Skip Levens é líder de produto e estrategista de IA na Quantum, líder em soluções de gerenciamento de dados para IA e dados não estruturados. Atualmente, ele é responsável por impulsionar o engajamento, a conscientização e o crescimento das soluções ponta a ponta da Quantum. Ao longo de sua carreira – que incluiu passagens por organizações como Apple, Backblaze, Symply e Energetic Storage – ele liderou com sucesso o advertising e o desenvolvimento de negócios, evangelização, lançou novos produtos, construiu relacionamentos com as principais partes interessadas e impulsionou o crescimento da receita.
A Quantum fornece soluções de dados ponta a ponta que ajudam as organizações a gerenciar, enriquecer e proteger dados não estruturados, como arquivos de vídeo e áudio, em grande escala. A sua tecnologia centra-se na transformação de dados em insights valiosos, permitindo às empresas extrair valor e tomar decisões informadas. A plataforma da Quantum oferece soluções seguras, escaláveis e flexíveis, combinando infraestrutura native com recursos de nuvem. A abordagem da empresa permite que as empresas lidem com eficiência com o crescimento dos dados, garantindo segurança e flexibilidade durante todo o ciclo de vida dos dados.
Você pode fornecer uma visão geral da abordagem da Quantum para gerenciamento de dados orientado por IA para dados não estruturados?
Ao ajudar os clientes a integrar inteligência synthetic (IA) e aprendizado de máquina (ML) em suas principais operações de negócios, a Quantum ajuda os clientes a gerenciar e desbloquear com eficácia valor significativo de seus dados não estruturados, criando insights de negócios acionáveis que levam a melhores decisões de negócios. Ao construir as suas próprias ferramentas de IA/ML, as empresas podem passar de simplesmente lidar com o fluxo de dados e conteúdos para aproveitar os insights como um novo impulsionador de eficiência e, em última análise, amplificar a experiência humana em todas as fases das operações empresariais.
Como a tecnologia de IA da Quantum analisa dados não estruturados e quais são algumas das principais inovações que diferenciam sua plataforma dos concorrentes?
Nos estágios iniciais da adoção de ferramentas de IA/ML, muitas organizações percebem que seus fluxos de trabalho ficam desordenados e desconectados e podem perder o controle de seus dados, dificultando a aplicação de padrões de segurança e proteção. Muitas vezes, o desenvolvimento inicial é prejudicado por armazenamento inadequado e desempenho do sistema de arquivos.
Desenvolvemos o Myriad, um ambiente de malha inteligente e armazenamento de arquivos definido por software program de alto desempenho para enfrentar com elegância os desafios de integração de pipeline de IA/ML e fluxos de trabalho de alto desempenho – unificando fluxos de trabalho sem as restrições e limitações de {hardware} de outros sistemas. O Myriad é um claro afastamento das restrições de {hardware} e armazenamento legado e, construído com as mais recentes tecnologias de armazenamento e nuvem, é inteiramente orientado por microsserviços e orquestrado pelo Kubernetes para ser um sistema altamente responsivo que raramente requer interação administrativa. O Myriad foi projetado exclusivamente para obter o mais alto desempenho de NVMe e rede de malha inteligente e conexões de acesso remoto direto à memória (RDMA) quase instantâneas entre cada componente. O resultado é um sistema inovador que responde de forma inteligente e automática às mudanças e requer intervenção administrativa mínima para executar tarefas comuns. Ao tornar a malha inteligente parte do sistema, o Myriad também é um sistema com balanceamento de carga intrínseco que fornece múltiplas portas de largura de banda de 100 Gbps como um endereço IP único e balanceado.
Combinar o Myriad com nosso sistema de armazenamento de objetos semelhante à nuvem, ActiveScale, permite que as organizações arquivem e preservem até mesmo os maiores information lakes e conteúdos. A combinação oferece aos clientes uma verdadeira solução de gerenciamento de dados ponta a ponta para seus pipelines de IA. Além disso, quando entregue juntamente com a nossa solução CatDV, os clientes podem etiquetar e catalogar dados para enriquecer ainda mais os seus dados e prepará-los para análise e IA.
Você poderia compartilhar ideias sobre o uso de IA com vigilância por vídeo nas Olimpíadas de Paris e que outros eventos ou organizações de grande escala utilizaram essa tecnologia?
