DataRoboti tegevjuht kutsub üles looma tehisintellekti demokratiseerimise uut ajastut

See artikkel avaldati algselt VentureBeat ja on loal reprodutseeritud.

Dan Wright sai just DataRoboti tegevjuhiks. Ettevõtte väärtus on enam kui 2.7 miljardit dollarit ja mis lubab automatiseerida tehisintellekti mudelite loomist, juurutamist ja haldamist viisil, mis muudab tehisintellekti kättesaadavaks igale organisatsioonile.

Pärast DataRoboti platvormi versioon 7.0, ütles Wright väljaandele VentureBeat, et tööstus nõuab tehisintellekti demokratiseerimise uut ajastut, mis välistab sõltuvuse andmeteaduse meeskondadest. Ta selgitas, et manuaalsed masinõppeoperatsioonid (MLOps) ei suuda lihtsalt muutuvate äritingimustega sammu pidada.

Seda intervjuud on muudetud lühiduse ja selguse huvides.

VentureBeat: Nüüd, kui olete tegevjuht, mis on peamine missioon?

Dan Wright: See, mida ma üritan juhtida, on AI demokratiseerimine. Varem on AI olnud mingi moesõna. See on olnud peamiselt eksperimentaalne. Teil olid andmeteadlased, kes töötavad erinevate andmeteaduse projektidega. Kuid paljud mudelid, mille kallal nad töötasid, ei jõudnud kunagi tootmisse ega lisanud väärtust. See, mida me praegu teeme, on lubada oma platvormi kasutada nii inimestel, kes ei ole andmeteadlased, kui ka andmeteadlastel, et luua ärialast ülevaadet ja teha jooksvalt paremaid otsuseid. Sellised võimalused on praegu piiramatud, nii et me oleme tõesti sellele keskendunud.

VentureBeat: DataRobot andis just platvormile välja versiooni 7.0 värskenduse. Millised on tipphetked?

Dan Wright: Meil on platvormi kõikidele meie toodetele täiustusi. Saame jälgida ja hallata kõiki teie mudeleid, olenemata nende elukohast. Need võivad olla täiesti väljaspool DataRobotit ja anda siiski hoiatusi, kui esineb täpsust või mudeli triivi. Teine asi on anomaaliate tuvastamine. Üks asi, mis minevikus juhtus, on see, et mudel visatakse minema, kui seal oli mingi anomaalne andmeosa. Nüüd saame teile tegelikult öelda, et see on anomaalia, ja küsida, kas seda tuleks tähelepanuta jätta. Nii ei viska te oma modelle maha.

Teine asi, mida oleme teinud, on see, et oleme loonud nn oma rakenduste koostaja, mis muudab meil palju lihtsamaks erinevate kasutusjuhtude jaoks rakenduste loomise platvormi peal. Loome nendest AI-toega rakendustest ökosüsteemi. Seejärel olid eelarvamuste ja õigluse tuvastamise ümber mõned lisafunktsioonid. Meie filosoofia on see, et me peame teid hoiatama, kui teie mudeliga seoses on mingisuguseid eelarvamusi või õiglusega seotud probleeme, ning seejärel lubama teil mudelit konfigureerida nii, nagu teie enda eetika ja väärtuste alusel sobivaks peate.

VentureBeat: enamiku AI-mudelite ehitamiseks ja hooldamiseks on vaja palju käsitsi teha. Kas me oleme sellest kaugemale jõudmas? Kas me vaatame AI industrialiseerimist?

Wright: Ma arvan, et see on õige. Oleme näinud palju seda, mida ma nimetan eksperimentaalseks AI-ks, kus inimesed kasutavad eraldatud punktlahendusi ja avatud lähtekoodiga tööriistu. See on olnud natuke must kast. Need päevad on möödas. Nüüd on tegemist AI industrialiseerimisega, kasutades täielikku süsteemi alates andmete ettevalmistamisest kuni kõigi teie tootmismudelite jälgimiseni ja haldamiseni. See on otsuseteave konkreetsete kasutusjuhtude kohta. Ma arvan, et me näeme tõesti, kuidas tehisintellekt tõuseb ja muutub tõeliseks, isegi nende inimeste jaoks, kes võisid minevikus ebaõnnestuda.

