Nir Bar-Lev, CEO & Co-Founder của Allegro AI – Loạt Phỏng Vấn

Nir Bar-Lev là CEO & Co-Founder của Allegro AI. Allegro AI chuyên giúp các công ty phát triển, triển khai và quản lý các giải pháp máy học và học sâu. Với Allegro AI, các tổ chức đưa ra thị trường và quản lý các sản phẩm chất lượng cao hơn, nhanh hơn và tiết kiệm chi phí hơn. Các sản phẩm dựa trên trình quản lý thí nghiệm ML & DL mở Allegro Trains và gói ML-Ops.

Điều gì ban đầu thu hút bạn đến với AI?

Điều mà tôi đã được thu hút nhiều nhất trong sự nghiệp của mình là việc đưa công nghệ đổi mới đến để giải quyết các vấn đề hoặc cơ hội (và thực sự chúng là hai mặt của cùng một đồng tiền) trên quy mô lớn. Tôi phải thừa nhận rằng thời gian của tôi tại Google (GOOGL ) đã giúp định hình khuynh hướng này.

AI chắc chắn đáp ứng cả hai tiêu chí này. Nó đang ở tại tiền phong của một số công nghệ tiên tiến nhất ngày nay và nó có tiềm năng ảnh hưởng đến gần như mọi khía cạnh của cuộc sống trên hành tinh này.

Bạn đã có một sự nghiệp ấn tượng bắt đầu tại Google với tư cách là người lãnh đạo sản phẩm sáng lập cho nền tảng nhận dạng giọng nói của Google. Bạn có thể thảo luận về những ngày đầu tiên làm việc tại Google và những gì bạn đã học được từ kinh nghiệm này?

Ngay sau khi tốt nghiệp trường kinh doanh Wharton, tôi đã bị thu hút bởi cách Google hoạt động trái ngược với các chuẩn mực kinh doanh đã thành lập về cách điều hành các doanh nghiệp thành công, như được dạy tại các trường kinh doanh tốt nhất trên thế giới và như tôi đã trải nghiệm trong sự nghiệp trước khi vào trường kinh doanh. Tôi nhớ rõ đã thảo luận về điều này với một số đồng nghiệp của mình, những người cũng gia nhập Google vào cùng thời điểm ngay sau khi lấy bằng MBA.

Thật ra, Google đã thay đổi – đến một mức độ nhất định – cuốn sách kinh doanh, nhưng nó cũng tận hưởng một lượng tiền khổng lồ từ hoạt động quảng cáo của mình, cho phép nó thử nghiệm theo những cách mà hầu hết các công ty khác không thể làm được. Tôi có thể chứng thực rằng khi tôi dành một thập kỷ tại Google, nó ngày càng áp dụng các thực tiễn và quy trình kinh doanh “chính thống” đã thành lập khi nó phát triển.

Đối với tôi, lãnh đạo nền tảng nhận dạng giọng nói với tư cách là người quản lý sản phẩm, tôi phải làm việc với các nhà khoa học nghiên cứu. Đây thực sự là một trong những nhóm nghiên cứu đầu tiên tại Google, thực sự về nghiên cứu ứng dụng. Đối với tôi, đây là một thách thức lớn. Các nhà nghiên cứu có những tư duy khác nhau so với các kỹ sư và ở đây, tôi đang cố gắng làm việc với các nhà nghiên cứu thành tựu trong một công ty cực kỳ thiên về kỹ thuật.

Kết quả là những thách thức mà tôi đối mặt cách đây gần 15 năm vẫn rất giống với những vấn đề mà các công ty đang phải đối mặt ngày nay khi cố gắng hòa nhập các nhà khoa học dữ liệu AI vào tổ chức của họ.

Vào năm 2016, bạn tiếp tục trở thành Co-Founder của Allegro AI? Cảm hứng của bạn đằng sau việc thành lập Allegro AI là gì?

