โจร์เก โทร์เรส ผู้ร่วมก่อตั้งและซีอีโอของ MindsDB – ซีรีส์สัมภาษณ์

โจร์เก โทร์เรส เป็นผู้ร่วมก่อตั้งและซีอีโอของ MindsDB ซึ่งเป็นแพลตฟอร์มที่ช่วยให้ทุกคนสามารถใช้พลังของการเรียนรู้ของเครื่องจักรเพื่อถามคำถามที่คาดการณ์ได้ของข้อมูลและรับคำตอบที่ถูกต้องจากมัน MindsDB ยังเป็นผู้สำเร็จการศึกษาจาก YCombinator ในช่วงฤดูหนาวปี 2020 และได้รับการยอมรับว่าเป็นหนึ่งในบริษัท AI ที่มีแนวโน้มมากที่สุดในอเมริกาโดย Forbes

สิ่งใดที่ดึงดูดคุณให้เข้าสู่การเรียนรู้ของเครื่องจักร?

เป็นเรื่องที่น่าสนใจ ในปี 2008 ฉันอยู่และทำงานที่ Berkeley สำหรับสตาร์ทอัพชื่อ Couchsurfing และฉันเห็นคลาสนี้ (cs188- Introduction to AI) แม้ว่าฉันจะไม่ได้เชื่อมโยงกับมหาวิทยาลัยในขณะนั้น แต่ฉันก็ขออนุญาตจาก Prof. John DeNero เพื่อเข้าร่วมคลาสและเขาก็อนุญาตให้ฉันทำได้ ศาสตราจารย์คนนี้มีความสามารถพิเศษและทำให้ทุกคนหลงใหลในหัวข้อนี้ มันเป็นสิ่งที่ดีที่สุดที่เกิดขึ้นกับฉัน ฉันรู้สึกประหลาดใจที่คอมพิวเตอร์สามารถเรียนรู้เพื่อแก้ปัญหาได้ และฉันรู้สึกว่านี่เป็นสิ่งที่กำลังเคลื่อนไหวอย่างรวดเร็วและตัดสินใจที่จะทำให้มันเป็นอาชีพของฉัน

มีเหตุการณ์ที่สำคัญทางเทคโนโลยีหลายอย่างที่เกิดขึ้นเพียงไม่กี่ครั้งในช่วงชีวิตของใครบางคน ฉันมีโอกาสได้เห็นเกิดของอินเทอร์เน็ต แต่ฉันยังเด็กเกินไปที่จะทำอะไรได้มากกว่าผู้สังเกตการณ์ ฉันเชื่อว่าการเรียนรู้ของเครื่องจักรเป็นเหตุการณ์ที่สำคัญในยุคต่อไป และฉันต้องการเป็นส่วนหนึ่งของมันในบางวิธีเพื่อขับเคลื่อนเทคโนโลยีและวิธีการใช้งาน

MindsDB เริ่มต้น tại UC Berkeley ในปี 2018 คุณสามารถแบ่งปันข้อมูลเชิงลึกจากวันแรกได้หรือไม่?

UC Berkeley เป็นหนึ่งในสถาบันวิจัยที่ยิ่งใหญ่ที่สุดในโลกและมีประวัติในการสร้างและสนับสนุนซอฟต์แวร์แบบเปิด และเราคิดว่ามีที่ไหนที่ดีกว่าในการเริ่มต้น MindsDB ค่านิยมของเราสอดคล้องกัน และพวกเขาให้เช็คแรกของเราผ่าน UC Berkeley Skydeck Accelerator และส่วนที่เหลือเป็นประวัติศาสตร์

วันแรกไม่แตกต่างจากสตาร์ทอัพอื่นๆ ในภูมิภาค Bay – มีคนสามคนทำงานเป็นเวลานานในบางสิ่งที่พวกเขาทั้งหมดเชื่อใน แต่มีโอกาสสำเร็จน้อยเท่านั้น ความแตกต่างเพียงอย่างเดียวคือแทนที่จะทำงานในโรงรถที่ปาลออลโต เราอยู่ในความสะดวกสบายของพื้นที่ทำงาน Skydeck Penthouse (ไม่มีค่าเช่า)

