30 brevets, 2 startups: Journey AI d'Anand Ranganathan

Cet épisode de direction avec des données présente Anand Ranganathan, une figure de premier plan de l'IA et de l'apprentissage automatique. De son mandat IBM à la co-fondation de Unscramble et 1/0, Anand partage de précieux informations sur les défis, l'évolution et l'avenir de l'IA. Nous explorons ses expériences entrepreneuriales, l'impact de l'apprentissage en profondeur et sa vision des applications de l'IA.

Écoutez cet épisode perspicace sur Spotify, Google Podcasts et les podcasts Apple!

Les principaux plats à retenir de notre conversation avec Anand Ranganathan:

• L'importance d'intégrer l'IA symbolique et l'apprentissage en profondeur pour un raisonnement précis, en particulier dans les domaines spécialisés.
• Les progrès rapides de l'apprentissage en profondeur nécessitent le développement de produits agiles et les stratégies de marché.
• Les sociétés de services d'IA priorisent les relations avec les clients et les solutions personnalisées par rapport aux entreprises axées sur les produits.
• Les flux de travail agentiques sont sur le point de révolutionner l'intégration de l'IA, mais la collaboration entre les humains et l'IA a besoin de frontières claires.
• Le succès en IA / ML nécessite à la fois l'expertise du domaine et l'apprentissage continu pour rester à jour avec les progrès rapides du domaine.
• L'avenir de l'AI aura un impact significatif sur l'ingénierie logicielle, exigeant une adaptation constante et une augmentation.
• La connaissance du domaine est cruciale car l'IA transforme les rôles traditionnels d'ingénierie logicielle.

Rejoignez notre avenir avec des séances de données pour plus de discussions avec des experts de premier plan en IA et en science des données!

Une plongée plus profonde dans notre conversation avec Anand Ranganathan:

Son voyage AI et ML:

Le parcours de l'IA d'Anand a commencé avec son doctorat à l'Université de l'Illinois, en se concentrant sur l'intersection de l'IA et des systèmes distribués. Ses premiers travaux étaient centrés sur le raisonnement symbolique, un contraste frappant avec le paysage actuel dominé par l'apprentissage en profondeur. Son expérience de recherche IBM a consisté à relever les défis de Big Data et à contribuer à la plate-forme de traitement des flux d'IBM. Le passage vers l'apprentissage en profondeur dans les années 2010 a radicalement modifié le champ d'IA.

La motivation derrière ses entreprises entrepreneuriales:

Après une décennie à IBM, Anand a cherché à relever directement les défis de l'industrie. L'opportunité d'innover agilement, associée à une collaboration avec des individus partageant les mêmes idées, l'a amené à co-fond.

Focus et défis de Unscramble:

Unscramble s'est initialement concentré sur l'analyse des données de streaming en temps réel, en particulier dans les télécommunications. Ils se sont ensuite étendus à l'analyse historique des données. Bien que apparemment distincts, les deux domaines impliquaient d'interroger des données structurées et de déclencher des actions basées sur les données de streaming. Leurs solutions allaient des requêtes de base de données sur le langage naturel à la définition de la campagne de marketing en temps réel.

L'impact de l'apprentissage en profondeur sur les produits de Unscramble:

L'essor de l'apprentissage en profondeur a eu un impact significatif sur le langage naturel de UNSCRAMBLE à SQL. Ils ont adapté leurs techniques à mesure que les modèles d'apprentissage en profondeur se sont améliorés. L'émergence de modèles de génération SQL très efficaces a finalement conduit à leur décision de vendre le produit.

Produit vs sociétés de services (Uncramble vs 1by0):

Anand met en évidence les principales différences entre les entreprises et les sociétés de services. Les sociétés de produits adaptent les produits existants aux besoins des clients, tandis que les sociétés de services adaptent des solutions à des problèmes spécifiques des clients. 1BY0 met l'accent sur les relations avec les clients, la gestion de projet et les partenariats des fournisseurs.

Apprentissages clés de son parcours entrepreneurial:

Anand souligne l'importance d'équilibrer les défis intéressants avec la demande du marché. Il réfléchit à la hiérarchisation des problèmes intellectuellement stimulants sur la viabilité du marché à un non-crammble, une leçon apprise lors de son parcours entrepreneurial.

L'avenir de l'IA: IA symbolique et apprentissage en profondeur:

Anand croit en la nécessité d'une approche équilibrée, combinant l'IA symbolique et l'apprentissage en profondeur, en particulier dans les domaines nécessitant un raisonnement précis comme la médecine. Il considère les progrès de la construction de la base de connaissances comme cruciale pour les progrès de l'IA symbolique.

Tendances futures de l'IA et flux de travail agentiques:

Les flux de travail agentiques devraient croître en importance, rationalisant l'intégration de l'IA dans les tâches quotidiennes. Cependant, définir les limites de la collaboration humaine-AI reste un défi essentiel. Il prévoit également l'intégration croissante de l'IA dans le développement de logiciels, transformant les compétences requises pour les ingénieurs logiciels.

Conseils pour les aspirants professionnels de l'IA / ML:

Anand conseille de se concentrer sur l'expertise du domaine aux côtés des compétences techniques. La connaissance du domaine offre une résilience contre les perturbations technologiques et complète les capacités techniques. L'apprentissage continu est essentiel dans ce domaine en évolution rapide.

Conclusion:

Le voyage d'Anand Ranganathan présente le potentiel transformateur d'Ai. Ses expériences mettent en évidence l'importance de l'adaptabilité, de l'expertise du domaine et de l'alignement de l'innovation avec les besoins du marché. Ses idées soulignent le rôle crucial de la collaboration humaine-AI et de l'apprentissage continu.

Restez à l'écoute pour diriger avec des données pour des séances plus perspicaces sur l'IA, la science des données et l'IA générative!

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!