โจร์จ โตร์เรส ผู้ร่วมก่อตั้งและซีอีโอของ MindsDB – สัมภาษณ์ซีรีส์

โจร์จ โตร์เรส เป็นผู้ร่วมก่อตั้งและซีอีโอของ MindsDB ซึ่งเป็นแพลตฟอร์มที่ช่วยให้ทุกคนสามารถใช้พลังของการเรียนรู้ของเครื่องจักรเพื่อถามคำถามที่คาดการณ์ได้ของข้อมูลและรับคำตอบที่แม่นยำจากมัน MindsDB ยังเป็นหนึ่งในผู้สำเร็จการศึกษาจาก YCombinator รุ่น Winter 2020 ที่เพิ่งได้รับการยอมรับว่าเป็นหนึ่งในบริษัท AI ที่มีแนวโน้มมากที่สุดในอเมริกาโดย Forbes

สิ่งใดที่ดึงดูดคุณเข้าสู่การเรียนรู้ของเครื่องจักรในตอนแรก?

เป็นเรื่องที่น่าสนใจ ในปี 2008 ฉันอยู่และทำงานที่เบิร์กลีย์สำหรับสตาร์ทอัพชื่อ Couchsurfing และฉันเห็นคลาสนี้ (cs188- Introduction to AI) แม้ว่าฉันจะไม่ได้เป็นส่วนหนึ่งของมหาวิทยาลัยในขณะนั้น แต่ฉันก็ขออนุญาตจาก проф. John DeNero เพื่อเข้าร่วมคลาสและเขาก็อนุญาตให้ฉันเข้าร่วม โปรเฟสเซอร์คนนี้เป็นคนฉลาดมาก และเขาทำให้ทุกคนตกหลุมรักกับหัวข้อนี้ มันเป็นสิ่งที่ดีที่สุดที่เกิดขึ้นกับฉัน ฉันประหลาดใจที่คอมพิวเตอร์สามารถเรียนรู้เพื่อแก้ปัญหาได้ ฉันรู้สึกว่านี่เป็นสิ่งที่กำลังเคลื่อนไหวอย่างรวดเร็วและตัดสินใจที่จะทำให้มันเป็นอาชีพของฉัน

มีเหตุการณ์ที่กำหนดรุ่นในเทคโนโลยีเพียงไม่กี่ครั้งในชีวิตของใครบางคน ฉันมีโชคที่ได้เห็นเกิดของอินเทอร์เน็ต แต่ฉันยังเด็กเกินไปที่จะทำอะไรได้มากกว่าผู้สังเกตการณ์ ฉันเชื่อว่าการเรียนรู้ของเครื่องจักรเป็นเหตุการณ์ที่กำหนดรุ่นต่อไป และฉันต้องการที่จะเข้าร่วมมันในบางวิธีเพื่อขับเคลื่อนเทคโนโลยีและวิธีการใช้งาน

MindsDB เริ่มต้นที่ UC Berkeley ในปี 2018 คุณสามารถแบ่งปันข้อมูลเชิงลึกจากวันแรกๆ ได้หรือไม่?

UC Berkeley เป็นหนึ่งในสถาบันวิจัยที่ยิ่งใหญ่ที่สุดในโลกและมีประวัติในการสร้างและสนับสนุนซอฟต์แวร์แบบโอเพ่นซอร์ส และเราคิดว่าไม่มีที่ไหนที่ดีกว่าที่จะเริ่มต้น MindsDB ค่านิยมของเราสอดคล้องกัน พวกเขาให้เช็คแรกของเราผ่าน UC Berkeley Skydeck Accelerator และส่วนที่เหลือตามมา

วันแรกๆ ไม่แตกต่างจากสตาร์ทอัพหลายแห่งในภูมิภาค Bay – 三คนทำงานเป็นเวลานานในบางสิ่งที่ทุกคนเชื่อใน แต่มีโอกาสสำเร็จเพียงเล็กน้อย ความแตกต่างเพียงอย่างเดียวคือแทนที่จะทำงานในโรงรถที่ปาลออลโต เราจะอยู่ในความสะดวกสบายของ Skydeck Penthouse co-working space (ฟรี)

