Data science

DataRobot CEO เรียกร้องให้ 'ยุคใหม่ของการทำให้เป็นประชาธิปไตยของ AI'

บทความนี้เผยแพร่ครั้งแรกที่ VentureBeat และทำซ้ำโดยได้รับอนุญาต Dan Wright เพิ่งเป็น CEO ของ DataRobot ซึ่งเป็นบริษัทที่มีมูลค่ามากกว่า 2.7 พันล้านดอลลาร์ ซึ่งสัญญาว่าจะทำให้การสร้าง การปรับใช้ และการจัดการโมเดล AI เป็นไปโดยอัตโนมัติ ในลักษณะที่ทำให้ทุกองค์กรสามารถเข้าถึง AI หลังจากการเปิดตัวแพลตฟอร์ม DataRobot เวอร์ชัน 7.0 แล้ว Wright บอกกับ VentureBeat ว่าอุตสาหกรรมนี้ต้องการยุคใหม่ของการทำให้ AI เป็นประชาธิปไตย ซึ่งขจัดการพึ่งพาทีมวิทยาศาสตร์ข้อมูล เขาอธิบายว่ากระบวนการเรียนรู้ด้วยตนเอง (MLOps) นั้นไม่สามารถให้ทันกับสภาพธุรกิจที่เปลี่ยนแปลงไป บทสัมภาษณ์นี้ได้รับการแก้ไขเพื่อความกระชับและชัดเจน VentureBeat: ตอนนี้คุณเป็น CEO แล้ว ภารกิจหลักคืออะไร? Dan Wright: สิ่งที่ฉันพยายามผลักดันคือการทำให้ AI เป็นประชาธิปไตย ในอดีต AI เป็นคำศัพท์บางประเภท ส่วนใหญ่เป็นการทดลอง คุณมีนักวิทยาศาสตร์ข้อมูลที่ทำงานในโครงการวิทยาศาสตร์ข้อมูลต่างๆ แต่หลายรุ่นที่พวกเขากำลังทำอยู่นั้นไม่เคยผลิตออกมาจริงหรือเพิ่มมูลค่าใดๆ เลย สิ่งที่เรากำลังทำอยู่ตอนนี้คืออนุญาตให้ผู้ที่ไม่ใช่นักวิทยาศาสตร์ข้อมูล และนักวิทยาศาสตร์ข้อมูลสามารถใช้แพลตฟอร์มของเรา เพื่อสร้างข้อมูลเชิงลึกทางธุรกิจและตัดสินใจได้ดีขึ้นอย่างต่อเนื่อง โอกาสแบบนั้นมีไม่จำกัดในตอนนี้ ดังนั้นเราจึงมุ่งความสนใจไปที่การทำเช่นนั้นจริงๆ VentureBeat: DataRobot เพิ่งเปิดตัวอัปเดตเวอร์ชัน 7.0 สำหรับแพลตฟอร์ม จุดเด่นคืออะไร? Dan Wright: เรามีการปรับปรุงผลิตภัณฑ์ทุกชิ้นของเราภายในแพลตฟอร์ม เราสามารถตรวจสอบและจัดการโมเดลทั้งหมดของคุณได้ ไม่ว่าจะอยู่ที่ใด พวกเขาสามารถอยู่นอก DataRobot ได้อย่างสมบูรณ์และยังคงให้การแจ้งเตือนหากมีความถูกต้องหรือการเลื่อนลอยของโมเดล อีกสิ่งหนึ่งคือการตรวจจับความผิดปกติ สิ่งหนึ่งที่เกิดขึ้นในอดีตคือ โมเดลจะถูกทิ้งเมื่อมีข้อมูลผิดปกติบางอย่าง ตอนนี้เราสามารถบอกคุณได้ว่านี่เป็นความผิดปกติและถามว่าควรละเว้นหรือไม่ ด้วยวิธีนี้คุณจะไม่ทิ้งโมเดลของคุณ อีกสิ่งหนึ่งที่เราทำคือเราได้สร้างสิ่งที่เราเรียกว่าตัวสร้างแอป