Jorge Torres es cofundador y director ejecutivo de MindsDB, una plataforma que ayuda a cualquier persona a aprovechar el poder del aprendizaje automático para hacer preguntas predictivas sobre sus datos y obtener respuestas precisas a partir de ellos. MindsDB también se graduó del reciente lote de invierno de 2020 de YCombinator y Forbes la reconoció recientemente como una de las empresas de inteligencia artificial más prometedoras de Estados Unidos.
¿Qué le atrajo inicialmente del aprendizaje automático?
Es una historia interesante. En 2008, vivía y trabajaba en Berkeley en una startup llamada Couchsurfing y vi esta clase (cs188- Introducción a la IA). Aunque no estaba afiliado a la universidad en ese momento, le pedí al Prof. John DeNero si pudiera sentarme en una clase y lo haría. Este profesor fue brillante y realmente hizo que todos se enamoraran del tema. Fue lo mejor que me ha pasado. Me sorprendió que las computadoras pudieran aprender a resolver un problema, me di cuenta de que esto era rápido y decidí convertirlo en mi carrera.
Hay varios eventos definitorios generacionales en la tecnología que solo ocurren unas pocas veces en la vida de una persona. Tuve la suerte de presenciar el nacimiento de Internet, pero era demasiado joven para ser algo más que un observador pasivo. Creo que Machine Learning es el evento de próxima generación, y quería ser parte de él de alguna manera significativa para hacer avanzar la tecnología y cómo la usamos.
MindsDB comenzó en UC Berkeley en 2018, ¿puede compartir algunas ideas sobre estos primeros días?
UC Berkeley es una de las instituciones de investigación más grandes del mundo y tiene un historial de creación y soporte de software de código abierto, y pensamos que no había mejor lugar para comenzar con MindsDB. Nuestros valores alineados, nos ofrecieron nuestro primer cheque a través de la aceleradora UC Berkeley Skydeck, y el resto dicen que es historia.
Los primeros días no fueron como muchas nuevas empresas en el Área de la Bahía; La única diferencia es que, en lugar de trabajar en un polvoriento garaje de Palo Alto, estábamos en la relativa comodidad de un espacio de trabajo compartido Skydeck Penthouse (alquiler gratuito).
Creo que hay un enorme poder en los datos. Cuanto más tiene una empresa, más puede promover su negocio. Pero solo si pueden obtener información significativa de él.
En el otoño de 2017, mi mejor amigo Adam Kerrigan (COO) y yo llegamos a la conclusión de que muchas empresas enfrentaban limitaciones a la hora de extraer información significativa de sus datos. Se dieron cuenta de que una de las mayores limitaciones es la cantidad de estas empresas que están subutilizando severamente el poder de la inteligencia artificial. Creíamos que el aprendizaje automático podía hacer que los datos y la inteligencia que podía proporcionar fueran accesibles para todos. Es por eso que diseñamos una plataforma que permitiría a cualquier persona aprovechar el poder del aprendizaje automático para hacer preguntas predictivas sobre sus datos y obtener respuestas precisas de ellos.
Llamamos a esta plataforma MindsDB, y nos enfocamos en hacer que sea increíblemente fácil para los desarrolladores crear rápidamente la próxima ola de aplicaciones impulsadas por IA que cambiarán la forma en que vivimos y trabajamos, y para que las empresas extraigan sus datos.
¿Por qué MindsDB se centró en resolver el problema centrado en los datos en lugar del centrado en el aprendizaje automático?
Si observa la gran mayoría de las investigaciones sobre 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 otros nuevos, produciendo así mejores resultados. Por otro lado, estar centrado en los datos, agregar datos de mejor calidad/más relevantes a un enfoque existente no es fácilmente publicable (un KPI clave para los investigadores).
Sin embargo, la gran mayoría de los problemas de aprendizaje automático aplicado hoy en día se benefician 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.
Vimos que hay dos tipos de empresas, por un lado, las empresas que están en la base de datos, y por otro lado, todavía no han identificado las bases de datos, entendimos que si la empresa está en el grupo de la base de datos, entonces su datos; la madurez ya los puso en el camino correcto para 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 brindar valor a aquellos que realmente podían lograrlo.
¿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 efectivamente el concepto de “ubicación” de la imagen. Cuando escribe CREAR VISTA en la base de datos, esa vista está activa cuando se procesa el comando, al igual que cuando hace CREAR MODELO en mindsdb.
A la gente le encanta MindsDB por la simplificación que aporta al ciclo de vida de operaciones de aprendizaje automático. ¿Por qué es tan importante simplificar las implementaciones de aprendizaje automático?
A la gente le encanta porque elimina las canalizaciones ETL innecesarias, por lo que es necesario mantener menos cosas. Nuestro objetivo es permitir que los usuarios extraigan el valor del aprendizaje automático sin tener que pensar en mantener la infraestructura de ML si ya mantienen la infraestructura de datos.
¿Cuáles son algunos de los beneficios y riesgos de ser una startup de código abierto frente a una startup tradicional?
Un proyecto de código abierto puede comenzar con solo una idea y la gente lo ayudará a construirlo a lo largo del camino, con un enfoque de código cercano, debe comenzar con las mismas suposiciones, pero es mejor que tenga razón porque nadie lo ayudará a mejorar su producto ( al menos no en la misma medida, qué código abierto), piense en el código abierto como un enfoque fácil de usar para productos compartidos.
MindsDB recientemente recaudó $ 16.5 millones en una inversión de la Serie A de Benchmark, ¿por qué Benchmark es el inversionista perfecto y cómo se alinea su visión con la suya?
Benchmark tiene un historial impecable en nuestra industria, Chetan ha ayudado a empresas como mongodb, elastic, airbyte a convertirse en líderes mundiales en su industria. Creemos que no hay mejor opción para MindsDB que Chetan y Benchmark Capital.
Gracias por la gran entrevista, los lectores que quieran saber más deben visitar MindsDB.