Edward Cui, Người sáng lập & Giám đốc điều hành của Graviti – Loạt phỏng vấn

Edward Cui là Người sáng lập & Giám đốc điều hành của Graviti, một công ty xây dựng nền tảng dữ liệu thế hệ tiếp theo sẽ thay đổi cơ bản cách các nhà phát triển tương tác với dữ liệu không cấu trúc. Với Graviti, các nhà phát triển AI có thể thu thập, lưu trữ và xử lý dữ liệu nhanh chóng và dễ dàng hơn – nền tảng cần thiết để tận dụng trí tuệ nhân tạo để trao quyền cho tất cả các ngành công nghiệp.

Bạn bắt đầu nghiên cứu đại học của mình như một kỹ sư cơ khí, điều gì gây ra sự thay đổi sang khoa học máy tính và trí tuệ nhân tạo?

Tôi thực sự đã nghiên cứu kỹ thuật cơ khí như một sinh viên năm nhất vào năm 2012. Tôi đã tham gia một lớp học về học máy tại Đại học Pennsylvania, điều đó thật tuyệt vời, và tôi biết đó là tương lai và điều mà tôi muốn làm trong sự nghiệp của mình. Sau lớp học đó, tôi chuyển sang khoa học máy tính.

Sau khi tốt nghiệp, tôi đã thực hiện nghiên cứu về học tăng cường tại Đại học Pennsylvania. Vào năm 2015, người cũ của tôi, Jeff Snyder, đã gia nhập Uber và mời tôi tham gia Uber ATG. Đó là bắt đầu sự nghiệp của tôi trong ngành xe tự lái.

Có thể bạn chia sẻ câu chuyện về sự ra đời của Graviti?

Làm việc tại Uber rất phức tạp vào đầu tiên vì mọi người không sử dụng các mô hình học máy lớn và chúng tôi thiếu sức mạnh tính toán và nền tảng quản lý dữ liệu để đào tạo mô hình. Dữ liệu chúng tôi thu thập cho xe tự lái đều là dữ liệu không cấu trúc. Ví dụ, chúng là hình ảnh, video, điểm LIDAR. Tất cả loại dữ liệu từ cảm biến thế giới thực và chúng tôi thu thập một lượng lớn dữ liệu không cấu trúc mỗi ngày. Chúng tôi đã thực hiện một thống kê cho thấy số lượng dữ liệu chúng tôi thu thập trong một bộ phận xe tự lái trong một tuần bằng với số lượng dữ liệu chúng tôi thu thập cho toàn bộ doanh nghiệp nhà hàng toàn cầu trong một năm. Một lượng lớn dữ liệu không cấu trúc tích lũy mỗi ngày và điều đó tạo ra nhiều vấn đề về cách lưu trữ dữ liệu, cách quản lý dữ liệu và cách sử dụng dữ liệu để tạo ra giá trị cho các tổ chức khác nhau.

Sau ba năm làm việc tại Uber, tôi đã nhìn thấy cơ hội để cải thiện cách quản lý dữ liệu không cấu trúc lớn. Vì vậy, tôi đã thành lập Graviti vào năm 2019 để đẩy nhanh sự đổi mới trong AI bằng cách xây dựng nền tảng quản lý dữ liệu không cấu trúc.

Có thể bạn thảo luận về cách Graviti là một nền tảng để quản lý và cấu trúc dữ liệu ở quy mô lớn?

Graviti nhằm mục đích ra mắt nền tảng dữ liệu đầu tiên cho phép các tổ chức làm việc với lượng lớn dữ liệu không cấu trúc để cung cấp năng lượng cho các ứng dụng AI sáng tạo. Nền tảng này loại bỏ sự phức tạp và giúp các nhà phát triển quản lý lượng lớn dữ liệu không cấu trúc với đội ngũ.

Khi mà phần lớn thông tin có sẵn trong phát triển AI là thấp chất lượng và không cấu trúc, các đội ngũ phát triển thường dành hơn 50% thời gian của họ – không phải để xây dựng mô hình – mà để xác định, tăng cường hoặc làm sạch dữ liệu không cấu trúc, và đó chỉ là bắt đầu công việc của họ. Graviti cung cấp một cách quản lý dữ liệu chuyên gia hơn để giải phóng các nhà phát triển và cho họ nhiều thời gian hơn để phân tích dữ liệu không cấu trúc và đào tạo mô hình trí tuệ nhân tạo.

Chúng tôi giúp các nhà phát triển trong ba chiều: khám phá dữ liệu, lặp lại dữ liệu và tự động hóa quy trình.

Khám phá dữ liệu:

Graviti cung cấp tính năng lưu trữ dữ liệu giúp tổ chức dữ liệu thô, chú thích và siêu dữ liệu dễ dàng hơn bằng cách thống nhất định dạng tập dữ liệu và chú thích. Khi các nhà phát triển AI truy cập các tập dữ liệu khác nhau thông qua Graviti, họ không cần phải chuyển đổi định dạng dữ liệu, điều này đơn giản hóa việc quản lý, truy vấn, truy cập và các hoạt động khác liên quan đến chú thích. Graviti giúp giảm thiểu cơ hội mất mát dữ liệu thô hoặc mất chú thích. Hơn nữa, nền tảng Graviti có thể giúp các nhà phát triển đánh giá chất lượng của các tập dữ liệu với tính năng trực quan hóa dữ liệu, điều này tiết kiệm ít nhất tám giờ mỗi tuần cho các nhà phát triển.

