Artificial intelligence

Giám đốc điều hành DataRobot kêu gọi 'kỷ nguyên dân chủ hóa mới của AI'

Bài báo này ban đầu được xuất bản tại VentureBeat và đã được sao chép với sự cho phép. Dan Wright vừa trở thành Giám đốc điều hành của DataRobot, một công ty trị giá hơn 2,7 tỷ USD hứa hẹn sẽ tự động hóa việc xây dựng, triển khai và quản lý các mô hình AI theo cách giúp mọi tổ chức có thể tiếp cận AI. Sau khi phát hành phiên bản 7.0 của nền tảng DataRobot, Wright nói với VentureBeat rằng ngành công nghiệp này đòi hỏi một kỷ nguyên dân chủ hóa mới của AI để loại bỏ sự phụ thuộc vào các nhóm khoa học dữ liệu. Ông giải thích rằng các quy trình vận hành máy học thủ công (MLOps) chỉ đơn giản là không thể bắt kịp với các điều kiện kinh doanh đang thay đổi. Cuộc phỏng vấn này đã được chỉnh sửa cho ngắn gọn và rõ ràng. VentureBeat: Bây giờ bạn là Giám đốc điều hành, nhiệm vụ chính là gì? Dan Wright: Điều tôi đang cố gắng thúc đẩy là dân chủ hóa AI. Trong quá khứ, AI đã từng là một số loại từ thông dụng. Nó chủ yếu là thử nghiệm. Bạn có các nhà khoa học dữ liệu đang làm việc trong các dự án khoa học dữ liệu khác nhau. Nhưng rất nhiều mô hình mà họ đang nghiên cứu chưa bao giờ thực sự được đưa vào sản xuất hoặc tạo ra bất kỳ giá trị nào. Những gì chúng tôi đang làm bây giờ là cho phép nền tảng của chúng tôi được sử dụng bởi những người không phải là nhà khoa học dữ liệu, cũng như các nhà khoa học dữ liệu, để tạo ra thông tin chi tiết về doanh nghiệp và đưa ra quyết định tốt hơn trên cơ sở liên tục. Cơ hội đó là vô hạn ngay bây giờ nên chúng tôi thực sự tập trung vào việc đó. VentureBeat: DataRobot vừa phát hành bản cập nhật phiên bản 7.0 cho nền tảng này. Những điểm nổi bật là gì? Dan Wright: Chúng tôi có những cải tiến cho mọi sản phẩm của mình trong nền tảng này. Chúng tôi có thể giám sát và quản lý tất cả các mô hình của bạn, bất kể họ sống ở đâu. Chúng có thể nằm hoàn toàn bên ngoài DataRobot và vẫn cung cấp cảnh báo nếu có bất kỳ loại độ chính xác hoặc sai lệch mô hình nào. Một điều khác là phát hiện bất thường. Một điều đã xảy ra trong quá khứ là một mô hình sẽ bị loại bỏ khi có một số loại dữ liệu bất thường. Bây giờ chúng tôi thực sự có thể cho bạn biết đây là một sự bất thường và hỏi liệu nó có nên được bỏ qua hay không. Bằng cách đó, bạn không vứt bỏ mô hình của mình. Điều khác mà chúng tôi đã làm là chúng tôi đã tạo ra cái mà chúng tôi gọi là trình tạo ứng dụng của mình, điều này giúp chúng tôi dễ dàng hơn nhiều trong việc xây dựng các ứng dụng trên nền tảng cho các trường hợp sử dụng khác nhau. Chúng tôi sẽ tạo ra một hệ sinh thái gồm các ứng dụng được hỗ trợ bởi AI này. Sau đó, có một số tính năng bổ sung xung quanh việc phát hiện thiên vị và công bằng. Triết lý của chúng tôi là chúng tôi cần cảnh báo cho bạn nếu có bất kỳ loại vấn đề thiên vị hoặc công bằng nào đối với mô hình của bạn và sau đó cho phép bạn định cấu hình mô hình mà bạn cho là phù hợp dựa trên đạo