมูลที่ไม่มีคุณภาพและไม่มีโครงสร้าง ทีมพัฒนาส่วนใหญ่ใช้เวลาเกิน 50% ของเวลาของตนในการระบุ ข้อมูลที่ไม่มีโครงสร้าง หรือการทำความสะอาดข้อมูลที่ไม่มีโครงสร้าง และสิ่งนี้คือจุดเริ่มต้นของงานของพวกเขา Graviti มีวิธีการจัดการข้อมูลที่เป็นมืออาชีพเพื่อช่วยให้นักพัฒนาสามารถมีเวลาในการวิเคราะห์ข้อมูลที่ไม่มีโครงสร้างและฝึกโมเดล AI ได้มากขึ้น

เราช่วยให้นักพัฒนาสามารถทำงานได้ 3 มิติ: การค้นหาข้อมูล การทำซ้ำข้อมูล และการทำงานอัตโนมัติ

การค้นหาข้อมูล:

Graviti มีคุณสมบัติการจัดเก็บข้อมูลที่ทำให้การจัดระเบียบข้อมูลดิบ การทำเครื่องหมายข้อมูล และข้อมูลอื่นๆ ง่ายขึ้นโดยการรวมรูปแบบข้อมูลและข้อมูลการทำเครื่องหมาย เมื่อนักพัฒนาอินเทลลิเจนต์เข้าถึงชุดข้อมูลต่างๆ ผ่าน Graviti พวกเขาไม่จำเป็นต้องแปลงรูปแบบข้อมูลซึ่งทำให้การจัดการ การค้นหา การเข้าถึง และการดำเนินการอื่นๆ ที่เกี่ยวข้องกับการทำเครื่องหมายง่ายขึ้น Graviti ช่วยลดโอกาสที่ข้อมูลดิบจะไม่ตรงกันหรือสูญเสียการทำเครื่องหมาย นอกจากนี้แพลตฟอร์ม Graviti ยังช่วยให้นักพัฒนาสามารถประเมินคุณภาพของชุดข้อมูลด้วยคุณสมบัติการแสดงข้อมูลแบบภาพ ซึ่งช่วยประหยัดเวลาอย่างน้อย 8 ชั่วโมงต่อสัปดาห์สำหรับนักพัฒนา

การทำซ้ำข้อมูล:

เมื่อนักพัฒนาฝึกโมเดล AI พวกเขาต้องทดสอบด้วยชุดข้อมูลในหลายรุ่นเพื่อดูผลลัพธ์และทำเครื่องหมายข้อมูล การท้าทายคือการติดตามการแก้ไขและรุ่นต่างๆ กับสมาชิกในทีมที่ทำงานในโครงการเดียวกัน Graviti มีคำตอบโดยการให้สิทธิ์การเข้าถึงข้อมูลที่แตกต่างกันให้กับพนักงานเพื่อให้พวกเขาสามารถอัปโหลดการทำเครื่องหมายของตนเองเพื่อติดตามความคืบหน้าของโครงการและทำงานพร้อมกัน

การทำงานอัตโนมัติ:

ด้วยคุณสมบัติที่เรียกว่า “การดำเนินการ” วิศวกรสามารถทำงานอัตโนมัติและลดงานที่ซ้ำซ้อนและใช้เวลานาน ซึ่งช่วยให้นักพัฒนาสามารถเขียนสคริปต์ขนาดใหญ่เพื่อให้บรรลุเป้าหมายเหล่านี้ได้ และเปิดโอกาสให้พวกเขามีเวลาในการทำงานที่พวกเขาต้องการทำ

ทำไมข้อมูลที่ไม่มีโครงสร้างจึงเป็นอนาคตของ AI?

มากกว่า 80% ของข้อมูลองค์กรเป็นข้อมูลที่ไม่มีโครงสร้าง ซึ่งรวมถึงรูปภาพ การบันทึก วิดีโอ โพสต์บนโซเชียลมีเดีย ฯลฯ AI เป็นกุญแจสำคัญในการส่งมอบคุณค่าจากข้อมูลที่ไม่มีโครงสร้าง องค์กรเริ่มใช้ข้อมูลที่ไม่มีโครงสร้างเพื่อสนับสนุนการวิจัยและวิเคราะห์อย่างลึกซึ้ง

Graviti ได้เปิดตัว OpenBytes ซึ่งเป็นโครงการข้อมูลเปิดที่ไม่แสวงหาผลกำไรซึ่งจัดทำโดย Linux Foundation คุณสามารถอธิบายได้หรือไม่ว่า OpenBytes คืออะไร?