ฉันเชื่อว่ามีพลังมากในข้อมูล บริษัทที่มีข้อมูลมากขึ้นจะสามารถขับเคลื่อนธุรกิจของตนไปข้างหน้าได้มากขึ้น แต่เฉพาะถ้าพวกเขาสามารถรับข้อมูลเชิงลึกที่มีความหมายจากมัน

ในฤดูใบไม้ร่วงปี 2017 เพื่อนสนิทของฉัน Adam Carrigan (COO) และฉันตัดสินใจว่าธุรกิจหลายแห่งต้องเผชิญกับการจำกัดเมื่อพยายามดึงข้อมูลที่มีความหมายออกจากข้อมูลของตน พวกเขาตระหนักว่าหนึ่งในข้อจำกัดที่ใหญ่ที่สุดคือในหลายธุรกิจที่ใช้พลังของปัญญาประดิษฐ์อย่างไม่เพียงพอ เราเชื่อว่าการเรียนรู้ของเครื่องจักรสามารถทำให้ข้อมูลและข้อมูลเชิงลึกที่สามารถให้ได้เข้าถึงได้ทุกคน นั่นคือเหตุผลที่เราออกแบบแพลตฟอร์มที่จะช่วยให้ทุกคนสามารถใช้พลังของการเรียนรู้ของเครื่องจักรเพื่อถามคำถามที่คาดการณ์ได้ของข้อมูลและรับคำตอบที่แม่นยำจากมัน

เรียกว่าแพลตฟอร์มนี้ว่า MindsDB และมุ่งเน้นไปที่การทำให้พัฒนาแอปพลิเคชันที่มีศูนย์กลางอยู่ที่ AI ที่จะเปลี่ยนแปลงวิธีที่เราอาศัยอยู่และทำงาน และสำหรับธุรกิจในการดึงข้อมูลจากข้อมูลของตน

ทำไม MindsDB จึงมุ่งเน้นไปที่การแก้ปัญหาในการเป็นข้อมูลเป็นศูนย์กลางมากกว่าการเป็นศูนย์กลางของการเรียนรู้ของเครื่องจักร?

หากคุณดูการวิจัยส่วนใหญ่ใน AI ส่วนใหญ่มาจากสถาบันการศึกษา การเรียนรู้ของเครื่องจักรมักจะเน้นไปที่โมเดล เนื่องจากนี่คือที่ที่สถาบันวิจัยสามารถเพิ่มคุณค่าที่รับรู้ได้; การวิจัยที่ดีขึ้นจะปรับปรุงโมเดลหรือสร้างโมเดลใหม่ๆ ซึ่งจะทำให้ผลลัพธ์ดีขึ้น ในทางกลับกัน การเพิ่มคุณภาพข้อมูลที่ดีขึ้นหรือข้อมูลที่เกี่ยวข้องมากขึ้นให้กับแนวทางที่มีอยู่ไม่สามารถตีพิมพ์ได้ง่าย (KPI หลักสำหรับนักวิจัย)

อย่างไรก็ตาม ปัญหาการเรียนรู้ของเครื่องจักรส่วนใหญ่ที่ใช้ในปัจจุบันจะได้รับประโยชน์มากกว่าจากข้อมูลที่ดีขึ้นมากกว่าการปรับปรุงโมเดล นอกจากนี้ยังตรงกับภารกิจของเราในการทำให้การเรียนรู้ของเครื่องจักรเป็นประชาธิปไตย ส่วนใหญ่ของคนนอกพื้นที่ ML ไม่ทราบมากเกี่ยวกับ ML แต่พวกเขารู้มากเกี่ยวกับข้อมูลของตน