ฉันเชื่อว่ามีพลังมากในข้อมูล บริษัทที่มีข้อมูลมากขึ้นจะสามารถขับเคลื่อนธุรกิจของตนไปข้างหน้าได้มากขึ้น แต่เฉพาะถ้าพวกเขาสามารถรับข้อมูลเชิงลึกที่มีความหมายจากมัน

ในฤดูใบไม้ร่วงปี 2017 เพื่อนสนิทของฉัน Adam Carrigan (COO) และฉันตัดสินใจว่าธุรกิจหลายแห่งต้องเผชิญกับการจำกัดเมื่อพยายามดึงข้อมูลที่มีความหมายออกจากข้อมูลของตน พวกเขาตระหนักว่าหนึ่งในข้อจำกัดที่ใหญ่ที่สุดคือธุรกิจเหล่านี้ใช้พลังของปัญญาประดิษฐ์ไม่เพียงพอ เราเชื่อว่าการเรียนรู้ของเครื่องจักรสามารถทำให้ข้อมูลและข้อมูลเชิงลึกที่สามารถให้ได้เข้าถึงได้ทุกคน นั่นเป็นเหตุผลที่เราออกแบบแพลตฟอร์มที่จะช่วยให้ทุกคนสามารถใช้พลังของการเรียนรู้ของเครื่องจักรเพื่อถามคำถามที่คาดการณ์ได้ของข้อมูลและรับคำตอบที่ถูกต้องจากมัน

เรียกว่าแพลตฟอร์มนี้ว่า MindsDB และมุ่งเน้นในการทำให้มันง่ายมากขึ้นสำหรับนักพัฒนาในการสร้างคลื่นต่อไปของแอปพลิเคชันที่มีศูนย์กลางอยู่ที่ AI ที่จะเปลี่ยนแปลงวิธีการที่เราอาศัยอยู่และทำงาน และสำหรับธุรกิจในการดึงข้อมูลจากข้อมูลของตน

ทำไม MindsDB จึงมุ่งเน้นในการแก้ปัญหาโดยมีศูนย์กลางอยู่ที่ข้อมูลมากกว่าการเรียนรู้ของเครื่องจักร?

ถ้าคุณดูการวิจัยส่วนใหญ่ใน AI ส่วนใหญ่มาจากสถาบันวิจัย การเรียนรู้ของเครื่องจักรมักจะเน้นไปที่แบบจำลองเพราะว่านี่คือที่ที่สถาบันวิจัยสามารถเพิ่มคุณค่าได้; การวิจัยที่ดีขึ้นสามารถปรับปรุงแบบจำลองหรือสร้างแบบจำลองใหม่ๆ ได้ ทำให้ได้ผลลัพธ์ที่ดีขึ้น การมีศูนย์กลางอยู่ที่ข้อมูลอีกด้านหนึ่ง การเพิ่มข้อมูลที่มีคุณภาพดีขึ้นหรือเกี่ยวข้องมากขึ้นให้กับแนวทางที่มีอยู่ไม่ใช่สิ่งที่สามารถตีพิมพ์ได้ (KPI ที่สำคัญสำหรับนักวิจัย)

อย่างไรก็ตาม ปัญหาเกี่ยวกับการเรียนรู้ของเครื่องจักรส่วนใหญ่ที่ใช้ในปัจจุบันจะได้รับประโยชน์มากกว่าจากข้อมูลที่ดีขึ้นมากกว่าการปรับปรุงแบบจำลอง นี่ยังตรงกับภารกิจของเราในการทำให้การเรียนรู้ของเครื่องจักรเป็นประชาธิปไตย ส่วนใหญ่ของคนนอกพื้นที่การเรียนรู้ของเครื่องจักรไม่รู้มากเกี่ยวกับการเรียนรู้ของเครื่องจักร แต่พวกเขารู้มากเกี่ยวกับข้อมูลของตนเอง