Khi thành lập Allegro AI, tôi đã hợp tác với hai đối tác tài năng xuất sắc. Một trong những đối tác của tôi là sinh viên tiến sĩ đầu tiên trong một trong những phòng thí nghiệm AI hàng đầu của Israel, một trong những trung tâm AI hàng đầu trên toàn cầu. Vì vậy, anh ấy thực sự – đối với tôi – là một phần của các nhóm sáng lập ứng dụng AI trong cộng đồng địa phương. Anh ấy có tầm nhìn để thấy rằng việc áp dụng ML / DL trong thực tế sẽ phải đối mặt với một tập hợp các thách thức mới về quy mô, tự động hóa, độ tin cậy, chất lượng và hơn thế nữa. Khi nói chuyện với họ, điều đó trở nên rõ ràng với tôi rằng tôi có thể đóng góp cho đội ngũ từ kinh nghiệm của tôi tại Google và trước đó để thực sự có cơ hội tạo ra một công ty có thể có tác động lớn đến AI thông qua các công cụ chúng tôi cung cấp. Google và một số gã khổng lồ công nghệ khác đang ở trong một vị trí đáng羨 về khả năng thu hút tài nguyên không giới hạn chất lượng cao nhất cho những thách thức này. Nhưng hầu như mọi người khác không thể đủ khả năng (liệu đó là tiếp cận với tài năng, nguồn lực tài chính, tập trung của công ty, v.v.). Vì vậy, đây là một cơ hội để phù hợp chính xác với những gì tôi yêu thích làm nhất (xem q1) và giúp toàn bộ hệ sinh thái.

Allegro AI hoạt động như một nền tảng quản lý máy học và học sâu mã nguồn mở. Bạn có thể thảo luận về lợi ích của việc sử dụng phần mềm mã nguồn mở?

Mã nguồn mở có một số lợi ích. Quan trọng nhất, nó tận dụng cộng đồng rộng lớn hơn để cải thiện sản phẩm chính. Người dùng tìm thấy các lỗi, vấn đề, có một cuộc thảo luận rộng rãi về các tính năng quan tâm; tích hợp vào các công cụ mã nguồn mở khác dễ dàng hơn so với giữa hai tổ chức thương mại với các công cụ mã nguồn đóng; v.v.

Nó cung cấp một mô hình tuyệt vời cho một chiến thắng đôi bên cho cả cộng đồng và công ty đằng sau nó. Nó cho phép dễ dàng thử nghiệm và thậm chí mở rộng cho các tổ chức không / sẽ không trả tiền, và đồng thời cho phép các khách hàng lớn hơn trả tiền cho các tính năng / dịch vụ mở rộng dựa trên một phần mềm được sử dụng rộng rãi (và do đó ít rủi ro hơn) phần mềm.

Allegro AI cung cấp dịch vụ quản lý dữ liệu. Bạn có thể thảo luận về loại công cụ được cung cấp cho dịch vụ này?

Allegro Ai cung cấp cả quản lý dữ liệu có cấu trúc và không có cấu trúc. Tuy nhiên, trong khi có một loạt các giải pháp quản lý dữ liệu có cấu trúc đã được chứng minh, chúng tôi cung cấp một giải pháp độc đáo cho dữ liệu không có cấu trúc.

Cụ thể, điều quan trọng là phải làm rõ loại quản lý dữ liệu mà chúng tôi cung cấp. Ý tưởng không phải là quản lý dữ liệu vật lý mà là quản lý dữ liệu từ góc độ AI. Đối với AI, điều quan trọng là nhóm khoa học dữ liệu phải hiểu dữ liệu họ có trong tay. Với dữ liệu không có cấu trúc, điều đó rất khó. Hãy tưởng tượng hàng nghìn hoặc hàng trăm nghìn giờ video, hoặc audio. Hãy tưởng tượng hàng tỷ tín hiệu cảm biến, v.v.

Các nhà khoa học dữ liệu cần biết sự biến đổi của dữ liệu để phù hợp với các tình huống khác nhau để họ có thể hiệu quả đào tạo mô hình của mình. Họ cần hiểu nếu có những mảnh dữ liệu quan trọng bị thiếu; nếu có những thiên vị hoặc sự nghiêng trong dữ liệu.

Và sau đó – ở phía ngược lại – họ cần có các công cụ để giải quyết những tình huống này một cách hiệu quả về chi phí và nhanh chóng mà không cần phải đi ra ngoài và tìm kiếm dữ liệu vật lý mới và chú thích / gắn nhãn (một việc làm tốn kém và mất thời gian).

