Edo Liberty, Người sáng lập và Nhà khoa học trưởng tại Pinecone – Loạt phỏng vấn

Edo Liberty, Người sáng lập và Nhà khoa học trưởng tại Pinecone, là một chuyên gia hàng đầu về hệ thống dữ liệu lớn và học máy. Trước khi thành lập Pinecone – cơ sở dữ liệu vector được xây dựng cho hiệu suất và quy mô – ông từng là Giám đốc Nghiên cứu tại AWS và Trưởng phòng Phòng thí nghiệm Trí tuệ nhân tạo Amazon (AMZN ), nơi nhóm của ông đã phát triển các công nghệ cốt lõi đằng sau SageMaker, OpenSearch, Kinesis và nhiều hơn nữa. Ông trước đây đã lãnh đạo phòng nghiên cứu New York của Yahoo, nơi phát triển các nền tảng và ứng dụng học máy trên các lĩnh vực tìm kiếm, quảng cáo và bảo mật. Công việc của ông tập trung vào các thuật toán và nền tảng toán học để xử lý các tập dữ liệu lớn, bao gồm giảm chiều, phân cụm, truyền trực tuyến và đại số tuyến tính lớn.

Pinecone là một cơ sở dữ liệu vector được quản lý hoàn toàn, được xây dựng để cung cấp khả năng tìm kiếm hiệu suất và hiệu quả trên các tập dữ liệu lớn và động. Nó hỗ trợ cả embeddings dày và thưa, lập chỉ mục thời gian thực và lọc dựa trên siêu dữ liệu trong khi tích hợp liền mạch với các đám mây, mô hình và khuôn khổ hàng đầu. Với khả năng tự động mở rộng không cần máy chủ, bảo mật cấp doanh nghiệp và các tiêu chuẩn tuân thủ như SOC 2, ISO 27001, GDPR và HIPAA, Pinecone cung cấp một nền tảng đáng tin cậy cho việc triển khai các ứng dụng trí tuệ nhân tạo quy mô lớn.

Bạn đã thành lập Pinecone vào năm 2019 sau khi lãnh đạo nghiên cứu tại Amazon AI Labs và xây dựng các hệ thống như SageMaker. Điều gì đã truyền cảm hứng cho bạn để thành lập Pinecone và tập trung cụ thể vào cơ sở dữ liệu vector?

Tại AWS, nhóm ML của chúng tôi đã xây dựng các hệ thống tuyệt vời, nhưng khi nói đến bộ nhớ, không có cách nào để tìm kiếm ngữ nghĩa qua lượng lớn dữ liệu không cấu trúc. Nó đòi hỏi các kỹ sư chuyên môn cao biết cách xây dựng các giải pháp tìm kiếm vector phức tạp. Tôi biết rằng nếu có cách cho mọi người dễ dàng truy cập vào sự phong phú ngữ nghĩa mà vector nắm bắt và kết hợp nó với các mô hình tinh vi, thì bất kỳ ai cũng có thể tăng tốc giá trị của AI cho chính mình. Vì vậy, tôi rời AWS với mục tiêu thực sự biến đổi cách thức để làm cho nó trở nên đơn giản nhất có thể để tận dụng tối đa giá trị của dữ liệu không cấu trúc độc quyền bằng sức mạnh của AI.

Pinecone đã phát triển thành công ty định nghĩa trong không gian cơ sở dữ liệu vector. Nhìn lại, những thách thức kỹ thuật hoặc thị trường lớn nhất mà bạn phải vượt qua để thiết lập danh mục này mới?

Thách thức lớn nhất? Không ai biết cơ sở dữ liệu vector là gì! Chúng tôi phải giáo dục thị trường về những gì chúng tôi đang xây dựng và tại sao nó lại quan trọng. Chúng tôi hỏi khách hàng của mình gọi nó là gì và họ nói với chúng tôi rằng đó là cơ sở dữ liệu vector.

Khi những người khác bắt đầu nhận ra, họ sẽ hỏi tại sao họ không thể sử dụng mã nguồn mở? Và chúng tôi phải giải thích tất cả các hạn chế của mã nguồn mở và các giao dịch giữa hiệu suất và quy mô – và sau tất cả, bạn vẫn sẽ cần các kỹ sư có kinh nghiệm để xây dựng cơ sở hạ tầng của mình. Đó là lý do tại sao chúng tôi luôn là một dịch vụ được quản lý và tập trung vào trải nghiệm người dùng. Hệ thống của chúng tôi cực kỳ phức tạp dưới mui nhưng chúng tôi làm cho nó trở nên dễ tiếp cận với một cuộc gọi API mà bất kỳ nhà phát triển nào cũng có thể sử dụng.