เราพบว่ามีสองประเภทของบริษัท หนึ่งบริษัทที่มีข้อมูลในฐานข้อมูล และอีกบริษัทหนึ่งที่ยังไม่พบฐานข้อมูล เราเข้าใจว่าถ้าบริษัทอยู่ในกลุ่มฐานข้อมูล ความตื่นตัวของข้อมูลของพวกเขาจะทำให้พวกเขาอยู่บนเส้นทางที่ถูกต้องในการใช้การเรียนรู้ของเครื่องจักรได้อย่างแท้จริง ในขณะที่บริษัทที่ยังไม่พบฐานข้อมูลยังมีระยะทางไกลในการเดินทาง ดังนั้นเราจึงมุ่งเน้นในการให้คุณค่าสำหรับผู้ที่สามารถดึงข้อมูลออกมาได้

MindsDB เข้าใกล้การสร้างแบบจำลองและการใช้งานอย่างไรใน SQL ที่เรียบง่าย?

เราสร้างการแสดงแบบจำลองเป็นตารางที่สามารถถูกดึงข้อมูลได้ ดังนั้นเราจึงลบแนวคิดของ ‘การนำไปใช้งาน’ ออกไป เมื่อคุณพิมพ์ CREATE VIEW บนฐานข้อมูลนั้น มันจะพร้อมใช้งานทันทีที่คำสั่งเสร็จสิ้น การใช้งาน CREATE MODEL ใน MindsDB ก็เหมือนกัน

คนรัก MindsDB เนื่องจากการทำให้การเรียนรู้ของเครื่องจักรง่ายขึ้นที่คุณนำมาให้ ทำไมการทำให้การเรียนรู้ของเครื่องจักรง่ายขึ้นจึงสำคัญ?

คนรักมันเพราะว่ามันทำให้กระบวนการ ETL ที่ไม่จำเป็นง่ายขึ้น ดังนั้นจึงมีสิ่งที่ต้องดูแลน้อยลง การมุ่งเน้นของเราคือการทำให้ผู้ใช้สามารถดึงคุณค่าของการเรียนรู้ของเครื่องจักรได้โดยไม่ต้องคิดถึงการดูแลโครงสร้างพื้นฐานของการเรียนรู้ของเครื่องจักรหากพวกเขา已经ดูแลโครงสร้างพื้นฐานข้อมูลแล้ว

มีอะไรบ้างที่เป็นข้อดีและความเสี่ยงของการเป็นสตาร์ทอัพแบบเปิดกว้างเมื่อเทียบกับสตาร์ทอัพแบบดั้งเดิม?

โครงการแบบเปิดสามารถเริ่มต้นได้เพียงแค่มีแนวคิด และคนจะช่วยคุณสร้างมันไปตามทาง ในขณะที่การเข้าใกล้แบบปิดคุณต้องเริ่มต้นด้วยสมมติฐานเดียวกัน แต่คุณต้องถูกต้องเพราะไม่มีใครจะช่วยคุณปรับปรุงผลิตภัณฑ์ของคุณ (อย่างน้อยก็ไม่ใช่ในปริมาณที่เท่ากับแบบเปิด) คิดว่าแบบเปิดเป็นแนวทางในการสร้างผลิตภัณฑ์ที่มีการทำงานร่วมกัน

MindsDB เพิ่งได้รับการลงทุน 16.5 ล้านดอลลาร์ จาก Benchmark ทำไม Benchmark จึงเป็นนักลงทุนที่เหมาะสมที่สุด และวิสัยทัศน์ของพวกเขาสอดคล้องกับของคุณอย่างไร?

Benchmark มีประวัติที่ไม่มีใครเทียบได้ในอุตสาหกรรมของเรา Chetan ได้ช่วยให้บริษัทอย่าง Mongodb, Elastic, Airbyte กลายเป็นผู้นำในด้านของตน เราเชื่อว่าไม่มีนักลงทุนที่ดีกว่าสำหรับ MindsDB มากกว่า Chetan และ Benchmark Capital

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ MindsDB