Хорхе Торрес, співзасновник та CEO MindsDB – Серія інтерв’ю

Хорхе Торрес – співзасновник та CEO MindsDB, платформи, яка допомагає будь-кому використовувати потужність машинного навчання, щоб задавати передбачувальні питання своїм даним і отримувати точні відповіді від них. MindsDB також є випускником останнього зимового класу YCombinator 2020 року і був недавно визнаний одним з найперспективніших компаній з штучного інтелекту в Америці за версією Forbes.

Що спочатку привернуло вас до машинного навчання?

Це цікава історія. У 2008 році я жив і працював у Берклі в стартапі під назвою Couchsurfing, і я побачив цей клас (cs188 – Введення в штучний інтелект). Хоча я на той час не був пов’язаний з університетом, я попросив професора Джона Денеро, чи можу я відвідувати один із класів, і він дозволив мені це. Цей професор був геніальним, і він справді зробив так, що всі закохалися в цю тему. Це була найкраща річ, яка зі мною трапилася. Я був здивований, що комп’ютери можуть навчатися розв’язувати проблему, і я зрозумів, що це рухається швидко, тому вирішив зробити це своєю кар’єрою.

Є кілька подій, що визначають покоління у технологіях, які трапляються лише кілька разів у житті. Я був достатньо щасливим, щоб стати свідком народження Інтернету, але був занадто молодим, щоб бути чимось більшим, ніж пасивним спостерігачем. Я вважаю, що машинне навчання – це наступна подія, що визначає покоління, і я хотів бути частиною цього якимсь значним чином, щоб рухати вперед технологію та те, як ми її використовуємо.

MindsDB розпочався в UC Berkeley у 2018 році, можете поділитися деякими висновками з тих перших днів?

UC Berkeley – один із найкращих дослідницьких інститутів світу і має історію створення та підтримки відкритого програмного забезпечення, і ми подумали, що немає кращого місця для початку MindsDB. Наші цінності були узгоджені, вони пропонували нам наш перший чек через акселератор UC Berkeley Skydeck, і все інше, як вони кажуть, – історія.

Перші дні були не схожі на багато стартапів у районі Бей – три людини працювали довгі години над чимось, у що вони всі вірили, але мали лише малий шанс на успіх. Єдина різниця полягала в тому, що замість роботи в пилосному гаражі в Пало-Альто ми були у відносному комфорті в пентхаусі спільного робочого простору Skydeck (безкоштовно).

Я вважаю, що в даних є величезна сила. Чим більше даних має компанія, тим більше вона може просунути свій бізнес вперед. Але тільки якщо вони能够 отримувати значимі висновки з них.

У вересні 2017 року мій найкращий друг Адам Карріган (COO) і я прийшли до висновку, що занадто багато підприємств зіштовхуються з обмеженнями при витягуванні значимої інформації з їхніх даних. Вони зрозуміли, що одним з найбільших обмежень було те, що багато з цих підприємств серйозно недооцінювали потужність штучного інтелекту. Ми вважали, що машинне навчання може зробити дані та інтелект, який вони можуть надати, доступними для всіх. Тому ми розробили платформу, яка дозволить будь-кому використовувати потужність машинного навчання, щоб задавати передбачувальні питання своїм даним і отримувати точні відповіді від них.

Ми називаємо цю платформу MindsDB і зосереджуємося на тому, щоб продовжувати робити її надзвичайно легко для розробників швидко створювати наступну хвилю застосунків, орієнтованих на штучний інтелект, які перетворять спосіб нашого життя та роботи, а також для підприємств витягувати інформацію з їхніх даних.

Чому MindsDB зосередився на розв’язанні проблеми, пов’язаної з орієнтацією на дані, а не на машинному навчанні?

Якщо ви подивитесь на величезну більшість досліджень у сфері штучного інтелекту, великий відсоток приходиться на академічні установи. Машинне навчання історично було орієнтоване на модель, оскільки саме тут дослідницькі установи можуть додати уявну цінність; більш досконалі моделі або створення нових моделей призводять до кращих результатів. Будучи орієнтованим на дані, з іншого боку, додавання кращої якості/більш актуальних даних до існуючого підходу не легко публікується (ключовий показник hiệu quả для дослідників).

Однак, величезна більшість застосованих проблем машинного навчання сьогодні набагато більше виграють від покращення даних, ніж від покращення моделей. Це також добре узгоджується з нашою місією щодо демократизації машинного навчання, величезна більшість людей поза сферою машинного навчання не знають багато про машинне навчання, але вони точно знають багато про свої дані.

Ми побачили, що існують два типу компаній, з одного боку компанії з даними в базі даних, з іншого боку компанії, які ще не зрозуміли бази даних, ми зрозуміли, що якщо компанія належала до групи баз даних, їхня зрілість даних вже поставила їх на правильний шлях, щоб застосовувати машинне навчання, тоді як компанії, які ще не відкрили для себе бази даних, мали ще довгий шлях, тому ми зосередилися на наданні цінності тим, хто міг її витягнути.

Як MindsDB підходить до моделювання та розгортання в простому SQL?

Ми створюємо представлення моделей як таблиць, які можна запитувати, таким чином ми фактично видаляємо концепцію “розгортання” з картини. Коли ви вводите в базі даних CREATE VIEW, цей вигляд стає активним, як тільки команда закінчується обробкою, те ж саме відбувається, коли ви створюєте MODEL у MindsDB.

Люди люблять MindsDB через спрощення, яке ви принесли до життєвого циклу ML-Ops, чому спрощення розгортання машинного навчання так важливо?

Люди люблять це, оскільки воно абстрагує непотрібні конвеєри ETL, тобто менше речей, які потрібно підтримувати. Наша увага зосереджена на тому, щоб користувачі витягували цінність машинного навчання, не думаючи про підтримку інфраструктури машинного навчання, якщо вони вже підтримують інфраструктуру даних.

Які є деякі з переваг та ризиків відкритого стартапу порівняно з традиційним стартапом?

Відкритий проєкт може розпочинатися лише з однієї ідеї, і люди допоможуть вам побудувати його на своєму шляху, у підході закритого джерела вам потрібно розпочинати з тих самих припущень, але вам краще бути правим, оскільки ніхто не допоможе вам покращити ваш продукт (ат_least не в тому ж обсязі, що й у відкритому джерелі), подумайте про відкрите джерело як про колаборативний підхід до продукту.

MindsDB недавно збір 16,5 млн доларів США серії А інвестицій від Benchmark, чому Benchmark є ідеальним інвестором та як їхнє бачення збігається з вашим?

Benchmark має бездоганний рекорд у нашій галузі, Четан допоміг компаніям, таким як mongodb, elastic, airbyte, стати світовими лідерами у своїй сфері. Ми вважаємо, що немає кращого варіанту для MindsDB, ніж Четан і Benchmark Capital.

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