ซึ่งทำให้ง่ายต่อการสร้างแอปพลิเคชันบนแพลตฟอร์มสำหรับกรณีการใช้งานต่างๆ เรากำลังจะสร้างระบบนิเวศของแอปพลิเคชันที่ขับเคลื่อนด้วย AI เหล่านี้ จากนั้นมีคุณสมบัติเพิ่มเติมบางประการเกี่ยวกับการตรวจจับอคติและความยุติธรรม ปรัชญาของเราคือ เราจำเป็นต้องแจ้งเตือนคุณหากมีอคติหรือปัญหาความเป็นธรรมเกี่ยวกับแบบจำลองของคุณ จากนั้นให้คุณกำหนดค่าแบบจำลองตามที่เห็นสมควรตามจริยธรรมและค่านิยมของคุณเอง VentureBeat: โมเดล AI ส่วนใหญ่ต้องใช้ความพยายามอย่างมากในการสร้างและบำรุงรักษา เราอยู่ในจุดที่จะก้าวไปไกลกว่านั้นหรือไม่? เรากำลังมองหาอุตสาหกรรมของ AI หรือไม่? Wright: ฉันคิดว่ามันตรงประเด็น เราได้เห็นสิ่งที่ฉันเรียกว่า AI แบบทดลอง ซึ่งผู้คนใช้โซลูชันแบบแยกส่วนและเครื่องมือโอเพ่นซอร์ส มันเป็นกล่องดำเล็กน้อย วันเหล่านั้นสิ้นสุดลงแล้ว ตอนนี้เป็นเรื่องของอุตสาหกรรม AI โดยใช้ระบบ end-to-end ตั้งแต่การเตรียมข้อมูลไปจนถึงการตรวจสอบและจัดการโมเดลทั้งหมดของคุณในการผลิต เป็นหน่วยสืบราชการลับในการตัดสินใจเกี่ยวกับกรณีการใช้งานเฉพาะ ฉันคิดว่าเราจะได้เห็น AI เริ่มต้นและกลายเป็นจริง แม้กระทั่งกับคนที่อาจล้มเหลวในอดีต VentureBeat: ในที่สุดจำเป็นต้องมีความเชี่ยวชาญด้านวิทยาศาสตร์ข้อมูลมากแค่ไหน? องค์กรต้องการนักวิทยาศาสตร์ข้อมูลหรือไม่? Wright: แนวคิดทั้งหมดของ DataRobot คือการทำให้หลายสิ่งหลายอย่างเป็นไปโดยอัตโนมัติที่นักวิทยาศาสตร์ด้านข้อมูลเคยทำด้วยตนเองมาก่อน คุณไม่จำเป็นต้องเป็นนักวิทยาศาสตร์ข้อมูลที่มีทักษะสูงเพื่อสร้างคุณค่าด้วย AI เพื่อขับเคลื่อนข้อมูลเชิงลึก นักวิเคราะห์ธุรกิจ วิศวกร และผู้บริหารทุกคนสามารถนำแบบจำลองเข้าสู่การผลิต จากนั้นติดตามและจัดการแบบจำลองทั้งหมดเหล่านั้น เป็นสิ่งสำคัญมากที่คุณจะต้องสร้างแนวทางปฏิบัติที่ดีที่สุดด้านวิทยาศาสตร์ข้อมูลลงในแพลตฟอร์ม และทุกอย่างสามารถอธิบายได้อย่างเต็มที่ด้วยความไว้วางใจและการกำกับดูแล มันเป็นประชาธิปไตยของ AI แต่มีรั้วกั้นเพื่อให้แน่ใจว่าผู้คนจะไม่ประสบปัญหา VentureBeat: ภาวะเศรษฐกิจตกต่ำที่เกิดจากการระบาดใหญ่ของ COVID-19 มีผลกระทบต่อการนำ AI ไปใช้อย่างไร Wright: ฉันคิดว่ามีสองวิธี