访谈
TileDB创始人兼CEO斯特拉夫罗斯·帕帕多普洛斯博士 – 采访系列
将 Unite.AI 添加到您在 Google 上的首选来源
TileDB是一种现代数据库，集成了所有数据模式、代码和计算在一个产品中。 TileDB 于2017年5月从MIT和英特尔实验室分拆出来。
(INTC )在2017年2月创立TileDB公司之前，斯特拉夫罗斯·帕帕多普洛斯博士曾是英特尔并行计算实验室的高级研究科学家，并在MIT CSAIL的英特尔科学和技术中心（ISTC）从事大数据研究三年。他还曾在香港科技大学（HKUST）计算机科学与工程系担任访问助理教授约两年。斯特拉夫罗斯在HKUST获得了计算机科学博士学位，师从Dimitris Papadias教授，并在香港中文大学担任研究员，师从Yufei Tao教授。
您之前曾是英特尔并行计算实验室的高级研究科学家，并在MIT CSAIL的ISTC从事大数据研究三年。您能否分享您在那段时间的一些关键亮点？
在我在英特尔实验室和MIT的时间里，我有机会与两个不同科学领域的杰出人物合作：高性能计算（在英特尔）和数据库（在MIT）。我在那段时间里获得的知识和专业知识对我创建一种新型数据库系统的愿景产生了重要影响，这最终成为TileDB的基础。
您能否解释TileDB背后的愿景以及它如何革新现代数据库格局？
过去几年，机器学习和生成式AI应用的采用率大幅增加，帮助组织做出更好的决策。每天，组织都在发现数据中的新模式，并利用这些信息获得竞争优势。这些模式来自日益增长的数据模式谱系，必须被整理和管理才能被利用。从传统的表格数据到更复杂的数据源，如社交帖子、电子邮件、图像、视频和传感器数据，数据的多样性使得数据分析变得更加困难。因此，需要一种新的数据库。TileDB正是为了解决这一问题而创建的。
为什么组织在开发高级分析和机器学习能力之前需要优先考虑其数据基础设施？
在采用AI的热潮中，有一个至关重要且常被忽视的真相：任何AI计划的成功与其底层数据基础设施的质量和性能密切相关。
问题在于，非表格数据被认为是“非结构化”数据，通常以自定义数据格式存储为平面文件，或由专用数据库管理。数据科学家花费大量时间整理数据以便合并。据估计，80-90% 的数据科学家的时间都花在了清理和准备数据上，而不是创建见解。
组织在关注AI和ML应用而忽视强大的数据库基础设施时会遇到哪些常见的陷阱？
组织倾向于关注新鲜事物，如大型语言模型、向量数据库和基于数据基础设施的生成式AI应用。简单来说，如果您的组织这样做，您可能会花费大量时间拼凑数据基础设施，延迟或错过获得见解的机会。
您能否详细解释什么是“自适应”数据库以及为什么这种自适应性对于现代数据分析至关重要？
自适应数据库是一种可以根据所有数据类型进行调整的数据库，无论其模式如何，并以统一的方式存储它们。自适应数据库为通常被认为是“非结构化”的数据提供了结构。据估计，80% 或更多的世界数据是非表格的或非结构化的，大多数AI/ML模型（包括LLM）都是在此类数据上训练的。
TileDB以多维数组的形式存储数据。这种格式与传统数据库相比如何提高性能和成本效率？
多维数组数据库的基本优势在于它可以适应几乎任何数据模式和应用。例如，向量只是一个一维数组。通过为“非结构化”数据提供结构，您可以整合数据基础设施，显著降低成本，消除数据孤岛，提高生产力和安全性。进一步来说，当计算基础设施与数据管理基础设施相结合时，您可以从数据中立即提取价值。
TileDB在哪些显著的用例中显著提高了数据管理和分析性能？
TileDB的第一个用例是存储、管理和分析大量基因组数据，这在传统的表格数据库中很难且昂贵。我们观察到性能有了惊人的提高（在许多情况下比其他数据库和定制解决方案快100倍）。但是，我们的多维数组模型是通用的，可以高效地捕获其他数据模式。例如，TileDB非常适合处理生物医学图像、卫星图像、单细胞转录组学和点云数据，如LiDAR和SONAR。
TileDB提供开源工具以实现互操作性。开源方法如何造福科学和数据科学界？
我们是开源的忠实拥护者。核心库和数据格式规范都是开源的。此外，我们的生命科学产品，建立在核心数组库之上，也是开源的。这包括TileDB-SOMA，一种用于高效和可扩展的单细胞数据管理的软件包，该软件包是与Chan Zuckerberg基金会合作开发的，并支持CELLxGENE Discover Census——世界上最大的、完全策划的单细胞数据集。这也是开源的，并被全球的学术机构和大型制药公司使用。
您认为数据管理的未来趋势是什么？
随着数据变得更加丰富，AI应用变得更加智能。大型语言模型变得更加强大，利用多种数据模式，并将这些LLM与多样化的数据集集成，开启了AI的一个新前沿领域，即多模态AI。
实际上，多模态AI意味着用户不再局限于一种输入和一种输出类型，可以使用几乎任何输入类型来生成几乎任何内容类型。我们认为TileDB是支持多模态AI的理想数据库，能够支持任何新出现的数据类型。
感谢您的精彩评论，希望了解更多的读者请访问TileDB。