đức và giá trị của riêng bạn. VentureBeat: Hầu hết các mô hình AI đòi hỏi nhiều nỗ lực thủ công để xây dựng và duy trì. Chúng ta có đang trên đỉnh cao của việc vượt qua điều đó không? Chúng ta đang xem xét quá trình công nghiệp hóa của AI? Wright: Tôi nghĩ đó là đúng. Chúng tôi đã thấy rất nhiều thứ mà tôi gọi là AI thử nghiệm, nơi mọi người đang sử dụng các giải pháp điểm rời rạc và các công cụ nguồn mở. Đó là một hộp đen nhỏ. Những ngày đó đã qua. Bây giờ là về quá trình công nghiệp hóa AI bằng cách sử dụng một hệ thống end-to-end từ chuẩn bị dữ liệu đến giám sát và quản lý tất cả các mô hình của bạn trong quá trình sản xuất. Đó là quyết định thông minh xung quanh các trường hợp sử dụng cụ thể. Tôi nghĩ rằng chúng ta thực sự sẽ thấy AI cất cánh và trở thành hiện thực, ngay cả đối với những người có thể đã thất bại trong quá khứ. VentureBeat: Cuối cùng sẽ cần bao nhiêu chuyên môn về khoa học dữ liệu? Các tổ chức có cần một nhà khoa học dữ liệu không? Wright: Toàn bộ ý tưởng với DataRobot là tự động hóa rất nhiều thứ mà các nhà khoa học dữ liệu trước đây đã làm theo cách thủ công. Bạn không cần phải là một nhà khoa học dữ liệu có tay nghề cao để tạo ra giá trị với AI để thúc đẩy thông tin chi tiết. Một nhà phân tích kinh doanh, kỹ sư và giám đốc điều hành đều có thể đưa các mô hình vào sản xuất, sau đó giám sát và quản lý tất cả các mô hình đó. Điều thực sự quan trọng là bạn phải xây dựng các phương pháp hay nhất về khoa học dữ liệu vào nền tảng và mọi thứ hoàn toàn có thể giải thích được với sự tin tưởng và quản trị. Đó là dân chủ hóa AI, nhưng có lan can để đảm bảo rằng mọi người không gặp rắc rối. VentureBeat: Suy thoái kinh tế do đại dịch COVID – 19 gây ra đã ảnh hưởng gì đến việc áp dụng AI? Wright: Tôi nghĩ có một vài cách. Một là vì có quá nhiều biến động mà con người không thể nắm bắt được tất cả dữ liệu này khi nó thay đổi nhanh chóng. Bạn cần AI để thực sự hiểu những gì đang xảy ra trong tương lai. Nếu bạn là một nhà bán lẻ lớn đang cố gắng xác định xem cần bao nhiêu lọ bơ đậu phộng trong một cửa hàng cụ thể, thì điều đó cực kỳ phức tạp khi bạn trải qua đại dịch và đột nhiên bạn có các cửa hàng mở cửa rồi đóng cửa. Điều khác mà chúng tôi thực sự thấy với đại dịch là đã có các mô hình AI được sử dụng trong sản xuất. Mọi người thức dậy và nhận ra rằng họ không biết chuyện gì đang xảy ra với những mô hình đó. Họ không nhìn thấy chúng. Tất cả những gì họ biết là chúng rất có thể không chính xác vì tất cả dữ liệu đã hoàn toàn thay đổi. Chúng tôi đã thấy việc áp dụng thực sự rộng rãi các hoạt động học máy của mình (MLOps), đây là một phần của nền tảng của chúng tôi cho phép bạn theo dõi và quản lý tất cả các mô hình khác nhau của mình, bao gồm cả một mô hình được tạo thủ công bằng Python hoặc bất kỳ loại mã nguồn mở nào dụng cụ. Nếu có bất kỳ loại trôi dạt nào, bạn thực sự có thể chạy các mô hình thách thức trong nền. Không còn chấp nhận được nếu chỉ nói rằng