Брайон Джейкоб, технічний директор та співзасновник data.world – Серія інтерв’ю

Брайон Джейкоб є технічним директором і співзасновником data.world – на місії створити найзначущіший, колаборативний і багатіший ресурс даних у світі. До data.world він провів десять років на посадах підвищеної відповідальності в HomeAway.com, закінчившись на посаді віце-президента з технологій / технічного феллоу. Брайон також раніше працював в Amazon (AMZN ) і є довгостроковим наставником в Capital Factory. Він має ступінь бакалавра та магістра комп’ютерних наук у Case Western University.

Що спочатку привернуло вас до комп’ютерних наук?

Я був захоплений програмуванням з тих пір, як отримав у свої руки Commodore 64 у віці 10 років. Я почав з BASIC і швидко перейшов на мову асемблера. Для мене комп’ютерні науки – це як розв’язування серії складних головоломок з додатковим захопленням автоматизації. Це аспект розв’язування проблем завжди тримав мене зайнятим і збудженим.

Можете поділитися історією створення data.world?

data.world народився з серії мозкових штурмів серед нашої засновницької команди. Бретт, наш генеральний директор, звернувся до Джона і Метта, з якими він раніше працював. Вони почали зустрічатися, щоб обговорювати ідеї, і Джон привіз деякі з цих концепцій до мене для технічної оцінки. Хоча ці ідеї не виправдали себе, вони спровокували обговорення, які збігалися з моєю власною роботою. Через ці розмови ми наткнулися на ідею, яка згодом стала data.world. Наша спільна історія і взаємний резpekt дозволили нам швидко зібрати велику команду, привернувши найкращих людей, з якими ми працювали в минулому, і заклавши міцний фундамент для інновацій.

Що спонукало data.world розробити AI Context Engine, і які конкретні завдання він вирішує для бізнесу?

З самого початку ми знали, що граф знань (KG) буде критично важливим для розвитку можливостей штучного інтелекту. З ростом генеративного штучного інтелекту наші клієнти хотіли рішення штучного інтелекту, які могли б взаємодіяти з їхніми даними в розмовному режимі. Одним із значних завдань сучасних застосунків штучного інтелекту є пояснюваність. Якщо ви не можете показати свою роботу, відповіді стають менш довірчастими. Наша архітектура графу знань ґрунтується на кожній відповіді в перевірених фактах, забезпечуючи ясні, простежувані пояснення. Це підвищує прозорість і надійність, дозволяючи підприємствам приймати обґрунтовані рішення з впевненістю.

Як архітектура графу знань AI Context Engine підвищує точність і пояснюваність великих мовних моделей порівняно з базами даних SQL?

У нашій піонерській роботі ми продемонстрували трикратне покращення точності за допомогою графів знань (KG) порівняно з традиційними реляційними базами даних. Графи знань використовують семантику для представлення даних як реальних сутностей і відносин, роблячи їх більш точними, ніж бази даних SQL, які зосереджені на таблицях і стовпцях. Для пояснюваністі графи знань дозволяють нам пов’язати відповіді з визначення термінів, джерел даних і метрик, забезпечуючи перевірену слід, яка підвищує довіру і зручність використання.

Можете поділитися прикладами того, як AI Context Engine трансформував взаємодію з даними і процес прийняття рішень у підприємствах?

AI Context Engine розроблений як API, який безшовно інтегрується з існуючими застосунками штучного інтелекту клієнтів, будь то налаштовані GPT, співпілоти або спеціалізовані рішення, створені з LangChain. Це означає, що користувачам не потрібно переходити на новий інтерфейс – натомість ми привносимо AI Context Engine до них. Ця інтеграція підвищує прийняття користувачами і задоволеність, забезпечуючи краще прийняття рішень і більш ефективну взаємодію з даними шляхом безпосереднього включення потужних можливостей штучного інтелекту в існуючі робочі процеси.