Bạn đã chuyển từ vai trò CEO sang Nhà khoa học trưởng, đưa Ash Ashutosh vào lãnh đạo công ty. Điều gì đã thúc đẩy quyết định này và bạn nhìn thấy vai trò của mình sẽ phát triển như thế nào trong giai đoạn tiếp theo của Pinecone?

Pinecone, với tư cách là một công ty, là một công ty trí tuệ nhân tạo và nghiên cứu. Chúng tôi đã đến nơi chúng tôi đang ở ngày hôm nay vì chúng tôi đã định nghĩa lại tìm kiếm, hệ thống và thuật toán. Và chúng tôi đã rất tích cực trong việc học thuật, xuất bản báo cáo kỹ thuật và bài viết, trình bày và giáo dục thị trường, thậm chí viết sách giáo khoa và giảng dạy các khóa học về AI và Bộ nhớ. Khi công ty phát triển, chúng tôi cần chính thức hóa những nỗ lực này dưới một phòng thí nghiệm nghiên cứu tách biệt với phần còn lại của doanh nghiệp. Hãy nghĩ về DeepMind và Google (GOOGL ) như một ví dụ. Trong tương lai, tôi sẽ tập trung năng lượng của mình vào việc lãnh đạo nghiên cứu của chúng tôi, làm cho AI trở nên thông minh và xây dựng các sản phẩm tiếp theo từ Pinecone.

Trong bài đăng trên blog của bạn, bạn đã viết về việc tập trung vào “làm cho AI trở nên thông minh”. Bạn có thể giải thích điều đó trong thực tế và làm thế nào công nghệ của Pinecone lại được định vị độc đáo để cho phép nó?

AI mà không có bộ nhớ giống như một người thông minh với chứng mất trí nhớ: nhiều trí tuệ, nhưng không có ngữ cảnh. “Làm cho AI trở nên thông minh” có nghĩa là cung cấp cho các hệ thống AI khả năng truy cập, hiểu và lý luận trên lượng lớn thông tin trong thời gian thực.

Chúng tôi đang cho phép các ứng dụng AI cung cấp thông tin phù hợp trong thời gian thực, được rút ra từ dữ liệu được hiểu và tổ chức ngữ nghĩa, đồng thời đảm bảo rằng các hệ thống AI không chỉ đoán mà có thể truy xuất và tổng hợp kiến thức theo yêu cầu. Điều này dẫn đến đầu ra chính xác, thông tin và cập nhật hơn cho người dùng cuối.

Với vai trò là Nhà khoa học trưởng, bạn sẽ trực tiếp hơn với dữ liệu, mô hình và nguyên mẫu. Những lĩnh vực nghiên cứu nào bạn đang muốn khám phá sâu sắc nhất hiện nay?

Ồ, từ đâu tôi bắt đầu? Đối với ngắn hạn – trung hạn, tôi đang tìm hiểu về hiệu quả và sự dễ sử dụng. Chúng tôi có thể làm cho tìm kiếm vector nhanh hơn 10 lần trong khi làm cho nó rẻ hơn 10 lần không? Chúng tôi có thể làm cho các API của mình trở nên đơn giản hơn so với ngày hôm nay không? Đây là những vấn đề khó.

Đối với dài hạn, tôi bị ám ảnh bởi sự giao nhau giữa tìm kiếm và suy luận. Làm thế nào để xây dựng các hệ thống không chỉ tìm thấy các事 thực liên quan mà còn hiểu mối quan hệ giữa chúng? Và sau đó sử dụng ngữ cảnh đó để tạo ra AI thông minh và các tác nhân mạnh mẽ hơn.

Cuối cùng, trên mức độ cá nhân: bước xuống từ vai trò CEO, điều gì khiến bạn hào hứng nhất về sự chuyển đổi này và những đột phá nào bạn hy vọng sẽ mở khóa trong giai đoạn tiếp theo của Pinecone?

Tôi hạnh phúc nhất khi tôi sâu trong mã, làm việc với nhóm nghiên cứu của chúng tôi, có những khoảnh khắc “wow, điều này thực sự hoạt động!” vào lúc 2 giờ sáng.

Giấc mơ của tôi? Làm cho tìm kiếm trở nên tốt đến mức nó trở nên vô hình. Ở đó, các nhà phát triển có thể xây dựng các ứng dụng ngữ cảnh mà không cần suy nghĩ về các bản nhúng, chỉ mục hoặc bất cứ điều gì khác và nó chỉ hoạt động.

Chúng tôi đang ở trong một thời điểm tuyệt vời khi AI và dữ liệu đang hội tụ. Tiềm năng là vô tận và tôi được phép dành những ngày của mình để biến tương lai đó thành hiện thực.

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