หนึ่งเป็นเพราะมีความผันผวนมากจนมนุษย์ไม่สามารถรับข้อมูลทั้งหมดนี้ได้ เมื่อมีการเปลี่ยนแปลงอย่างรวดเร็ว คุณต้องการ AI เพื่อทำความเข้าใจกับสิ่งที่เกิดขึ้นในอนาคต หากคุณเป็นผู้ค้าปลีกรายใหญ่ที่พยายามกำหนดจำนวนขวดที่ต้องใช้เนยถั่วในร้านค้าหนึ่งๆ ร้านค้านั้นอาจซับซ้อนอย่างไม่น่าเชื่อเมื่อคุณอยู่ท่ามกลางการระบาดใหญ่ และในทันใดคุณก็มีร้านค้าเปิดและปิด อีกอย่างที่เราเห็นจริงๆ กับการระบาดใหญ่ก็คือมีโมเดล AI ที่ใช้ในการผลิตอยู่แล้ว ผู้คนตื่นขึ้นและตระหนักว่าพวกเขาไม่รู้ว่าเกิดอะไรขึ้นกับโมเดลเหล่านั้น พวกเขามองไม่เห็นพวกเขา ทั้งหมดที่พวกเขารู้ก็คือพวกเขามีแนวโน้มที่จะไม่ถูกต้องเนื่องจากข้อมูลทั้งหมดได้เปลี่ยนแปลงไปโดยสิ้นเชิง เราได้เห็นการใช้งานแมชชีนเลิร์นนิง (MLOps) ในวงกว้างจริงๆ ซึ่งเป็นส่วนหนึ่งของแพลตฟอร์มของเราที่ให้คุณตรวจสอบและจัดการโมเดลต่างๆ ทั้งหมดของคุณ รวมถึงโมเดลที่สร้างขึ้นด้วยตนเองด้วย Python หรือโอเพ่นซอร์สทุกประเภท เครื่องมือ. หากมีการดริฟต์แบบใดก็ตาม คุณสามารถเรียกใช้โมเดลผู้ท้าชิงในเบื้องหลังได้ ไม่ใช่เรื่องที่ยอมรับได้อีกต่อไปที่จะบอกว่าฉันจะได้รับแบบจำลองในการผลิตและกลับมาในอีกหกเดือนและดูว่ายังถูกต้องหรือไม่ คุณต้องจัดการข้อมูลแบบเรียลไทม์และอัปเดตเมื่อข้อมูลมีการเปลี่ยนแปลง เวนเจอร์บีท; ในที่สุด MLOps จะกลายเป็นองค์ประกอบของการดำเนินงานด้านไอทีที่มีอยู่หรือไม่? Wright: สิ่งที่เราเริ่มเห็นคือระบบแบบ end-to-end ฉันไม่คิดว่ามันจะเกี่ยวกับแค่ MLO มากนักในอนาคต ฉันคิดว่ามันจะเกี่ยวกับการตรวจสอบวงจรชีวิตทั้งหมดของแบบจำลองและอัปเดตอย่างต่อเนื่องเมื่อข้อมูลมีการเปลี่ยนแปลง สิ่งที่ทำให้สิ่งที่เราทำมีประสิทธิภาพจริงๆ คือเราไม่เพียงแค่มี MLO เรามี MLOps สำหรับโมเดลทั้งหมดของคุณ แต่ที่สำคัญที่สุดคือเรารวมสิ่งนั้นเข้ากับการเรียนรู้ของเครื่องอัตโนมัติ เรากำลังเรียกใช้โมเดลผู้ท้าชิงอย่างต่อเนื่องในเบื้องหลังและอัปเดตโมเดลในขณะที่ข้อมูลกำลังเปลี่ยนแปลงเพื่อทำการเรียนรู้อย่างต่อเนื่อง นั่นคือสิ่งที่คุณจะเห็นในอนาคต จะไม่เกี่ยวกับการทำงานเป็นเวลาหกเดือนเพื่อนำแบบจำลองไปสู่การผลิต VentureBeat: ดูเหมือนว่า MLOps