Đây chính là loại công cụ mà chúng tôi cung cấp xung quanh khu vực này: các công cụ mạnh mẽ để thực hiện “AI BI (trí tuệ kinh doanh)” trên dữ liệu của bạn ở mức độ chi tiết và tinh tế chưa từng có và ở phía ngược lại, các công cụ để tích hợp chặt chẽ dữ liệu vào các thí nghiệm và mô hình để các nhà khoa học dữ liệu có thể thiết lập các lần chạy đào tạo hiệu quả với dữ liệu hiện có mà không cần viết code.

Trên hết, chúng tôi cung cấp giá trị gia tăng trong việc tối ưu hóa luồng dữ liệu, di chuyển dữ liệu, v.v. Vì chúng tôi đang nói về việc xử lý terabyte dữ liệu. Di chuyển nó xung quanh là tốn kém và các công ty cần một giải pháp để tối ưu hóa điều đó.

Allegro AI cũng cung cấp dịch vụ gia công dữ liệu. Một số dịch vụ có sẵn là gì?

Allegro Ai chủ yếu là một công ty sản phẩm và chúng tôi xem mình cung cấp các công cụ, cơ sở hạ tầng hoặc khung cho các công ty phát triển, triển khai và quản lý sản phẩm với các mô hình AI (DL / ML) tích hợp trong chúng.

Đó nói, đây là một lĩnh vực mới và khách hàng của chúng tôi đôi khi cần giúp đỡ thiết lập các đường ống cụ thể của họ dựa trên các công cụ của chúng tôi, hoặc thậm chí giúp họ khởi động các mô hình của chính họ. Khi những tình huống này xảy ra, chúng tôi cung cấp các dịch vụ phụ trợ cho phần mềm cốt lõi của chúng tôi.

Bạn có thể thảo luận về tầm quan trọng của Học tập Liên bang và cách Allegro AI có thể được sử dụng trong bối cảnh này?

Học tập Liên bang cơ bản là khả năng đào tạo một mô hình AI duy nhất bằng cách tận dụng (đào tạo trên) các tập dữ liệu nằm ở các vị trí vật lý khác nhau mà không cần đưa các tập dữ liệu đó đến một vị trí duy nhất. Chúng tôi cũng cung cấp một phiên bản nâng cao của điều đó, mà chúng tôi gọi là “học tập liên bang mù” hoặc “học tập hợp tác mù” nơi không có thực thể nào trong kịch bản này có quyền truy cập vào dữ liệu không thuộc về nó, bao gồm cả thực thể nhận được mô hình cuối cùng.

Học tập Liên bang quan trọng trong các tình huống mà quyền riêng tư dữ liệu hoặc quy định hoặc IP / bí mật là quan trọng để bảo tồn trong khi đồng thời có sự quan tâm đến việc tận dụng các tập dữ liệu khác nhau. Ví dụ, hai hoặc nhiều bệnh viện hoặc tổ chức y tế muốn hợp tác đào tạo một mô hình cho các bản quét CT; hoặc hai cơ quan chính phủ muốn hợp tác đào tạo một mô hình chống khủng bố dựa trên dữ liệu an ninh quốc gia nhưng vì lý do pháp lý, họ không thể暴露 dữ liệu cho nhau.

Hoặc thậm chí trong các tình huống mà một thực thể duy nhất không thể di chuyển các cửa hàng dữ liệu của mình vì nó quá tốn kém – ví dụ, một nhà sản xuất ô tô toàn cầu đang tìm cách đào tạo xe tự hành bằng cách tận dụng dữ liệu thu thập từ xe hơi trên toàn thế giới.

Allegro AI là một trong số ít công ty trên toàn thế giới có một nền tảng thương mại được chứng minh và thử nghiệm hỗ trợ học tập Liên bang.

Có điều gì khác mà bạn muốn chia sẻ về Allegro AI?

Allegro AI là một lực lượng đang lên trong thế giới các công cụ AI và ML-Ops. Chỉ trong quý vừa qua, trong thời kỳ đầu của đợt khủng hoảng Covid-19, chúng tôi đã trải qua sự tăng trưởng gấp đôi cơ sở khách hàng của mình chỉ trong 3 tháng.

Cảm ơn bạn đã phỏng vấn, những người đọc muốn tìm hiểu thêm nên truy cập Allegro AI.