Bryon Jacob é CTO e cofundador da information.world – com a missão de construir o recurso de dados mais significativo, colaborativo e abundante do mundo. Antes da information.world, ele passou dez anos em funções de crescente responsabilidade na HomeAway.com, culminando na função de vice-presidente de tecnologia/colega técnico. Bryon também trabalhou anteriormente na Amazon e é mentor de longa information na Capital Manufacturing unit. Ele possui bacharelado/mestrado em ciência da computação pela Case Western College.
O que inicialmente atraiu você para a ciência da computação?
Sou viciado em codificação desde que coloquei as mãos em um Commodore 64, aos 10 anos. Comecei com BASIC e rapidamente mudei para a linguagem meeting. Para mim, a ciência da computação é como resolver uma série de quebra-cabeças intrincados com a emoção adicional da automação. É esse aspecto de resolução de problemas que sempre me manteve engajado e animado.
Você pode compartilhar a história da gênese por trás do information.world?
information.world nasceu de uma série de sessões de brainstorming entre nossa equipe fundadora. Brett, nosso CEO, entrou em contato com Jon e Matt, com quem ele já havia trabalhado. Eles começaram a se reunir para discutir ideias, e Jon me trouxe alguns desses conceitos para uma avaliação técnica. Embora essas ideias não tenham dado certo, elas geraram discussões que se alinharam estreitamente com o meu próprio trabalho. Através dessas conversas, tivemos a ideia que eventualmente se tornou information.world. Nossa história compartilhada e respeito mútuo nos permitiram construir rapidamente uma grande equipe, trazendo as melhores pessoas com quem trabalhamos no passado, e estabelecer uma base sólida para a inovação.
O que inspirou an information.world a desenvolver o AI Context Engine e quais desafios específicos ele aborda para as empresas?
Desde o início, sabíamos que um Information Graph (KG) seria elementary para o avanço das capacidades de IA. Com o surgimento da IA generativa, nossos clientes queriam soluções de IA que pudessem interagir com seus dados de forma conversacional. Um desafio significativo nas aplicações de IA hoje é a explicabilidade. Se você não consegue mostrar seu trabalho, as respostas são menos confiáveis. Nossa arquitetura KG baseia cada resposta em fatos verificáveis, fornecendo explicações claras e rastreáveis. Isso aumenta a transparência e a confiabilidade, permitindo que as empresas tomem decisões informadas e com confiança.
Como a arquitetura do gráfico de conhecimento do AI Context Engine aumenta a precisão e a explicabilidade dos LLMs em comparação apenas com os bancos de dados SQL?
Em nosso artigo inovador, demonstramos uma melhoria tripla na precisão usando Information Graphs (KGs) em relação aos bancos de dados relacionais tradicionais. Os KGs usam semântica para representar dados como entidades e relacionamentos do mundo actual, tornando-os mais precisos do que os bancos de dados SQL, que se concentram em tabelas e colunas. Para facilitar a explicação, os KGs nos permitem vincular as respostas às definições de termos, fontes de dados e métricas, fornecendo uma trilha verificável que aumenta a confiança e a usabilidade.
Você pode compartilhar alguns exemplos de como o AI Context Engine transformou as interações de dados e a tomada de decisões nas empresas?
O AI Context Engine foi projetado como uma API que se integra perfeitamente aos aplicativos de IA existentes dos clientes, sejam eles GPTs personalizados, copilotos ou soluções sob medida construídas com LangChain. Isso significa que os usuários não precisam mudar para uma nova interface – em vez disso, trazemos o AI Context Engine para eles. Essa integração aumenta a adoção e a satisfação do usuário, impulsionando melhores tomadas de decisões e interações de dados mais eficientes, ao incorporar poderosos recursos de IA diretamente nos fluxos de trabalho existentes.
De que forma o AI Context Engine fornece transparência e rastreabilidade na tomada de decisões de IA para atender aos requisitos regulatórios e de governança?
O AI Context Engine se conecta ao nosso Information Graph e ao catálogo de dados, aproveitando recursos de linhagem e governança. Nossa plataforma rastreia a linhagem de dados, oferecendo rastreabilidade complete de dados e transformações. As respostas geradas por IA são conectadas às suas fontes de dados, fornecendo um rastreamento claro de como cada informação foi derivada. Esta transparência é essential para a conformidade regulamentar e de governação, garantindo que todas as decisões de IA possam ser auditadas e verificadas.
Qual o papel que você vê que os gráficos de conhecimento desempenharão no cenário mais amplo da IA e do gerenciamento de dados nos próximos anos?
Os Information Graphs (KGs) estão se tornando cada vez mais importantes com o surgimento da IA generativa. Ao formalizar os fatos em uma estrutura gráfica, os KGs fornecem uma base mais sólida para a IA, melhorando a precisão e a explicabilidade. Estamos vendo uma mudança das arquiteturas padrão de Retrieval Augmented Technology (RAG), que dependem de dados não estruturados, para modelos Graph RAG. Esses modelos convertem primeiro o conteúdo não estruturado em KGs, levando a melhorias significativas na recuperação e na precisão. Os KGs deverão desempenhar um papel elementary na promoção de inovações e eficácia da IA.
Que melhorias futuras podemos esperar do AI Context Engine para melhorar ainda mais suas capacidades e experiência do usuário?
O AI Context Engine melhora com o uso, à medida que o contexto flui de volta para o catálogo de dados, tornando-o mais inteligente ao longo do tempo. Do ponto de vista do produto, estamos nos concentrando no desenvolvimento de agentes que executem tarefas avançadas de engenharia de conhecimento, transformando conteúdo bruto em ontologias e bases de conhecimento mais ricas. Aprendemos continuamente com os padrões que funcionam e integramos rapidamente esses insights, fornecendo aos usuários uma ferramenta poderosa e intuitiva para gerenciar e aproveitar seus dados.
Como an information.world está investindo em pesquisa e desenvolvimento para permanecer na vanguarda das tecnologias de IA e integração de dados?
P&D no AI Context Engine é nossa maior área de investimento. Estamos comprometidos em permanecer na vanguarda do que é possível em IA e integração de dados. Nossa equipe, especialista em IA simbólica e aprendizado de máquina, impulsiona esse compromisso. A base robusta que construímos na information.world nos permite avançar rapidamente e ultrapassar os limites tecnológicos, garantindo o fornecimento consistente de recursos de ponta aos nossos clientes.
Qual é a sua visão de longo prazo para o futuro da IA e da integração de dados, e como você vê an information.world contribuindo para essa evolução?
Minha visão para o futuro da IA e da integração de dados sempre foi ir além de simplesmente facilitar a consulta de dados pelos usuários. Em vez disso, pretendemos eliminar completamente a necessidade de os usuários consultarem seus dados. Nossa visão tem sido consistentemente integrar perfeitamente os dados de uma organização com seu conhecimento, abrangendo metadados sobre sistemas de dados e modelos lógicos de entidades do mundo actual.
Ao conseguir esta integração num gráfico de conhecimento legível por máquina, os sistemas de IA podem realmente cumprir a promessa de interações de linguagem pure com os dados. Com os rápidos avanços na IA generativa nos últimos dois anos e os nossos esforços para integrá-la aos gráficos de conhecimento empresarial, este futuro está se tornando uma realidade hoje. Na information.world, estamos na vanguarda desta evolução, impulsionando a transformação que permite que a IA forneça valor sem precedentes através de interações de dados intuitivas e inteligentes.
Obrigado pela ótima entrevista, os leitores que desejam saber mais devem visitar information.world.