VentureBeat: kui palju andmeteaduse teadmisi lõpuks vaja on? Kas organisatsioonid vajavad andmeteadlast?

Wright: DataRoboti idee on automatiseerida palju asju, mida andmeteadlased olid varem käsitsi teinud. Te ei pea olema väga kõrgelt kvalifitseeritud andmeteadlane, et luua tehisintellektiga väärtust, et teadmisi saada. Ärianalüütik, insenerid ja juhid saavad kõik mudelid tootmisse viia ning seejärel kõiki neid mudeleid jälgida ja hallata. On tõesti oluline, et lisate platvormile andmeteaduse parimad tavad ning et kõik on usalduse ja juhtimisega täielikult seletatav. See demokratiseerib tehisintellekti, kuid kaitsepiiretega, et inimesed ei satuks hätta.

VentureBeat: millist mõju avaldas COVID-19 pandeemia põhjustatud majanduslangus tehisintellekti kasutuselevõtule?

Wright: Ma arvan, et oli paar võimalust. Üks on see, et kõikumine on olnud nii suur, et inimene ei suuda kõiki neid andmeid vastu võtta, kui need nii kiiresti muutuvad. Teil on vaja tehisintellekti, et mõista, mis tulevikus toimub. Kui olete suur jaemüüja, kes üritab kindlaks teha, mitu purki maapähklivõid konkreetses poes vaja läheb, on see pandeemiasse sattudes uskumatult keeruline ja järsku avanevad ja suletakse poed.

Teine asi, mida me pandeemiaga tõesti nägime, oli see, et tootmises kasutati juba tehisintellekti mudeleid. Inimesed ärkasid ja mõistsid, et neil polnud aimugi, mis nende modellidega toimub. Neil polnud neile mingit nähtavust. Nad teadsid ainult seda, et need olid suure tõenäosusega ebatäpsed, kuna kõik andmed olid täielikult muutunud. Oleme näinud meie masinõppeoperatsioonide (MLOps) väga laialdast kasutuselevõttu, mis on meie platvormi osa, mis võimaldab teil jälgida ja hallata kõiki oma erinevaid mudeleid, sealhulgas mudelit, mis on loodud käsitsi Pythoni või mis tahes avatud lähtekoodiga. tööriist. Kui on mingit triivi, saate tegelikult taustal käivitada väljakutsete mudeleid. Enam pole vastuvõetav lihtsalt öelda, et hakkan mudelit tootma ja tulen kuue kuu pärast tagasi ja vaatan, kas see on ikka õige. Peate seda reaalajas haldama ja andmete muutumisel värskendama.

VentureBeat; Kas MLOps muutub lõpuks lihtsalt olemasolevate IT-toimingute elemendiks?

Wright: What we’re really starting to see is an end-to-end system. I don’t think it’s going to be so much about just MLOps in the future, I think it’s going to be about monitoring the entire lifecycle of a model and continually updating it as data is changing. What makes what we do really powerful is we don’t just have MLOps. We have MLOps for all of your mod
els, but most importantly we combine that with automated machine learning. We’re constantly running challenger models in the background and updating the models as the data is changing to do continuous learning. That’s what you’re going to see in the future. It’s not going to be about working for six months to get a model into production.

VentureBeat: tundub, et MLOps laenab kontseptsioone, mille algselt tegid DevOpsi praktikud. Milline saab olema suhe?

Wright: Ma arvan, et see on sarnane, kuid võimsam. Platvorm automatiseerib paljud asjad, mida varem tehti käsitsi.

VentureBeat: enamik AI mudeleid sõltuvad andmete kvaliteedist, kuid ettevõtte andmete kvaliteet on sageli kahtlane. Kas on mingi viis selle põhiprobleemi lahendamiseks?

Wright: Masinõppe rakendamiseks peate suutma andmete märgistamise ja puhastamise protsessi automatiseerida. Ostsime 2019. aasta detsembris Paxata, mis oli andmete ettevalmistamisele keskendunud ettevõte. Oleme selle nüüd oma platvormi integreerinud. Teine asi, mis on tõesti oluline, on andmete vastuvõtmine kõikjalt, kus need asuvad. Üks asi, millele oleme tõesti keskendunud, on võimalus ühendada mis tahes andmeallikaga, olenemata sellest, kas see on salvestatud kohapeal või mis tahes pilve. Meil on suurepärane partnerlus Snowflake'iga, kes tegi oma esimese strateegilise investeeringu DataRobotisse. See on paljude ettevõtete jaoks suur valupunkt. Paljud ettevõtted on varem AI-d proovinud, kuid nad ei saanud kunagi Data Prepi sammust edasi. Me tõesti lahendame selle, automatiseerides suure osa andmete ettevalmistamisega seotud protsessidest.