tôi sẽ sản xuất một mô hình và quay lại sau sáu tháng và xem nó có còn chính xác hay không. Bạn cần quản lý nó trong thời gian thực và cập nhật nó khi dữ liệu đang thay đổi. VentureBeat; Liệu MLOps cuối cùng có trở thành một yếu tố của các hoạt động CNTT hiện có không? Wright: Những gì chúng tôi thực sự bắt đầu thấy là một hệ thống end-to-end. Tôi không nghĩ sẽ chỉ tập trung nhiều vào MLOps trong tương lai, tôi nghĩ nó sẽ xoay quanh việc theo dõi toàn bộ vòng đời của một mô hình và liên tục cập nhật nó khi dữ liệu đang thay đổi. Điều khiến những gì chúng tôi làm thực sự có sức mạnh là chúng tôi không chỉ có MLOps. Chúng tôi có MLOps cho tất cả các mô hình của bạn, nhưng quan trọng nhất là chúng tôi kết hợp điều đó với học máy tự động. Chúng tôi liên tục chạy các mô hình thách thức trong nền và cập nhật các mô hình khi dữ liệu đang thay đổi để học hỏi liên tục. Đó là những gì bạn sẽ thấy trong tương lai. Sẽ không phải là làm việc trong sáu tháng để đưa một mô hình vào sản xuất. VentureBeat: Có vẻ như MLOps vay mượn các khái niệm ban đầu được đi tiên phong bởi những người thực hành DevOps. Mối quan hệ sẽ như thế nào? Wright: Tôi nghĩ nó tương tự nhưng mạnh hơn. Nền tảng tự động hóa nhiều thứ mà trước đây được thực hiện thủ công. VentureBeat: Hầu hết các mô hình AI đều phụ thuộc vào chất lượng của dữ liệu, tuy nhiên chất lượng của dữ liệu trong doanh nghiệp thường bị nghi ngờ. Có một số cách để giải quyết vấn đề cơ bản đó? Được: Bạn cần có khả năng tự động hóa quy trình gắn thẻ và xóa dữ liệu của mình để áp dụng công nghệ máy học ngay từ đầu. Chúng tôi đã mua lại Paxata vào tháng 12 của 2019, một công ty tập trung vào việc chuẩn bị dữ liệu. Hiện chúng tôi đã tích hợp điều đó vào nền tảng của mình. Điều khác thực sự quan trọng là có thể lấy dữ liệu từ bất cứ nơi nào nó cư trú. Một điều mà chúng tôi thực sự chú trọng là có thể cắm vào bất kỳ nguồn dữ liệu nào, cho dù nó được lưu cục bộ hay trong bất kỳ đám mây nào. Chúng tôi có quan hệ đối tác tuyệt vời với Snowflake, công ty đã thực hiện khoản đầu tư chiến lược đầu tiên vào DataRobot. Đó là một điểm đau lớn đối với nhiều công ty. Trước đây, rất nhiều công ty đã thử AI, nhưng họ chưa bao giờ vượt qua được bước Chuẩn bị dữ liệu. Chúng tôi thực sự đang giải quyết vấn đề đó bằng cách tự động hóa rất nhiều quy trình liên quan đến Data Prep. VentureBeat: Hầu hết việc đào tạo AI ngày nay đều diễn ra trên đám mây. Liệu việc đào tạo các mô hình AI sẽ sớm chuyển sang các nền tảng điện toán tiên tiến? Wright: Chúng tôi đã thấy điều đó và nó đang mở ra những khả năng mới. Điều khác mà chúng ta đang thấy là AI hiện đang được sử dụng trên các loại nguồn dữ liệu khác nhau mà trước đây chưa từng có. Giờ đây, chúng tôi có khả năng lấy không chỉ dữ liệu văn bản mà còn cả dữ liệu hình ảnh, dữ liệu không gian địa lý và nhiều loại dữ liệu khác. Bạn có thể kết hợp tất cả chúng thành một mô hình và tạo ra các dự đoán và quyết định thông minh. Con