Lin Qiao foi ex-chefe do PyTorch da Meta e é cofundador e CEO da Fireworks AI. O Fireworks AI é uma plataforma de produção de IA desenvolvida para desenvolvedores. O Fireworks faz parceria com os principais pesquisadores de IA generativa do mundo para fornecer os melhores modelos, nas velocidades mais rápidas. A Fireworks AI arrecadou recentemente uma Série A de US$ 25 milhões.
O que inicialmente atraiu você para a ciência da computação?
Meu pai period um engenheiro mecânico sênior em um estaleiro, onde construiu navios de carga do zero. Desde muito jovem aprendi a ler os ângulos e medidas precisos das plantas dos navios e adorei.
Eu gostava muito de STEM desde o ensino médio – tudo que eu devorava matemática, física e química. Uma das minhas tarefas do ensino médio period aprender programação BASIC, e codifiquei um jogo sobre uma cobra comendo o rabo. Depois disso, eu sabia que a ciência da computação estava no meu futuro.
Enquanto estava na Meta, você liderou mais de 300 engenheiros de classe mundial em estruturas e plataformas de IA onde construiu e implantou o Caffe2 e, posteriormente, o PyTorch. Quais foram algumas das principais conclusões dessa experiência?
Grandes empresas de tecnologia como a Meta estão sempre cinco ou mais anos à frente da curva. Quando entrei na Meta em 2015, estávamos no início de nossa jornada de IA – fazendo a mudança de CPUs para GPUs. Tivemos que projetar a infraestrutura de IA desde o início. Modelos como o Caffe2 foram inovadores quando foram criados, mas a IA evoluiu tão rápido que rapidamente ficou desatualizada. Desenvolvemos o PyTorch e todo o sistema em torno dele como uma solução.
PyTorch foi onde aprendi sobre os maiores obstáculos que os desenvolvedores enfrentam na corrida para construir IA. O primeiro desafio é encontrar uma arquitetura de modelo estável e confiável, de baixa latência e flexível para que os modelos possam ser dimensionados. O segundo desafio é o custo whole de propriedade, para que as empresas não vão à falência tentando fazer crescer os seus modelos.
Meu tempo na Meta me mostrou como é importante manter modelos e estruturas como o PyTorch de código aberto. Incentiva a inovação. Não teríamos crescido tanto quanto no PyTorch sem oportunidades de código aberto para iteração. Além disso, é impossível manter-se atualizado sobre todas as pesquisas mais recentes sem colaboração.
Você pode discutir o que o levou a lançar o Fireworks AI?
Estou no setor de tecnologia há mais de 20 anos e tenho visto onda após onda de mudanças no setor – da nuvem para aplicativos móveis. Mas esta mudança na IA é um realinhamento tectónico completo. Vi muitas empresas lutando com essa mudança. Todos queriam avançar rapidamente e colocar a IA em primeiro lugar, mas faltavam-lhes a infraestrutura, os recursos e o talento para que isso acontecesse. Quanto mais eu conversava com essas empresas, mais percebia que poderia resolver essa lacuna do mercado.
Lancei o Fireworks AI para resolver esse problema e servir como uma extensão do trabalho incrível que realizamos no PyTorch. Até inspirou nosso nome! PyTorch é a tocha que segura o fogo – mas queremos que o fogo se espalhe por toda parte. Daí: Fogos de artifício.
Sempre fui apaixonado por democratizar a tecnologia e torná-la acessível e simples para os desenvolvedores inovarem, independentemente de seus recursos. É por isso que temos uma interface tão fácil de usar e sistemas de suporte robustos para capacitar os construtores a dar vida às suas visões.
Você poderia discutir o que é IA centrada no desenvolvedor e por que isso é tão importante?
É simples: “centrado no desenvolvedor” significa priorizar as necessidades dos desenvolvedores de IA. Por exemplo: criar ferramentas, comunidades e processos que tornem os desenvolvedores mais eficientes e autônomos.
Plataformas de IA centradas no desenvolvedor, como o Fireworks, devem ser integradas aos fluxos de trabalho e pilhas de tecnologia existentes. Eles devem tornar mais simples para os desenvolvedores experimentarem, cometerem erros e melhorarem seu trabalho. Eles devem incentivar o suggestions, porque são os próprios desenvolvedores que entendem o que precisam para ter sucesso. Por último, trata-se de mais do que apenas ser uma plataforma. Trata-se de ser uma comunidade – onde os desenvolvedores colaboradores podem ampliar os limites do que é possível com a IA.
A plataforma GenAI que você desenvolveu é um avanço significativo para desenvolvedores que trabalham com grandes modelos de linguagem (LLMs). Você pode falar sobre os recursos e benefícios exclusivos da sua plataforma, especialmente em comparação com as soluções existentes?
Toda a nossa abordagem como plataforma de produção de IA é única, mas alguns dos nossos melhores recursos são:
Inferência eficiente – Projetamos a IA do Fireworks para eficiência e velocidade. Os desenvolvedores que usam nossa plataforma podem executar seus aplicativos LLM com a menor latência e custo possíveis. Conseguimos isso com as mais recentes técnicas de otimização de modelos e serviços, incluindo cache imediato, fragmentação adaptável, quantização, lote contínuo, FireAttention e muito mais.
Suporte acessível para modelos ajustados por LoRA – Oferecemos serviço acessível de modelos ajustados de adaptação de baixa classificação (LoRA) por meio de multilocação em modelos básicos. Isso significa que os desenvolvedores podem experimentar muitos casos de uso diferentes ou variações do mesmo modelo sem gastar muito.
