Chris Nicholson, Người sáng lập & Giám đốc điều hành của Pathmind – Loạt phỏng vấn

Chris Nicholson là người sáng lập của Pathmind, một công ty khởi nghiệp AI áp dụng học tăng cường sâu cho chuỗi cung ứng và hoạt động công nghiệp. Pathmind được thành lập để giúp các doanh nghiệp xử lý thay đổi kinh tế sâu sắc và tăng cường sự linh hoạt của hoạt động của họ với AI. Chris giám sát tầm nhìn chiến lược và thực hiện hàng ngày của công ty, thúc đẩy đổi mới và tăng trưởng cho nền tảng công nghệ của Pathmind, và tối ưu hóa hiệu suất trong các kho hàng và trên sàn nhà máy như một phần của quá trình chuyển đổi số của doanh nghiệp.

Trước đó, Chris là Giám đốc điều hành của Skymind, một công ty AI tập trung vào học sâu. Trước đó, ông đã giữ các vị trí truyền thông và tuyển dụng cho FutureAdvisor, một công ty khởi nghiệp Y Combinator được hỗ trợ bởi Sequoia, đã được BlackRock mua lại vào năm 2015 với giá 200 triệu đô la. Chris cũng đã dành một thập kỷ làm nhà báo, đưa tin về công nghệ và tài chính cho The New York Times, Bloomberg News và Businessweek, trong số những người khác.

Bạn trước đây là phóng viên cho The New York Times và biên tập viên cho Bloomberg News trước khi chuyển sang học máy, bạn có thể thảo luận về hành trình đằng sau sự thay đổi này trong con đường sự nghiệp của bạn?

Khi tôi là một nhà báo, trong những năm 2000 và đầu những năm 2010, ngành công nghiệp đang gặp khó khăn khi quảng cáo chuyển sang các công cụ tìm kiếm và truyền thông xã hội, và các ấn phẩm truyền thống mất độc giả. Tôi đã đưa tin về tài chính và công nghệ và tôi thấy mọi người xây dựng nhiều thứ mới và thú vị. Ở một thời điểm nhất định, tôi đã nói với bản thân rằng tôi cần phải ở đúng phía của những con robot, vì vậy tôi chuyển đến San Francisco.

Đó là năm 2013. Vẫn còn những ngôi nhà của hacker ở SOMA lúc đó. Tôi đã chuyển vào một trong những ngôi nhà đó, lên một giường trong một phòng với năm người đàn ông khác, và đi làm mỗi sáng tại một công ty khởi nghiệp đã đi qua Y Combinator. Làm việc ở San Francisco, tôi đã dần dần làm quen với mọi người và tìm hiểu những gì tôi quan tâm. Lúc đó, học sâu vẫn đang bắt đầu. Bạn có thể thấy tiềm năng, nhưng vẫn còn nhiều thứ để xây dựng. Sự tò mò này đã thúc đẩy tôi tham gia vào một dự án AI cuối cùng đã dẫn đến Pathmind.

Bạn có thể chia sẻ một số chi tiết về cách Pathmind có thể hỗ trợ các doanh nghiệp?

Các doanh nghiệp có một nhà máy vật lý để quản lý, chẳng hạn như một kho hàng, một nhà máy hoặc một địa điểm khai thác, thường đối mặt với các nhiệm vụ tối ưu hóa phức tạp. Đó là, họ cần phối hợp nhiều thiết bị để đạt được một mục tiêu. Nhiều doanh nghiệp đang cố gắng tối đa hóa sản lượng và hiệu quả, và giảm thiểu chi phí và phát thải carbon. Chúng tôi thiết kế các thuật toán có thể sử dụng dữ liệu thực của họ để chỉ ra những cách mới cho họ để làm cho thiết bị của họ hoạt động. Điều đó có thể áp dụng cho việc lập lịch trình công việc và máy, định tuyến đội xe và quản lý chi phí năng lượng, trong số những thứ khác.

Điều gì là lợi ích của phần mềm mã nguồn mở cho các hệ thống học máy?

Các công ty phần mềm đều là những con thuyền trôi nổi trên biển mã nguồn mở. Cơ sở hạ tầng của các đám mây công cộng chạy trên mã nguồn mở. Nhiều công cụ mà các nhà phát triển sử dụng để xây dựng trang web và ứng dụng học máy cũng là mã nguồn mở. Đó là một hệ sinh thái sôi động. Chúng tôi là những người áp dụng sớm cho các dự án mã nguồn mở thú vị như Ray, giúp bạn khởi động tính toán phân tán cho các khối lượng công việc AI.

Bạn rõ ràng là lạc quan về tương lai của học tăng cường sâu, theo quan điểm của bạn, những loại doanh nghiệp nào được đặt vị trí tốt nhất để tận dụng loại học máy này?

Các công ty chúng tôi thường làm việc có dữ liệu họ sử dụng để theo dõi hoạt động và hiệu suất của mình. Họ thường có hoạt động vật lý mà họ có thể kiểm soát hành vi của thiết bị. Các thuật toán của chúng tôi cần dữ liệu để hiểu môi trường trong đó chúng hoạt động, và chúng cần được trình bày với các hành động để chọn, chẳng hạn như thiết bị để kiểm soát, để chúng có thể có ảnh hưởng đến kết quả. Về cơ bản, các doanh nghiệp có hoạt động vật lý để kiểm soát, có dữ liệu về hoạt động của họ, và một số phân tích ở chỗ cho dữ liệu đó, đang ở vị trí tốt để bắt đầu suy nghĩ về tối ưu hóa như của chúng tôi.

Có điều gì khác mà bạn muốn thảo luận về Pathmind?

Một điều chúng tôi làm mà là liền kề với việc kiểm soát hoạt động vật lý là giúp các doanh nghiệp dự đoán chuỗi thời gian. Vì vậy, dữ liệu như giá hoặc nhu cầu sẽ ảnh hưởng đến cách một công ty hoạt động, và sản xuất bao nhiêu. Để sản xuất đúng số lượng, họ cần biết nhu cầu sẽ là bao nhiêu. Và, để có thể đặt giá chính xác, họ phải có một cái nhìn về sự biến động của giá. Các thuật toán của chúng tôi có thể tạo ra những dự báo đó.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Pathmind.