Jorge Torres, MindsDB’nin Kurucu Ortağı ve CEO’su – Röportaj Serisi

Jorge Torres, MindsDB‘nin kurucu ortağı ve CEO’sudur. MindsDB, herkesin makine öğrenimi gücünü kullanarak verilerine öngörülü sorular sormasına ve doğru cevaplar almasına yardımcı olan bir platformdur. MindsDB aynı zamanda YCombinator’ın recent Winter 2020 batch mezunudur ve Forbes tarafından Amerika’nın en umut verici AI şirketlerinden biri olarak tanınmıştır.

Siz makine öğrenimi ile ilk olarak nasıl tanıştınız?

İlginç bir hikaye. 2008 yılında Berkeley’de Couchsurfing adlı bir startup için çalışıyordum ve bu sınıfı (cs188 – Makine Öğrenimi Giriş) gördüm. O zaman üniversite ile ilişkim yoktu, ancak profesör John DeNero’ya sınıfa katılmak isteyip istemediğini sordum ve izin verdi. Bu profesör çok zekiydi ve herkesi konuya aşık etti. Hayatımın en iyi şeyiydi. Bilgisayarların bir problemi çözmeyi öğrenebileceğini gördüm ve bu hızlı bir şekilde ilerlediğini anladım, bu nedenle kariyerimi bu alanda yapmaya karar verdim.

Teknoloji tarihinde birkaç nesil tanımlayan olay vardır ve bunlar bir ömürde birkaç kez ortaya çıkar. İnternetin doğuşuna tanık olmuştum, ancak çok gençtim ve sadece bir izleyici olabilirdim. Makine öğreniminin de benzer bir olay olduğuna inanıyorum ve bu alanda önemli bir rol oynamak istedim.

MindsDB 2018’de UC Berkeley’de kuruldu, bu erken günlerden bazı içgörüler paylaşabilir misiniz?

UC Berkeley, dünyanın büyük araştırma kurumlarından biridir ve açık kaynaklı yazılımları yaratma ve destekleme konusunda bir geçmişe sahiptir, bu nedenle MindsDB’yi burada kurmaya karar verdik. Değerlerimiz uyumluydu, ilk çekimizi UC Berkeley Skydeck Accelerator aracılığıyla aldık ve gerisi tarih.

Erken günler, Bay Bölgesi’ndeki birçok startup gibi değildi – üç kişi uzun saatler boyunca inandıkları bir şey üzerinde çalışıyordu, ancak başarı şansları küçüktü. Tek fark, Palo Alto’daki tozlu bir garajda çalışmak yerine Skydeck Penthouse ortak çalışma alanında (ücretsiz) çalışıyorduk.

Veride büyük bir güç olduğuna inanıyorum. Bir şirketin ne kadar çok verisi varsa, işini o kadar ilerletebilir. Ancak bunu ancak anlamlı içgörüler elde edebildikleri takdirde yapabilirler.

2017 sonbaharında, en iyi arkadaşım Adam Carrigan (COO) ile birlikte, birçok şirketin verilerinden anlamlı bilgi çıkarmada sınırlarla karşılaştıkları sonucuna vardık. Bunların en büyük sınırlarından birinin şirketlerin çoğunun yapay zekanın gücünü yeterince kullanamaması olduğunu anladık. Makine öğreniminin verilere ve sağlayabileceği zekaya herkesi ulaştırmaya yardımcı olabileceğine inandık. Bu nedenle, herkesin makine öğrenimi gücünü kullanarak verilerine öngörülü sorular sormasına ve doğru cevaplar almasına yardımcı olan bir platform tasarladık.

Bu platformu MindsDB olarak adlandırıyoruz ve geliştiricilerin AI merkezli bir sonraki dalganın uygulamalarını hızla oluşturmasını sağlamak ve şirketlerin verilerinden bilgi çıkarmasını kolaylaştırmaya devam etmeye odaklanıyoruz.

