Pathmind创始人兼CEO Chris Nicholson – 采访系列

Chris Nicholson 是 Pathmind 的创始人，Pathmind 是一家应用深度强化学习于供应链和工业运营的 AI 初创公司。Pathmind 成立的目的是帮助企业处理深度经济变化，并通过 AI 增强其运营的韧性。Chris 负责公司的战略愿景和日常执行，推动 Pathmind 技术平台的创新和增长，并在仓库和工厂车间中优化性能，作为商业数字化转型的一部分。

此前，Chris 曾是 Skymind 的 CEO，Skymind 是一家专注于深度学习的 AI 公司。在此之前，他曾在 FutureAdvisor 担任通信和招聘职务，FutureAdvisor 是一家由红杉资本支持的 Y Combinator 初创公司，于 2015 年被 BlackRock (BLK ) 以 2 亿美元收购。Chris 还曾在《纽约时报》、《彭博新闻》和《商业周刊》等媒体担任记者，报道技术和金融新闻，时间长达十年。

您之前曾是《纽约时报》的记者和《彭博新闻》的编辑，后来您转向了机器学习领域。您能否讨论一下您职业路径的转变背后的故事？

当我还是记者的时候，在 2000 年代和 2010 年代初期，新闻业正在遭受着痛苦，因为广告转移到了搜索引擎和社交媒体，而传统出版物也在失去读者。我当时正在报道金融和科技新闻，我看到人们正在构建很多新颖和有趣的东西。有一定的时候，我告诉自己，我需要站在机器人这一边，所以我搬到了旧金山。

那是 2013 年。当时 SOMA 还有黑客之家，我搬进了其中一个，和其他五个家伙一起睡在一个房间里，每天早上都去一家经过 Y Combinator 的初创公司工作。在旧金山工作期间，我逐渐认识了很多人，弄清楚了我感兴趣的东西。当时，深度学习仍然处于起步阶段。你可以看到它的潜力，但仍然有很多东西需要构建。这种好奇心驱使我参与了一个最终导致 Pathmind 成立的 AI 项目。

您能否分享一些 Pathmind 如何帮助企业的细节？

那些拥有物理工厂需要管理的企业，例如仓库、工厂或矿山，通常面临着非常复杂的优化任务。也就是说，他们需要协调大量设备来达到目标。他们中的很多都试图最大化吞吐量和效率，同时最小化成本和碳排放。我们设计算法，可以使用他们的真实数据来展示新的方法，让他们的设备表现出新的行为。这可以应用于作业和机器调度、车队路线和能源成本管理等方面。

开源软件对于机器学习系统有什么好处？

软件公司都像漂浮在开源代码海洋中的小船一样。公有云的基础设施运行在开源代码上。开发者用来构建网站和机器学习应用的许多工具也是开源的。这是一个非常活跃的生态系统。我们是早期采用者，正在为像 Ray 这样的激动人心的新开源项目工作，Ray 帮助您为 AI 工作负载启动分布式计算。

您显然对深度强化学习的未来持乐观态度。在您的看法中，什么类型的企业最适合利用这种类型的机器学习？

我们合作的公司通常拥有他们用来跟踪运营和性能的数据。他们往往拥有物理运营，可以控制设备的行为。我们的算法需要数据来理解它们运作的环境，并需要被呈现以选择的行为，例如控制设备，以便它们能够对结果产生影响。从本质上讲，拥有物理运营、拥有关于这些运营的数据以及一些用于该数据的分析的企业，都处于一个良好的位置，可以开始考虑我们这样的优化。

您是否还有其他关于 Pathmind 的事情想要讨论？

我们做的一件事是帮助企业预测时间序列数据。例如，价格或需求将影响公司的行为和生产量。为了生产正确的数量，他们需要知道将会有多少需求。为了能够正确地设定价格，他们需要对价格波动有所了解。我们的算法能够做出这些预测。

感谢这次精彩的采访，希望了解更多的读者可以访问 Pathmind 的网站。