Le directeur technique de C3.ai explique la sauce secrète

L’une des sociétés d’intelligence artificielle les plus intrigantes à avoir attiré l’attention du public au cours de la dernière année est C3.ai, la création de l’entrepreneur en série Tom Siebel, qui a vendu sa dernière entreprise à Oracle pour 6 milliards de dollars.

C3.ai est devenu public début décembre, représentant les espoirs de nombreux investisseurs de tirer profit du buzz de l’intelligence artificielle, arborant le symbole boursier «AI».

ZDNet récemment, via Zoom, avec le directeur de la technologie de C3.ai, Edward Y. Abbo, pour discuter de ce qui entre dans la création des capacités d’intelligence artificielle de C3.ai.

Abbo a une longue histoire avec Siebel lui-même, ayant travaillé en tant que CTO pour Siebel Systems depuis sa création jusqu’à son acquisition, puis en tant que PDG dans les premières années de C3.ai.

Juste avant l’offre publique initiale de l’action C3.ai, ZDNet a examiné des documents de brevet décrivant ce que C3.ai appelle sa «sauce secrète», la suite d’intelligence artificielle qui, selon lui, accélère le développement des fonctions de gestion de la relation client.

L’opinion exprimée dans cet article était que la sauce secrète est en réalité davantage une question de plate-forme en tant que service, ou PaaS, plutôt que d’IA en soi. Cela signifie que la société a construit un système pour appliquer des modèles d’apprentissage automatique à grande échelle, et l’innovation réside dans l’ingénierie de ces systèmes à grande échelle, plus que dans le raffinement d’une approche particulière de l’intelligence artificielle.

Aussi: Disséquer la sauce secrète de C3.ai: moins sur l’IA, plus sur la réparation de Hadoop

Abbo, bien que ne réfutant pas nécessairement cette notion, a suggéré qu’il y avait plus qu’il n’y paraît. C3.ai a la capacité de « rendre les scientifiques des données considérablement plus productifs » à la fois grâce à l’automatisation de nombreuses tâches, mais aussi grâce à l’intégration d’approches d’apprentissage automatique dans l’IA, a-t-il déclaré.

L’événement ostensible de la conversation d’Abbo avec ZDNet C’était l’annonce le mois dernier par C3.ai de ce qu’on appelle l’Open AI Energy Initiative, un partenariat avec Microsoft, Shell et Baker Hughes pour apporter l’automatisation et l’apprentissage automatique à certains des problèmes les plus difficiles de l’industrie de l’énergie.

Considérez, si vous voulez, l’exemple d’un problème d’apprentissage automatique difficile. Une raffinerie de pétrole est construite, et il y a des schémas sur papier de sa construction. Au fil du temps, ce qui est sur papier ne correspond pas à l’état réel de la raffinerie à mesure que de nouveaux processus sont introduits. Ainsi, pour créer une représentation vivante et précise de la raffinerie dans sa configuration et sa fonction actuelles, ses propriétaires ont besoin de ce qu’on appelle un jumeau numérique, une simulation informatique moderne de la configuration de la raffinerie.

Recréer les schémas de l’usine implique des choses telles que la reconnaissance optique de caractères pour lire des documents, le traitement du langage naturel et plusieurs cadres de programmation d’apprentissage automatique, qui doivent tous fonctionner successivement. Le logiciel de C3.ai simplifie l’assemblage d’un pipeline de ces fonctions, a déclaré Abbo.

« L’innovation, il y a une représentation modèle d’un pipeline d’IA que nous appelons le pipeline C3.ai ML », a déclaré Abbo, « qui vous permet de déclarer réellement sans avoir à programmer les étapes impliquées dans la résolution de ce problème, et d’utiliser différentes Des frameworks d’IA à chaque étape, et potentiellement même des langages de programmation différents, et vous permettent de les assembler très rapidement dans un pipeline d’apprentissage automatique. « 

Le résultat, selon Abbo, est que «ce qui aurait autrement pris des mois de programmation par un data scientist peut en fait être fait littéralement en quelques jours en utilisant la plate-forme C3.ai».

Dans un autre cas, un client avait deux millions de modèles d’apprentissage automatique responsables des vannes de commande, a déclaré Abbo. C’était un problème de gestion de modèle, a déclaré Abbo. Chaque modèle a dû être déployé en production, puis observé pour la variance et révisé.

«Tout ce domaine de la mise à l’échelle de l’intelligence artificielle est un autre domaine dans lequel nous avons réalisé d’énormes investissements, ce qui constitue un facteur de différenciation énorme entre nous et les autres sur le marché», a déclaré Abbo.

«C’est pourquoi nos clients ont d’énormes déploiements, et d’autres sont bloqués dans la phase de prototype», a-t-il déclaré.

Concernant l’Initiative Open AI Energy du mois dernier, Abbo a déclaré que l’aspect spécifique au domaine du projet s’attaquait aux «inefficacités dans la chaîne de valeur» qui sont créées par des silos au sein des organisations.

« Regardez toutes les organisations de taille moyenne ou grande », a déclaré Abbo. « Leurs données sont fragmentées sur des centaines, voire des milliers de systèmes. » Ajoutez la télémétrie croissante avec des capteurs placés sur le terrain, et la complexité ne fait qu’augmenter. Une grande partie des données collectées grâce à la télémétrie « ne sont pas activées, ou ne sont activées au profit de personne », a déclaré Abbo.

La deuxième dimension de l’OAI est de fournir ce qu’Abbo a appelé une plate-forme d’application, semblable aux magasins d’applications grand public. L’objectif, a déclaré Abbo, est d’avoir d’autres en dehors de la collection initiale de partenaires pour participer à l’écosystème des applications.

Tout cela, a déclaré Abbo, vise à accélérer la soi-disant transition énergétique de l’industrie de l’énergie, le passage à ce que l’on a appelé le zéro émission nette.

« Le développement de l’écosystème est d’une importance cruciale », a déclaré Abbo. L’annonce de l’OAI a eu lieu lors de la réunion annuelle de Baker Hughes le mois dernier, où la société accueille des représentants de tous les acteurs pétroliers et gaziers les plus importants.

«L’objectif est d’obtenir un écosystème complet de fournisseurs de logiciels», a déclaré Abbo, y compris des chercheurs, des fournisseurs d’équipements et des fournisseurs d’énergie eux-mêmes.