người có tất cả các giác quan khác nhau. Giờ đây, AI sẽ có tất cả các giác quan khác nhau và cạnh chắc chắn là một hướng mà công nghệ này đang phát triển. VentureBeat: Liệu các thuật toán có bao giờ đủ thông minh để cho chúng ta biết không phải câu trả lời cho một câu hỏi mà còn cho những câu hỏi phù hợp để hỏi không? Wright: Cách chúng tôi xem xét nó là bạn muốn AI trở nên thông minh nhất có thể. Điều đó đòi hỏi bạn phải có càng nhiều dữ liệu càng tốt và bạn phải liên tục cải tiến các thuật toán của mình. Nhưng nó sẽ không chỉ là về AI hay trí thông minh máy móc. Đó là sự kết hợp giữa trí thông minh của con người với trí thông minh của máy móc. Đó là những gì sẽ tạo ra những cơ hội tuyệt vời trong mọi ngành trong tương lai. Luôn luôn có một con người trong vòng lặp. Tôi không nghĩ rằng AI có thể quá thông minh miễn là bạn có con người đó trong vòng lặp. VentureBeat: Liệu một ngày nào đó, các mô hình AI được tạo ra cho các mục đích xung đột cuối cùng lại vô hiệu hóa lẫn nhau? Được rồi: Tôi sẽ trả lời câu hỏi đó theo một vài cách. Chúng tôi đang thấy rất vội vã để áp dụng công nghệ này. Nhiều người đã gọi đây là cuộc cách mạng công nghiệp lần thứ tư, nhưng luôn có lợi thế là động lực đầu tiên. Với AI, điều đó thậm chí còn lớn hơn vì vòng lặp phản hồi mà bạn nhận được với các thuật toán liên tục ngày càng tốt hơn. Các nhà lãnh đạo khi nói đến AI sẽ là những người chiến thắng lớn trong thập kỷ tới, và những kẻ thất bại thực sự có thể không bao giờ bắt kịp. Có một cảm giác cấp bách rất lớn để áp dụng công nghệ. Nhưng không chắc mọi người sẽ chấp nhận nó chính xác với cùng một tỷ lệ, nhưng chúng ta hãy nói vì lý do tranh luận mà họ làm. Cuối cùng bạn sẽ có được một thị trường hiệu quả hơn nhiều. VentureBeat: Lời khuyên AI tốt nhất của bạn cho các tổ chức hiện tại là gì? Được rồi: Có quá ít công ty thực sự hỏi điều gì nên là một câu hỏi hiển nhiên. Giá trị nào thực sự đang được chuyển giao từ AI của tôi? Rất nhiều người có ngân sách lớn và đã chi hàng chục triệu đô la trong nhiều năm với một số nhà cung cấp kế thừa trong không gian. Họ không nhận được bất kỳ giá trị nào và thậm chí họ không thực sự muốn xem liệu họ có nhận được bất kỳ giá trị nào hay không. Điều đó không còn chấp nhận được nữa. Bạn cần biết trong thời gian thực giá trị mà bạn nhận được từ tất cả các mô hình đang sản xuất là gì và đâu là cơ hội để thúc đẩy nhiều giá trị hơn? Đây là một cuộc đua, và ai có thể đạt được giá trị nhanh nhất sẽ có khả năng giành chiến thắng trên thị trường. Điều khác đã bay một chút trong tầm ngắm là ý tưởng về sự tin tưởng này. Sẽ không đủ nếu chỉ sử dụng các công cụ mã nguồn mở hoặc một loạt các giải pháp rời rạc để thử nghiệm với AI. Bạn thực sự cần một hệ thống có niềm tin được xây dựng từ nền tảng để nó không phải là một hộp đen.

  • Trang chủ
  • Trí tuệ nhân tạo
  • Chuyên viên phân tích kinh doanh
  • Thông tin kinh doanh
  • Khoa học dữ liệu
  • Back to top button