Jorge Torres, es cofundador y director ejecutivo de MindsDB, una plataforma que ayuda a cualquiera a usar el poder del aprendizaje automático para hacer preguntas predictivas de sus datos y recibir respuestas certeras de la misma. MindsDB también se graduó del reciente lote de invierno de 2020 de YCombinator y Forbes la reconoció recientemente como una de las empresas de IA más prometedoras de Estados Unidos.
¿Qué le atrajo inicialmente del aprendizaje automático?
Es una historia interesante. En 2008, vivía y trabajaba en Berkeley para una startup llamada Couchsurfing y vi esta clase (cs188-Introducción a la IA). Aunque no estaba afiliado a la universidad en ese momento, le pregunté al prof. John DeNero si pudiera sentarme en una clase y él me lo permitiera. Este profesor fue brillante y realmente hizo que todos se enamoraran del tema. Fue lo mejor que me pasó. Me sorprendió que las computadoras pudieran aprender a resolver un problema, me di cuenta de que esto avanzaba rápido y decidí convertirlo en mi carrera.
Hay algunos eventos definitorios generacionales en tecnología que solo ocurren unas pocas veces en la vida. Tuve la suerte de ser testigo del nacimiento de Internet, pero era demasiado joven para ser otra cosa que un observador pasivo. Creo que Machine Learning es el evento de la próxima generación y quería ser parte de él de alguna manera significativa para impulsar la tecnología y la forma en que la usamos.
MindsDB comenzó en la UC Berkeley en 2018, ¿podría compartir alguna perspectiva de estos primeros días?
UC Berkeley es una de las mejores instituciones de investigación del mundo y tiene un historial de creación y soporte de software de código abierto, y nosotros Pensé que no había mejor lugar para comenzar MindsDB. Nuestros valores estaban alineados, nos ofrecieron nuestro primer cheque a través de UC Berkeley Skydeck Accelerator y el resto dicen que es historia.
Los primeros días no fueron diferentes a muchas nuevas empresas en la región de la Bahía: tres personas trabajando muchas horas en algo en lo que todos creían, pero que tenía pocas posibilidades de éxito. La única diferencia es que, en lugar de trabajar en un garaje polvoriento en Palo Alto, nos sentimos relativamente cómodos en el espacio de trabajo compartido Skydeck Penthouse (sin alquiler).
Creo que los datos tienen un enorme poder. Cuanto más tiene una empresa, más puede impulsar sus negocios. Pero solo si pueden obtener información significativa de él.
En el otoño de 2017, mi mejor amigo Adam Carrigan (COO) y yo llegamos a la conclusión de que muchas empresas enfrentaban limitaciones cuando se trataba de para extraer información significativa de sus datos. Se dieron cuenta de que una de las mayores limitaciones estaba en cuántas de estas empresas estaban subutilizando severamente el poder de la inteligencia artificial. Creíamos que el aprendizaje automático podía hacer que los datos y la inteligencia que puede proporcionar fueran accesibles para todos. Es por eso que diseñamos una plataforma que permitiría a cualquier persona usar el poder del aprendizaje automático para hacer preguntas predictivas de sus datos y recibir respuestas precisas de ellos.
Llamamos a esta plataforma MindsDB y estamos enfocados en continuar haciendo Es increíblemente fácil para los desarrolladores crear rápidamente la próxima ola de aplicaciones centradas en IA que transformarán la forma en que vivimos y trabajamos y para que las empresas extraigan información de sus datos.
¿Por qué MindsDB se centró en ¿Resolviendo el problema de centrarse en los datos en lugar de centrarse en el aprendizaje automático?
Si observa la gran mayoría de la investigación en IA, un gran porcentaje proviene de instituciones académicas. Históricamente, ML se ha centrado en el modelo porque aquí es donde las instituciones de investigación pueden agregar valor percibido; más investigación mejora los modelos o crea nuevos, produciendo así mejores resultados. Al estar centrado en los datos, por otro lado, agregar datos de mejor calidad/más relevantes a un enfoque existente no es fácil de publicar (el KPI clave para los investigadores).
Sin embargo, la gran mayoría de los problemas de aprendizaje automático aplicado hoy se benefician mucho más de datos mejorados que de modelos mejorados. Esto también se alinea bien con nuestra misión de democratizar el aprendizaje automático, la gran mayoría de las personas fuera del espacio Ml no saben mucho sobre ML, pero seguro que saben mucho sobre sus datos.
Nosotros vimos que había dos tipos de empresas, por un lado empresas con datos en la base de datos, por otro lado empresas que aún no habían descifrado bases de datos, nos dimos cuenta que si una empresa estaba en el grupo de bases de datos, su madurez de datos ya los había puesto en el camino correcto para poder aplicar realmente el aprendizaje automático, mientras que las empresas que aún no habían descubierto las bases de datos aún tenían un largo camino por recorrer, por lo que nos enfocamos en proporcionar valor para aquellos que realmente podían extraerlo.
¿Cómo aborda MindsDB el modelado y la implementación en SQL simple?
Creamos representaciones de modelos como tablas que se pueden consultar, por lo que eliminamos el concepto de’despliegue’fuera de la imagen. Cuando escribe en una base de datos CREAR VISTA, esa vista está activa justo cuando el comando termina de procesarse, lo mismo cuando hace CREAR MODELO en mindsdb.
A la gente le encanta MindsDB debido a la simplificación que ha llevado al ciclo de vida de ML-Ops, ¿por qué es tan importante simplificar la implementación del aprendizaje automático?
A la gente le encanta porque abstrae canalizaciones ETL innecesarias, por lo que hay menos cosas que mantener. Nuestro enfoque es hacer que los usuarios extraigan el valor del aprendizaje automático, al no pensar en mantener la infraestructura de ML si ya mantienen la infraestructura de datos.
¿Cuáles son algunas de las ventajas y riesgos de ser un ¿una empresa emergente de código abierto frente a una empresa emergente tradicional?
Un proyecto de código abierto puede comenzar con solo una idea, y las personas lo ayudarán a construirlo en el camino, en la fuente cercana tiene que comenzar con las mismas suposiciones, pero es mejor que tenga razón porque nadie lo ayudará a mejorar su producto (al menos no en el mismo volumen que en el código abierto), piense en el código abierto como un producto colaborativo..
MindsDB recientemente recaudó una inversión Serie A de $16.5 millones de Benchmark, ¿por qué Benchmark es el inversionista perfecto y cómo su visión coincide con la suya?
Benchmark tiene un récord impecable en nuestra industria, Chetan ha ayudado a compañías como mongodb, elastic, airbyte a convertirse en líderes mundiales en sus dominios. Creemos que no hay mejor opción para MindsDB que Chetan y Benchmark capital.
Gracias por la excelente entrevista, los lectores que deseen obtener más información deben visitar MindsDB.