จะยืมแนวคิดที่ริเริ่มโดยผู้ปฏิบัติงาน DevOps ความสัมพันธ์จะเป็นอย่างไร? Wright: ฉันคิดว่ามันคล้ายกันแต่ทรงพลังกว่า แพลตฟอร์มนี้ทำงานอัตโนมัติหลายอย่างที่เคยทำด้วยตนเอง VentureBeat: โมเดล AI ส่วนใหญ่ขึ้นอยู่กับคุณภาพของข้อมูล แต่คุณภาพของข้อมูลในองค์กรมักเป็นที่สงสัย มีวิธีแก้ไขปัญหาพื้นฐานนั้นหรือไม่? Wright: คุณต้องทำให้กระบวนการทำงานโดยอัตโนมัติเพื่อแท็กและล้างข้อมูลเพื่อนำการเรียนรู้ของเครื่องมาใช้ตั้งแต่แรก เราเข้าซื้อกิจการ Paxata ในเดือนธันวาคม 2019 ซึ่งเป็นบริษัทที่เน้นการจัดเตรียมข้อมูล ตอนนี้เราได้รวมสิ่งนั้นเข้ากับแพลตฟอร์มของเราแล้ว อีกสิ่งหนึ่งที่สำคัญจริงๆ คือ ความสามารถในการรับข้อมูลจากทุกที่ที่มันอยู่ สิ่งหนึ่งที่เรามุ่งเน้นจริงๆ คือสามารถเสียบเข้ากับแหล่งข้อมูลใดก็ได้ ไม่ว่าจะบันทึกไว้ในเครื่องหรือในระบบคลาวด์ก็ตาม เรามีความร่วมมือที่ยอดเยี่ยมกับ Snowflake ซึ่งทำให้การลงทุนเชิงกลยุทธ์ครั้งแรกใน DataRobot นั่นเป็นความเจ็บปวดที่สำคัญสำหรับหลายๆ บริษัท บริษัทจำนวนมากเคยทดลองใช้ AI แต่ไม่เคยผ่านขั้นตอนของการเตรียมข้อมูล เรากำลังแก้ปัญหานั้นโดยทำให้กระบวนการจำนวนมากเป็นอัตโนมัติที่เกี่ยวข้องกับการเตรียมข้อมูล VentureBeat: การฝึกอบรม AI ส่วนใหญ่ในปัจจุบันเกิดขึ้นในระบบคลาวด์ การฝึกอบรมโมเดล AI เร็ว ๆ นี้จะย้ายไปที่แพลตฟอร์ม Edge Computing หรือไม่? Wright: เราได้เห็นแล้ว และได้เปิดโอกาสใหม่ๆ อีกสิ่งหนึ่งที่เราเห็นคือ AI ถูกนำไปใช้ในแหล่งข้อมูลประเภทต่างๆ ที่ไม่เคยเป็นไปได้มาก่อน ตอนนี้เรามีความสามารถไม่เพียงแต่รับข้อมูลข้อความเท่านั้น แต่ยังรวมถึงข้อมูลรูปภาพ ข้อมูลภูมิสารสนเทศ และข้อมูลประเภทอื่นๆ อีกมากมาย คุณสามารถรวมทั้งหมดไว้ในแบบจำลองเดียวและสร้างการคาดการณ์และการตัดสินใจอย่างชาญฉลาด มนุษย์มีประสาทสัมผัสที่แตกต่างกันทั้งหมดเหล่านี้ ตอนนี้ AI กำลังจะมีประสาทสัมผัสที่แตกต่างกันทั้งหมด และขอบเป็นทิศทางที่เทคโนโลยีนี้กำลังเคลื่อนที่อย่างแน่นอน VentureBeat: อัลกอริธึมจะฉลาดพอที่จะบอกเราว่าไม่ใช่คำตอบสำหรับคำถาม แต่ยังเป็นคำถามที่ถูกต้องหรือไม่? Wright: เรามองว่าคุณต้องการให้ AI ฉลาดที่สุดเท่าที่จะทำได้ นั่นต้องการให้คุณมีข้อมูลมากที่สุดเท่าที่จะเป็นไปได้และคุณต้องปรับปรุงอัลกอริทึมของคุณอย่างต่อเนื่อง แต่จะไม่เกี่ยวกับ AI หรือความฉลาดของเครื่องจักรเท่านั้น เป็นการผสมผสานระหว่างความฉลาดของมนุษย์กับปัญญาของเครื่องจักร นั่นคือสิ่งที่จะสร้างโอกาสที่น่าทึ่งในทุกอุตสาหกรรมในอนาคต จะมีมนุษย์อยู่ในวงเสมอ ฉันไม่คิดว่า AI จะฉลาดเกินไปตราบใดที่คุณมีมนุษย์อยู่ในวง VentureBeat: เป็นไปได้ไหมที่โมเดล AI วันหนึ่งสร้างขึ้นเพื่อจุดประสงค์ที่ขัดแย้งกันในท้ายที่สุดจะทำให้กันและกันเป็นโมฆะ? Wright: ฉันจะตอบคำถามนั้นสองสามวิธี เราเห็นความเร่งรีบในการนำเทคโนโลยีนี้มาใช้ หลายคนเรียกสิ่งนี้ว่าเป็นการปฏิวัติอุตสาหกรรมครั้งที่สี่ แต่มักจะมีความได้เปรียบของผู้เสนอญัตติแรกเสมอ ด้วย AI สิ่งนี้จะยิ่งใหญ่กว่าเพราะการวนรอบความคิดเห็นที่คุณได้รับจากอัลกอริธึมที่ดีขึ้นเรื่อย ๆ ดีขึ้นเรื่อย ๆ ผู้นำในด้าน AI จะเป็นผู้ชนะที่ยิ่งใหญ่ในทศวรรษหน้า และผู้แพ้อาจตามไม่ทันจริงๆ มีความรู้สึกเร่งด่วนมากที่จะนำเทคโนโลยีนี้มาใช้ แต่ไม่น่าเป็นไปได้ที่ผู้คนจะยอมรับมันในอัตราที่เท่ากัน แต่สมมติว่าพวกเขาทำเพื่อการโต้แย้ง คุณจะได้รับตลาดที่มีประสิทธิภาพมากขึ้น VentureBeat: คำแนะนำด้าน AI ที่ดีที่สุดของคุณสำหรับองค์กรในตอนนี้คืออะไร? Wright: มีบริษัทเพียงไม่กี่แห่งที่ถามคำถามที่ชัดเจน มูลค่าใดที่ส่งมาจาก AI ของฉัน ผู้คนจำนวนมากมีงบประมาณจำนวนมากและใช้เงินหลายสิบล้านดอลลาร์มาหลายปีกับผู้ขายดั้งเดิมบางรายในพื้นที่ พวกเขาไม่ได้รับค่าใด ๆ และพวกเขาไม่ได้มองดูว่าพวกเขาได้รับคุณค่าใด ๆ หรือไม่ ที่ไม่เป็นที่ยอมรับอีกต่อไป คุณจำเป็นต้องรู้แบบเรียลไทม์ว่าคุณได้รับค่าอะไรจากโมเดลทั้งหมดในการผลิต และโอกาสในการขับเคลื่อนมูลค่าเพิ่มมีอยู่ที่ใด นี่คือการแข่งขัน และใครก็ตามที่สามารถสร้างมูลค่าได้เร็วที่สุด มีแนวโน้มที่จะชนะในตลาด สิ่งอื่นที่บินอยู่ใต้เรดาร์เพียงเล็กน้อยคือแนวคิดเรื่องความไว้วางใจ แค่ใช้เครื่องมือโอเพนซอร์สหรือโซลูชันที่ไม่เกี่ยวข้องจำนวนมากเพื่อทดลองกับ AI เท่านั้นยังไม่พอ คุณต้องการระบบที่ไว้วางใจได้ในตัวมูลนิธิ ดังนั้นจึงไม่ใช่กล่องดำ

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button