O Machine Studying pode desenvolver ações repetíveis que reconheçam padrões de interesse em vídeo e obtenham insights de uma enxurrada de dados de vídeo em tempo actual em uma escala maior e mais rápida do que seria possível apenas pelos esforços humanos. A vigilância por vídeo, por exemplo, pode usar IA para capturar e sinalizar comportamentos suspeitos à medida que ocorrem, mesmo que haja centenas de câmeras alimentando as informações do modelo. Um ser humano que tentasse realizar esta tarefa só seria capaz de processar um evento de cada vez, enquanto a vigilância por vídeo alimentada por IA pode assumir milhares de casos simultaneamente.
Outra aplicação é a análise do sentimento da multidão, que pode rastrear longas filas e identificar possíveis frustrações. Todas essas são ações que um especialista em segurança pode sinalizar com segurança, mas ao usar sistemas de IA/ML para assistir continuamente a feeds simultâneos, esses especialistas ficam livres para tomar as medidas apropriadas quando necessário, aumentando drasticamente a eficácia e a segurança gerais.
Quais são os principais desafios que as organizações enfrentam ao implementar IA para análise de dados não estruturados e como a Quantum ajuda a mitigar esses desafios?
As organizações devem reimaginar completamente a sua abordagem ao armazenamento, bem como à gestão de dados e conteúdos como um todo. A maioria das organizações aumenta seus recursos de armazenamento de forma orgânica, geralmente em resposta a necessidades pontuais, e isso cria confusão entre vários fornecedores e uma complexidade lamentável.
Com a adoção da IA, as organizações devem agora simplificar o armazenamento que sustenta as suas operações. Muitas vezes, isso requer a implementação de uma parte “quente” da ingestão inicial de dados, ou zona de destino onde aplicativos e usuários possam trabalhar o mais rápido possível. Em seguida, é adicionado um grande tipo de armazenamento “frio” que pode arquivar facilmente grandes quantidades de dados e protegê-los de maneira econômica, com a capacidade de mover os dados de volta para um fluxo de trabalho de processamento “quente” quase instantaneamente.
Ao reimaginar o armazenamento em menos soluções e mais compactas, a carga sobre a equipe administrativa é muito menor. Esse tipo de solução de gerenciamento de dados “quente/frio” é supreme para integração de fluxo de trabalho de IA/ML, e as soluções Quantum permitem que os clientes criem uma plataforma altamente ágil e flexível, concisa e fácil de gerenciar.
Como as inovações de IA da Quantum se integram a outras ferramentas e tecnologias baseadas em IA para aumentar o crescimento e a eficiência organizacional?
Muitas pessoas pensam que o armazenamento para ferramentas de IA/ML envolve apenas alimentar unidades de processamento gráfico (GPUs), mas isso é apenas uma pequena parte da equação. Embora a velocidade e o alto desempenho possam ser fundamentais para alimentar dados o mais rápido possível para as GPUs que estão realizando a análise de dados, o panorama geral gira em torno de como uma organização pode integrar desenvolvimento iterativo e contínuo de IA/ML, treinamento e loops de inferência com base em dados personalizados. Muitas vezes, a primeira e mais importante tarefa de IA/ML abordada é a construção de “bots de conhecimento” ou “bots conselheiros” usando dados proprietários para informar os trabalhadores internos do conhecimento. Para tornar esses bots de conhecimento úteis e exclusivos para cada organização, são necessárias grandes quantidades de informações especializadas para informar o modelo que os treina. Sugira uma solução de armazenamento alimentada por IA: se esses dados proprietários estiverem bem ordenados e prontamente disponíveis em um fluxo de trabalho de armazenamento simplificado, será muito mais fácil organizá-los em tipos, conjuntos e catálogos de dados que, por sua vez, garantirão que esses os bots de conhecimento são altamente informados sobre as necessidades exclusivas da organização.
Você pode explicar melhor os recursos de gerenciamento de fluxo de trabalho habilitados para IA e como eles simplificam os processos de dados?
Estamos construindo uma série de ferramentas de gerenciamento de fluxo de trabalho habilitadas para IA que se integram diretamente às soluções de armazenamento para automatizar tarefas e fornecer informações valiosas em tempo actual, permitindo tomadas de decisão rápidas e informadas em todas as organizações. Isso se deve aos novos e avançados sistemas de classificação e marcação de dados que usam IA para organizar os dados e torná-los facilmente recuperáveis, e até mesmo executar ações padrão nessa mídia, como conformar-se a um determinado tamanho, o que reduz significativamente os esforços manuais necessários ao organizar dados em conjuntos de treinamento.