Lặp lại dữ liệu:

Khi các nhà phát triển đào tạo mô hình trí tuệ nhân tạo của họ, họ cần phải thử nghiệm với các tập dữ liệu khác nhau để xem kết quả và ghi chú lại. Thách thức là theo dõi các chỉnh sửa và phiên bản khác nhau với các thành viên trong đội ngũ làm việc trên cùng một dự án. Graviti cung cấp giải pháp bằng cách cho phép phân bổ các cấp độ quyền truy cập khác nhau cho nhân viên để họ có thể tải lên chú thích của mình và theo dõi tiến độ của dự án và làm việc đồng thời.

Tự động hóa quy trình:

Với tính năng gọi là “Hành động”, các kỹ sư có thể tự động hóa quy trình và giảm thiểu các công việc thủ công, tốn thời gian và lặp đi lặp lại. Điều này giải phóng các nhà phát triển khỏi việc viết các tập lệnh thủ công lớn để đạt được các quy trình này và mở ra thời gian cho họ để thực hiện công việc họ cần làm.

Tại sao dữ liệu không cấu trúc là tương lai của AI?

Hơn 80% dữ liệu doanh nghiệp là không cấu trúc hiện nay, bao gồm hình ảnh, bản ghi, video, bài đăng trên mạng xã hội, v.v. AI là chìa khóa để cung cấp giá trị từ dữ liệu không cấu trúc. Các doanh nghiệp bắt đầu tận dụng dữ liệu không cấu trúc để hỗ trợ nghiên cứu và phân tích sâu hơn.

Graviti gần đây đã ra mắt OpenBytes, một dự án dữ liệu mở phi lợi nhuận được tổ chức dưới sự bảo trợ của Linux Foundation. Có thể bạn thảo luận về OpenBytes là gì?

Nhiệm vụ của OpenBytes là tạo điều kiện cho việc chia sẻ dữ liệu rộng rãi hơn trong cộng đồng AI thông qua việc tạo ra các tiêu chuẩn dữ liệu, định dạng và quy trình cho phép đóng góp dữ liệu. Phạm vi của OpenBytes bao gồm việc thu thập các tập dữ liệu mở, các thông số kỹ thuật dữ liệu mở và phát triển hợp tác theo các giấy phép mở hỗ trợ cho nhiệm vụ, bao gồm tài liệu, kiểm tra, tích hợp và việc tạo ra các artifact khác giúp cho sự phát triển, triển khai, vận hành hoặc áp dụng dự án mã nguồn mở.

OpenBytes có thể giảm thiểu rủi ro trách nhiệm pháp lý của người đóng góp dữ liệu. Người nắm giữ dữ liệu không muốn chia sẻ dữ liệu của họ công khai do thiếu kiến thức về giấy phép dữ liệu. Khi người đóng góp dữ liệu tham gia OpenBytes, dữ liệu của họ sẽ được bảo vệ và nhiều dữ liệu mở hơn sẽ được truy cập.

Chúng tôi cũng đang tạo ra một định dạng dữ liệu tiêu chuẩn khi xuất bản, chia sẻ và trao đổi dữ liệu. Một định dạng thống nhất sẽ giúp người đóng góp dữ liệu hiểu được các tập dữ liệu và tìm thấy dữ liệu liên quan mà họ cần, dẫn đến việc đóng góp các tập dữ liệu mở chất lượng cao hơn.

Có lợi gì khi sử dụng các tập dữ liệu mã nguồn mở?

Chúng mang lại lợi ích cho các nhà nghiên cứu vì các nhà khoa học có nhiều tài nguyên miễn phí để sử dụng và đào tạo mô hình.

Chúng mang lại lợi ích cho các doanh nghiệp, những doanh nghiệp sử dụng các tập dữ liệu để bắt đầu xây dựng khả năng AI và tăng cường chuyển đổi từ các doanh nghiệp truyền thống sang các doanh nghiệp AI.

Graviti xác thực chất lượng của các tập dữ liệu như thế nào?

Ngay cả các tập dữ liệu phổ biến như COCO và KITTI cũng không hoàn hảo cho các nhà phát triển. Các lỗi luôn xảy ra khi các nhà phát triển đào tạo mô hình và không ai tìm ra cách cải thiện chất lượng tập dữ liệu. Graviti tin rằng một mô hình đánh giá tập dữ liệu sẽ được thiết lập hoặc một cuộc cách mạng kỹ thuật khác sẽ giúp cộng đồng giải quyết vấn đề này, và đó cũng là một phần trong nhiệm vụ của Graviti để đạt được trong tương lai.

Visions của bạn cho tương lai của cách các nhà phát triển truy cập dữ liệu là gì?

Đối với một lượng nhỏ dữ liệu, các nhà phát triển nên có thể truy cập dữ liệu đó dễ dàng. Đối với lượng lớn dữ liệu, như các tập dữ liệu đa dạng để đào tạo mô hình, công nghệ học liên kết sẽ giúp làm việc theo cách hợp tác bằng cách tách khả năng học máy khỏi việc lưu trữ dữ liệu trên một máy chủ trung tâm.

Có điều gì khác mà bạn muốn chia sẻ về Graviti?

Graviti cũng đang phát triển. Chúng tôi lắng nghe phản hồi từ khách hàng của mình, bao gồm các công ty khởi nghiệp, doanh nghiệp, nhà phát triển cá nhân và nhà nghiên cứu. Chúng tôi cũng chào đón mọi cơ hội hợp tác hoặc đối tác từ mọi người.

Chúng tôi thấy cơ hội lớn trong phát triển AI từ dữ liệu mở trong tương lai gần. Chúng tôi xây dựng một cộng đồng cho việc chia sẻ và đóng góp dữ liệu mở. Điều này sẽ mang lại lợi ích không chỉ cho các nhà nghiên cứu để đẩy ranh giới của khoa học xa hơn, mà còn cho các doanh nghiệp để tinh chỉnh mô hình của họ và phát triển công nghệ trong một môi trường có lợi lẫn nhau.

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