เราพบว่ามีบริษัทสองประเภท หนึ่งบริษัทที่มีข้อมูลในฐานข้อมูล อีกบริษัทหนึ่งที่ยังไม่ได้ค้นพบฐานข้อมูล เราตระหนักว่าหากบริษัทอยู่ในกลุ่มฐานข้อมูล ความตื่นตัวของข้อมูลของพวกเขาจะทำให้พวกเขาอยู่บนเส้นทางที่ถูกต้องในการใช้การเรียนรู้ของเครื่องจักรได้อย่างแท้จริง ในขณะที่บริษัทที่ยังไม่ได้ค้นพบฐานข้อมูลยังมีระยะทางไกลในการเดินทาง ดังนั้นเราจึงมุ่งเน้นไปที่การให้คุณค่าสำหรับผู้ที่สามารถดึงคุณค่าออกมาได้

MindsDB มีการสร้างแบบจำลองและการใช้งานอย่างไรใน SQL ที่เรียบง่าย?

เราสร้างการแสดงแบบจำลองเป็นตารางที่สามารถถูกถามได้ ดังนั้นเราจึงลบแนวคิดของ ‘การนำไปใช้’ ออกจากภาพ เมื่อคุณพิมพ์บนฐานข้อมูล CREATE VIEW ที่มองเห็นได้ทันทีที่คำสั่งถูกประมวลผลเหมือนกับเมื่อคุณทำ CREATE MODEL ใน MindsDB

คนรัก MindsDB เนื่องจากการทำให้ง่ายขึ้นที่คุณนำมาให้ในการใช้งาน ML-Ops lifecycle ทำไมการทำให้การนำการเรียนรู้ของเครื่องจักรไปใช้งานจึงมีความสำคัญ?

คนรักมันเพราะมันทำให้การบำรุงรักษา ETL pipeline ที่ไม่จำเป็นลดลง มุ่งเน้นไปที่การทำให้ผู้ใช้สามารถดึงคุณค่าของการเรียนรู้ของเครื่องจักรโดยไม่ต้องคิดถึงการบำรุงรักษาโครงสร้างพื้นฐาน ML หากพวกเขากำลังบำรุงรักษาโครงสร้างพื้นฐานข้อมูลแล้ว

มีข้อดีและความเสี่ยงใดบ้างในการเป็นสตาร์ทอัพแบบโอเพ่นซอร์สเมื่อเทียบกับสตาร์ทอัพแบบดั้งเดิม?

โครงการโอเพ่นซอร์สสามารถเริ่มต้นได้เพียงแค่ความคิด และคนจะช่วยคุณสร้างมันไปตามทาง ในทางกลับกัน การเข้าถึงแบบปิดต้องเริ่มต้นด้วยสมมติฐานเดียวกัน แต่คุณต้องถูกต้องเพราะไม่มีใครจะช่วยคุณปรับปรุงผลิตภัณฑ์ของคุณ (อย่างน้อยก็ไม่ใช่ในปริมาณที่เหมือนกับโอเพ่นซอร์ส) คิดถึงโอเพ่นซอร์สเป็นวิธีการเข้าถึงผลิตภัณฑ์ที่เป็นความร่วมมือ

MindsDB เพิ่ง ระดมทุน 16.5 ล้านดอลลาร์ ซีรีส์ A จาก Benchmark ทำไม Benchmark จึงเป็นนักลงทุนที่เหมาะสมที่สุด และวิสัยทัศน์ของพวกเขาสอดคล้องกับของคุณ?

Benchmark มีประวัติที่ไม่มีใครเทียบได้ในอุตสาหกรรมของเรา Chetan ได้ช่วยให้บริษัทต่างๆ เช่น Mongodb, Elastic, Airbyte กลายเป็นผู้นำในโลกของตน เราเชื่อว่าไม่มีใครที่เหมาะสมกว่า Chetan และ Benchmark Capital สำหรับ MindsDB

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ MindsDB