Neden MindsDB, makine öğrenimi merkezli yerine veri merkezli bir sorun çözmeye odaklandı?

Çoğu araştırma kurumunun büyük bir kısmının akademik kurumlar olduğunu görürsünüz. Makine öğrenimi tarihi olarak model merkezli olmuştur, çünkü araştırma kurumları burada değer ekleyebilir; daha iyi modeller veya yeni modeller oluşturarak daha iyi sonuçlar elde edilebilir. Veri merkezli olmak ise, mevcut bir yaklaşıma daha iyi kaliteli/daha ilgili veri eklemek, yayınlanabilir bir şey değildir (araştırmacılar için ana KPI).

Ancak günümüzde uygulanan makine öğrenimi sorunlarının büyük çoğunluğu, daha iyi modellerden çok daha iyi veriden faydalanmaktadır. Bu, makine öğrenimini demokratikleştirmeye yönelik misyonumuzla da uyumludur; makine öğrenimi alanındaki insanların çoğu, makine öğrenimi hakkında çok şey bilmez, ancak verisi hakkında çok şey bilir.

İki tür şirket olduğunu gördük, bir yanda veritabanında veri olan şirketler, diğer yanda veritabanlarını henüz keşfedememiş şirketler. Bir şirketin veritabanı grubunda olması, veri olivetinin zaten makine öğrenimi uygulamak için doğru yola çıktığını anlamamızı sağladı, ancak veritabanlarını henüz keşfedememiş şirketlerin hala uzun bir yolu olduğunu anladık, bu nedenle bu şirketlere değer sağlamaya odaklandık.

MindsDB, sıradan SQL’de modelleme ve dağıtımı nasıl ele alır?

Modellerin tablolar olarak temsil edildiğini ve sorgulanabileceğini yaratıyoruz, böylece “dağıtım” kavramını ortadan kaldırıyoruz. Bir veritabanında CREATE VIEW yazdığınızda, o görüş anında canlıdır, aynı şey MindsDB’de CREATE MODEL yaptığınızda da geçerlidir.

İnsanlar MindsDB’yi, makine öğrenimi dağıtımını basitleştirdiğiniz için seviyor, makine öğrenimi dağıtımını basitleştirmek neden bu kadar önemli?

İnsanlar bunu seviyor, çünkü gereksiz ETL boru hatlarını soyutluyor, böylece daha az şey korunuyor. Odak noktamız, kullanıcıların makine öğreniminin değerini çıkarmalarına yardımcı olmak, eğer zaten veri altyapısını koruyorlarsa, makine öğrenimi altyapısını korumak zorunda kalmamalarını sağlamak.

Açık kaynaklı bir startup olarak geleneksel bir startup’a göre bazı avantajlar ve riskler nelerdir?

Açık kaynaklı bir proje sadece bir fikirle başlayabilir ve insanlar size yardımcı olarak inşa edebilir, kapalı kaynaklı yaklaşım ise aynı varsayımlarla başlar, ancak doğru olmanız gerekir, çünkü kimse size ürününüzü geliştirmeye yardımcı olmaz (en azından aynı hacimde değil), açık kaynaklıyı bir işbirliği ürün uyumu yaklaşımı olarak düşünün.

MindsDB最近 16.5M$’lık A Serisi yatırımını Benchmark’ten aldı, Benchmark neden mükemmel bir yatırımcı uyumu ve onların vizyonu nasıl sizin vizyonunuzla uyumlu?

Benchmark, sektörümüzde mükemmel bir geçmişe sahip, Chetan mongodb, elastic, airbyte gibi şirketleri onların alanlarında dünya liderleri haline getirmeye yardımcı oldu. MindsDB için Chetan ve Benchmark sermayesi gibi daha iyi bir uyum olabileceğine inanmıyoruz.

Harika röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular MindsDB‘yi ziyaret edebilir.