Якими способами AI Context Engine забезпечує прозорість і простежуваність у процесі прийняття рішень штучним інтелектом для виконання нормативних і управлінських вимог?

AI Context Engine пов’язаний з нашим графом знань і каталогом даних, використовуючи можливості щодо походження і управління. Наша платформа відстежує походження даних, забезпечуючи повну простежуваність даних і перетворень. Відповіді, згенеровані штучним інтелектом, пов’язані з їх джерелами даних, забезпечуючи ясну слід щодо того, як кожна частина інформації була отримана. Ця прозорість є важливою для дотримання нормативних і управлінських вимог, забезпечуючи можливість аудиту і верифікації кожного рішення штучного інтелекту.

Яку роль графи знань відіграють у широкому ландшафті штучного інтелекту і управління даними в найближчі роки?

Графи знань стають дедалі важливішими з ростом генеративного штучного інтелекту. Формалізуючи факти в структуру графу, графи знань забезпечують міцніший фундамент для штучного інтелекту, підвищуючи як точність, так і пояснюваність. Ми спостерігаємо зміщення від стандартних архітектур Retrieval Augmented Generation (RAG) до моделей Graph RAG. Ці моделі перетворюють неструктурований контент у графи знань спочатку, що призводить до суттєвих покращень у припоміні і точності. Графи знань готуються відігравати ключову роль у стимулюванні інновацій і ефективності штучного інтелекту.

Які майбутні вдосконалення можна очікувати для AI Context Engine для подальшого покращення його можливостей і досвіду користувача?

AI Context Engine покращується з використанням, оскільки контекст повертається в каталог даних, роблячи його розумнішим з часом. З точки зору продукту ми зосереджені на розробці агентів, які виконують складні завдання інженерії знань, перетворюючи сирі дані у багаті онтології і бази знань. Ми безперервно вчимося з тих закономірностей, які працюють, і швидко інтегруємо ці знання, забезпечуючи користувачам потужний, інтуїтивно зрозумілий інструмент для управління і використання їхніх даних.

Як data.world інвестує в дослідження і розвиток для того, щоб залишатися на передньому краї технологій штучного інтелекту і інтеграції даних?

Дослідження і розвиток AI Context Engine є нашою найбільшим інвестиційним напрямком. Ми зобов’язані залишатися на передньому краї того, що можливо в галузі штучного інтелекту і інтеграції даних. Наша команда, яка складається з експертів як у символічному штучному інтелекті, так і в машинному навчанні, забезпечує цей обов’язок. Міцний фундамент, який ми заклали в data.world, дозволяє нам рухатися швидко і розширювати технологічні межі, забезпечуючи те, що ми постійно надаємо інноваційні можливості нашим клієнтам.

Яка ваша довгострокова візія майбутнього штучного інтелекту і інтеграції даних, і як ви бачите внесок data.world у цю еволюцію?

Моя візія майбутнього штучного інтелекту і інтеграції даних завжди полягала в тому, щоб вийти за рамки простого полегшення запитів користувачами своїх даних. Натомість ми ставимо за мету ліквідувати необхідність для користувачів запитувати свої дані зовсім. Наша візія завжди була спрямована на безшовну інтеграцію даних організації з її знаннями – охоплюючи метадані про системи даних і логічні моделі реальних сутностей.

Досягаючи цієї інтеграції в машиннозчитуваному графі знань, системи штучного інтелекту можуть真正ньо виконувати обіцянку взаємодії з даними природною мовою. З швидким прогресом генеративного штучного інтелекту за останні два роки і нашими зусиллями щодо інтеграції його з корпоративними графами знань це майбутнє стає реальністю сьогодні. В data.world ми перебуваємо на передньому краї цієї еволюції, стимулюючи трансформацію, яка дозволяє штучному інтелекту надавати безпрецедентну цінність через інтуїтивні і розумні взаємодії з даними.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати data.world.