Ferramentas de automação inteligentes gerenciam movimentação de dados, backup e tarefas de conformidade com base em políticas definidas, garantindo aplicação consistente e reduzindo encargos administrativos. A análise e o monitoramento em tempo actual também oferecem insights imediatos sobre padrões de uso de dados e possíveis problemas, mantendo automaticamente a integridade e a qualidade dos dados durante todo o seu ciclo de vida.
Quais são as perspectivas para o gerenciamento de dados baseado em IA e quais tendências você prevê para os próximos anos?
À medida que estas ferramentas evoluem e se tornam multimodais, permitirão formas mais expressivas e abertas de trabalhar com os seus dados. No futuro, você poderá ter uma “conversa” com seu sistema e receber informações ou análises de interesse, como 'qual é o tipo de dados que mais cresce na minha 'zona ativa' agora?'. Este nível de especialização será um diferencial para as organizações que incorporam essas ferramentas em suas soluções de armazenamento, tornando-as mais precisas e eficientes mesmo quando confrontadas com novos fluxos constantes de dados em evolução.
Qual o papel que suas ofertas de análise e armazenamento como serviço baseadas em nuvem desempenham na estratégia geral de gerenciamento de dados?
As organizações com requisitos de armazenamento significativos e em expansão muitas vezes têm dificuldade em acompanhar a procura, especialmente quando operam com orçamentos limitados. O armazenamento em nuvem pública pode gerar custos altos e imprevisíveis, dificultando a estimativa precisa e a compra antecipada de necessidades de armazenamento com anos de antecedência. Muitos clientes gostariam da experiência de nuvem pública com um custo operacional projetado conhecido, mas eliminando a saída surpresa ou cobranças de API que a nuvem pública pode trazer. Para atender a essa necessidade, desenvolvemos o Quantum GO para oferecer aos clientes aquela experiência de nuvem privada com um ponto de entrada inicial baixo e opções de pagamento mensal fixo baixas para uma verdadeira experiência de armazenamento como serviço em suas próprias instalações. À medida que os requisitos de armazenamento aumentam, o Quantum GO oferece aos clientes a vantagem adicional de um modelo simples de assinatura “pague conforme crescer” para oferecer maior flexibilidade e escalabilidade de maneira econômica.
Como a Quantum planeja permanecer à frente no cenário de IA e gerenciamento de dados em rápida evolução?
No mundo de hoje, ser apenas um “provedor de armazenamento” não é suficiente. Os novos desafios de dados e negócios em evolução exigem uma plataforma de dados inteligente e capacitada por IA que ajude os clientes a maximizar o valor de seus dados. Na Quantum, continuamos a inovar e a investir em recursos aprimorados para nossos clientes, para ajudá-los a trabalhar de maneira fácil e eficaz com uma grande quantidade de dados durante todo o seu ciclo de vida.
Estamos expandindo a IA inteligente para aprimorar a marcação, catalogação e organização de dados, tornando mais fácil do que nunca pesquisar, encontrar e analisá-los para extrair mais valor e insights. Continuaremos aprimorando nossos recursos de IA que auxiliam na transcrição automática de vídeos, traduzindo arquivos de áudio e vídeo para outros idiomas em segundos e permitindo pesquisas rápidas em milhares de arquivos para identificar palavras faladas ou localizar itens específicos e muito mais.
Que conselho você daria às organizações que estão apenas começando sua jornada com IA e gerenciamento de dados não estruturados?
AI/ML teve um grande entusiasmo e, por causa disso, pode ser difícil analisar o que é prático e útil. As organizações devem primeiro pensar nos dados que estão sendo criados e identificar como eles estão sendo gerados, capturados e preservados. Além disso, as organizações devem procurar uma solução de armazenamento que esteja pronta para acessar e recuperar dados conforme necessário e que ajude a orientar o fluxo de trabalho diário e a evolução futura. Mesmo que seja difícil chegar a um acordo sobre quais são os objetivos finais da IA, tomar medidas agora para garantir que os sistemas de armazenamento e os fluxos de trabalho de dados sejam simplificados, simplificados e robustos renderá enormes dividendos ao integrar iniciativas atuais e futuras de IA/ML. As organizações estarão então bem posicionadas para continuar explorando como essas ferramentas de IA/ML podem avançar em sua missão sem se preocupar em poder apoiá-la adequadamente com a plataforma de gerenciamento de dados certa.
Obrigado pela ótima entrevista, leitores que desejam saber mais devem visitar Quantum.