ภารกิจของ OpenBytes คือการอำนวยความสะดวกในการแบ่งปันข้อมูลในุมชน AI ผ่านการสร้างมาตรฐาน ข้อมูล รูปแบบ และกระบวนการในการบริจาคข้อมูล ขอบเขตของ OpenBytes รวมถึงการดูแลชุดข้อมูลที่เปิดเผย การพัฒนาข้อมูลที่เปิดเผยและพัฒนาร่วมกันภายใต้ใบอนุญาตที่เปิดเผย ซึ่งสนับสนุนภารกิจ รวมถึงเอกสาร การทดสอบ การรวมและสร้างสิ่งอื่นๆ ที่ช่วยให้การพัฒนา การใช้งาน การดำเนินการหรือการนำไปใช้ของโครงการโอเพ่นซอร์ส

OpenBytes สามารถลดความเสี่ยงของการบริจาคข้อมูล ผู้ถือชุดข้อมูลไม่เต็มใจที่จะแบ่งปันชุดข้อมูลของตนเนื่องจากขาดความรู้เกี่ยวกับใบอนุญาตข้อมูล เมื่อผู้บริจาคเข้าร่วม OpenBytes ข้อมูลของพวกเขาจะได้รับการคุ้มครอง และข้อมูลที่เปิดเผยมากขึ้นจะพร้อมใช้งาน

เรากำลังสร้างรูปแบบชุดข้อมูลมาตรฐานเมื่อเผยแพร่ การแบ่งปัน และการแลกเปลี่ยนข้อมูล รูปแบบที่เป็นมาตรฐานจะช่วยให้ผู้บริจาคข้อมูลเข้าใจชุดข้อมูลและค้นหาชุดข้อมูลที่พวกเขาต้องการ ซึ่งนำไปสู่การบริจาคชุดข้อมูลที่มีคุณภาพสูงมากขึ้น

มีประโยชน์อะไรบ้างในการใช้ข้อมูลที่เปิดเผย?

มันจะช่วยให้นักวิจัยได้รับทรัพยากรฟรีในการฝึกโมเดลและทำการวิจัย

มันจะช่วยให้องค์กรสามารถเริ่มสร้างความสามารถ AI และเพิ่มขีดความสามารถในการเปลี่ยนแปลงจากองค์กรแบบดั้งเดิมไปสู่องค์กร AI

Graviti ตรวจสอบคุณภาพของชุดข้อมูลได้อย่างไร?

แม้ว่าชุดข้อมูลที่ได้รับความนิยม เช่น COCO และ KITTI จะไม่สมบูรณ์แบบสำหรับนักพัฒนา ข้อผิดพลาดจะเกิดขึ้นเมื่อนักพัฒนาฝึกโมเดล และไม่มีใครพบวิธีที่ดีในการปรับปรุงคุณภาพของชุดข้อมูล Graviti เชื่อว่าโมเดลการประเมินชุดข้อมูลจะถูกสร้างขึ้น หรือการปฏิวัติทางเทคนิคอื่นๆ จะช่วยให้ชุมชนแก้ปัญหานี้ และเป็นส่วนหนึ่งของภารกิจของ Graviti ที่จะบรรลุในอนาคต

คุณมีวิสัยทัศน์สำหรับอนาคตของวิธีการที่นักพัฒนาสามารถเข้าถึงข้อมูลได้อย่างไร?

สำหรับข้อมูลขนาดเล็ก นักพัฒนาควรจะสามารถเข้าถึงข้อมูลได้ง่าย สำหรับข้อมูลขนาดใหญ่ เช่น ชุดข้อมูลที่หลากหลายสำหรับการฝึกโมเดล เทคโนโลยีการเรียนรู้แบบกระจายจะช่วยให้สามารถทำงานร่วมกันโดยการแยกความสามารถในการทำการเรียนรู้ของเครื่องจักรออกจากการจัดเก็บข้อมูลในเซิร์ฟเวอร์กลาง

มีอะไรอีกบ้างที่คุณต้องการแบ่งปันเกี่ยวกับ Graviti?

Graviti ก็กำลังพัฒนาเรา ฟังความคิดเห็นจากลูกค้า รวมถึงสตาร์ทอัพ องค์กร นักพัฒนาส่วนบุคคล และนักวิจัย เรายินดีต้อนรับโอกาสในการทำงานร่วมกันหรือความร่วมมือจากทุกคน

เรามองเห็นโอกาสที่ยิ่งใหญ่ในการพัฒนา AI จากข้อมูลที่เปิดเผยในอนาคตที่ใกล้ เรากำลังสร้างชุมชนสำหรับการแบ่งปันและบริจาคข้อมูลที่เปิดเผย ซึ่งจะช่วยให้นักวิจัยสามารถผลักดันขอบเขตของวิทยาศาสตร์ให้ไกลกว่านี้ และช่วยให้องค์กรสามารถปรับปรุงโมเดลและพัฒนเทคโนโลยีในบรรยากาศที่เป็นประโยชน์ร่วมกัน

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม Graviti เพื่อเรียนรู้เพิ่มเติม