VentureBeat: enamik tehisintellekti treeninguid toimub tänapäeval pilves. Kas tehisintellekti mudelite väljaõpe liigub peagi täielikult üle servaarvutusplatvormidele?

Wright: Me juba näeme seda ja see avab uusi võimalusi. Teine asi, mida me näeme, on AI-d, mida kasutatakse praegu erinevat tüüpi andmeallikates, mis varem polnud võimalikud. Meil on nüüd võimalus võtta mitte ainult tekstiandmeid, vaid ka pildiandmeid, georuumilisi andmeid ja palju muud tüüpi andmeid. Saate need kõik ühendada üheks mudeliks ning luua ennustusi ja otsustusandmeid. Inimestel on kõik need erinevad meeled. Nüüd on AI-l kõik need erinevad meeled ja serv on kindlasti suund, kuhu see tehnoloogia liigub.

VentureBeat: kas algoritmid saavad kunagi piisavalt targad, et öelda meile mitte vastust küsimusele, vaid ka õigeid küsimusi, mida küsida?

Wright: Kuidas me seda vaatame, on see, et soovite, et tehisintellekt muutuks võimalikult nutikaks. See nõuab, et teil oleks võimalikult palju andmeid ja et te täiustaksite pidevalt oma algoritme. Kuid see ei puuduta ainult tehisintellekti või masinintellekti. See on inimese intelligentsuse ja masinintelligentsuse kombinatsioon. Just see loob tulevikus suurepäraseid võimalusi igas tööstusharus. Alati on ringis inimene. Ma arvan, et tehisintellekt ei saa olla liiga tark, kui sul on see inimene ringis.

VentureBeat: kas on võimalik, et ühel päeval vastuolulistel eesmärkidel loodud AI-mudelid üksteist lõpuks nullivad?

Wright: Ma vastan sellele küsimusele paaril viisil. Me näeme kiirust selle tehnoloogia kasutuselevõtuga. Paljud inimesed on nimetanud seda neljandaks tööstusrevolutsiooniks, kuid alati on esimene liikuja eelis. AI puhul on see veelgi suurem tänu tagasisideahelale, mille saate pidevalt paremaks muutuvate algoritmidega. Tehisintellekti liidrid on järgmisel kümnendil suured võitjad ja kaotajad ei pruugi kunagi järele jõuda. Tehnoloogia kasutuselevõtt on väga kiireloomuline. Kuid on ebatõenäoline, et inimesed võtavad selle täpselt sama kiirusega omaks, kuid ütleme vaidluse huvides. Lõppkokkuvõttes saate palju tõhusama turu.

VentureBeat: milline on teie parim tehisintellekti nõuanne praegu organisatsioonidele?

Wright: Liiga vähesed ettevõtted küsivad tegelikult seda, mis peaks olema ilmne küsimus. Millist väärtust minu AI tegelikult pakub? Paljudel inimestel on suured eelarved ja nad on aastaid kulutanud kümneid miljoneid dollareid mõne piirkonna pärandmüüjaga. Nad ei saa mingit väärtust ega isegi tegelikult ei otsi, kas nad saavad mingit väärtust. See pole enam vastuvõetav. Peate reaalajas teadma, milline on väärtus, mida saate kõigist tootmises olevatest mudelitest, ja kus on võimalused suurema väärtuse suurendamiseks? See on võidujooks ja see, kes suudab kõige kiiremini väärtust hankida, võidab turul tõenäoliselt. Teine asi, mis veidi radari alla on lennanud, on see usalduse idee. AI-ga katsetamiseks ei piisa ainult avatud lähtekoodiga tööriistade või hunniku eraldatud lahenduste kasutamisest. Tegelikult on teil vaja süsteemi, mille alusesse on sisse ehitatud usaldus, nii et see pole must kast.

Allikas: https://dataconomy.com/2021/03/datarobot-ceo-calls-new-era-democratization-ai/