Interfaces e APIs simples – Nossas interfaces e APIs são diretas e fáceis para os desenvolvedores integrarem em seus aplicativos. Nossas APIs também são compatíveis com OpenAI para facilitar a migração.
Modelos prontos para uso e modelos ajustados – Fornecemos mais de 100 modelos pré-treinados que os desenvolvedores podem usar imediatamente. Cobrimos os melhores LLMs, modelos de geração de imagens, modelos de incorporação, and many others. Mas os desenvolvedores também podem optar por hospedar e servir seus próprios modelos personalizados. Também oferecemos serviços de ajuste fino de autoatendimento para ajudar os desenvolvedores a adaptar esses modelos personalizados com seus dados proprietários.
Colaboração comunitária: Acreditamos no espírito de código aberto da colaboração comunitária. Nossa plataforma incentiva (mas não exige) que os desenvolvedores compartilhem seus modelos aprimorados e contribuam para um banco crescente de ativos e conhecimento de IA. Todos se beneficiam com o aumento de nossa experiência coletiva.
Você poderia discutir a abordagem híbrida oferecida entre paralelismo de modelos e paralelismo de dados?
A paralelização de modelos de aprendizado de máquina melhora a eficiência e a velocidade do treinamento de modelos e ajuda os desenvolvedores a lidar com modelos maiores que uma única GPU não consegue processar.
O paralelismo de modelo envolve dividir um modelo em múltiplas partes e treinar cada parte em processadores separados. Por outro lado, o paralelismo de dados divide os conjuntos de dados em subconjuntos e treina um modelo em cada subconjunto ao mesmo tempo em processadores separados. Uma abordagem híbrida combina esses dois métodos. Os modelos são divididos em partes separadas, cada uma treinada em diferentes subconjuntos de dados, melhorando a eficiência, escalabilidade e flexibilidade.
O Fireworks AI é usado por mais de 20.000 desenvolvedores e atualmente atende mais de 60 bilhões de tokens diariamente. Que desafios você enfrentou ao escalar suas operações para esse nível e como você os superou?
Serei honesto, houve muitas montanhas altas para cruzar desde que fundamos o Fireworks AI em 2022.
Nossos clientes nos procuraram pela primeira vez em busca de suporte de latência muito baixa porque estão criando aplicativos para consumidores, prossumidores ou outros desenvolvedores — todos públicos que precisam de soluções rápidas. Então, quando os aplicativos de nossos clientes começaram a crescer rapidamente, eles perceberam que não poderiam arcar com os custos típicos associados a essa escala. Eles então nos pediram ajuda para reduzir o custo whole de propriedade (TCO), o que fizemos. Então, nossos clientes queriam migrar dos modelos OpenAI para OSS e nos pediram para fornecer qualidade igual ou até melhor que a OpenAI. Nós fizemos isso acontecer também.
Cada etapa na evolução do nosso produto foi um problema desafiador de resolver, mas significou que as necessidades dos nossos clientes realmente transformaram o Fireworks no que ele é hoje: um mecanismo de inferência extremamente rápido e com baixo TCO. Além disso, oferecemos uma variedade de modelos prontos para uso de alta qualidade para você escolher ou serviços de ajuste fino para que os desenvolvedores criem os seus próprios.
Com os rápidos avanços na IA e no aprendizado de máquina, as considerações éticas são mais importantes do que nunca. Como o Fireworks AI aborda as preocupações relacionadas ao preconceito, à privacidade e ao uso ético da IA?
Tenho duas filhas adolescentes que usam aplicativos genAI como ChatGPT com frequência. Como mãe, preocupo-me com a possibilidade de encontrarem conteúdo enganoso ou impróprio, porque a indústria está apenas começando a enfrentar o problema crítico da segurança do conteúdo. Meta está fazendo muito com o projeto Purple Llama, e os novos modos SD3 do Stability AI são ótimos. Ambas as empresas estão trabalhando duro para trazer segurança aos seus novos modelos Llama3 e SD3 com múltiplas camadas de filtros. O modelo de salvaguarda de entrada-saída, Llama Guard, é bastante utilizado em nossa plataforma, mas sua adoção ainda não está no mesmo nível de outros LLMs. A indústria como um todo ainda tem um longo caminho a percorrer para trazer a segurança do conteúdo e a ética da IA para o primeiro plano.
Nós da Fireworks nos preocupamos profundamente com privacidade e segurança. Somos compatíveis com HIPAA e SOC2 e oferecemos conectividade VPC e VPN segura. As empresas confiam no Fireworks seus dados e modelos proprietários para construir seu fosso de negócios.
Qual é a sua visão sobre como a IA evoluirá?
Assim como o AlphaGo demonstrou autonomia ao aprender a jogar xadrez sozinho, acho que veremos os aplicativos genAI se tornarem cada vez mais autônomos. Os aplicativos encaminharão e direcionarão automaticamente as solicitações para o agente ou API certo para processamento e correção do curso até que recuperem a saída correta. E em vez de um modelo de chamada de função pesquisando outros como controladores, veremos mais agentes auto-organizados e autocoordenados trabalhando em uníssono para resolver problemas.
A inferência extremamente rápida, os modelos de chamada de função e o serviço de ajuste fino do Fireworks abriram o caminho para essa realidade. Agora cabe aos desenvolvedores inovadores fazer isso acontecer.
Obrigado pela ótima entrevista, os leitores que desejam saber mais devem visitar o Fireworks AI.
