Daft & Eventual: Η Επανάσταση στο Χάος των AI Δεδομένων που Γεννήθηκε στη Lyft

Ανακαλύψτε πώς ένα πρόβλημα στη Lyft γέννησε την Eventual και το Daft, την επαναστατική λύση ανοιχτού κώδικα για την επεξεργασία των πολύπλοκων δεδομένων AI.

Minas Marios Kontis
Minas Marios Kontis
AI Greece Podcast Host
Daft & Eventual: Η Επανάσταση στο Χάος των AI Δεδομένων που Γεννήθηκε στη Lyft

Daft & Eventual: Η Καινοτομία που Λύνει το Χάος των Πολυτροπικών Δεδομένων στο AI

Στον κόσμο της τεχνολογίας, τα μεγαλύτερα προβλήματα συχνά γεννούν τις πιο λαμπρές καινοτομίες. Αυτή είναι η ιστορία της Eventual και του Daft, μιας προηγμένης λύσης που γεννήθηκε μέσα από τις προκλήσεις του προγράμματος αυτόνομων οχημάτων της Lyft και σήμερα φιλοδοξεί να φέρει την επανάσταση στον τρόπο που διαχειριζόμαστε τα δεδομένα στην εποχή του AI.

Όταν οι ιδρυτές της Eventual, Sammy Sidhu και Jay Chia, εργάζονταν ως μηχανικοί λογισμικού στη Lyft, βρέθηκαν αντιμέτωποι με ένα κενό στην υποδομή δεδομένων που μόλις ξεκινούσε να γίνεται εμφανές — ένα πρόβλημα που έμελλε να γιγαντωθεί με την εκρηκτική άνοδο του AI.

Το Πρόβλημα που Γέννησε την Καινοτομία

Τα αυτόνομα οχήματα αποτελούν μια τεράστια πηγή δεδομένων. Ωστόσο, αυτά τα δεδομένα δεν έρχονται σε τακτοποιημένους πίνακες, αλλά σε μια πολύπλοκη, μη δομημένη μορφή.

Η Πρόκληση των Πολυτροπικών Δεδομένων (Multimodal)

Οι μηχανικοί της Lyft έπρεπε να διαχειριστούν έναν τεράστιο όγκο δεδομένων από πολλαπλές πηγές και τύπους (modalities) ταυτόχρονα. Αυτά περιλάμβαναν:

  • Τρισδιάστατες σαρώσεις (3D scans)
  • Εικόνες και βίντεο υψηλής ανάλυσης
  • Αρχεία ήχου
  • Ακατέργαστο κείμενο και αρχεία καταγραφής

Η έλλειψη ενός ενοποιημένου εργαλείου σήμαινε πως οι μηχανικοί αναγκάζονταν να συνδυάζουν πολλαπλά εργαλεία ανοιχτού κώδικα, μια διαδικασία όχι μόνο χρονοβόρα αλλά και γεμάτη προβλήματα αξιοπιστίας.

«Είχαμε όλα αυτά τα λαμπρά μυαλά με διδακτορικά, εξαιρετικούς επαγγελματίες από όλο τον κλάδο, να εργάζονται πάνω στα αυτόνομα οχήματα, αλλά ξόδευαν περίπου το 80% του χρόνου τους δουλεύοντας πάνω στην υποδομή αντί να χτίζουν την κύρια εφαρμογή τους», δήλωσε ο Sidhu, ο οποίος είναι CEO της Eventual, σε μια πρόσφατη συνέντευξή του στο TechCrunch. «Και τα περισσότερα από αυτά τα προβλήματα που αντιμετώπιζαν αφορούσαν την υποδομή δεδομένων».

Η Λύση: Daft, η Open-Source Μηχανή Επεξεργασίας

Αντιμέτωποι με αυτό το εμπόδιο, ο Sidhu και ο Chia ανέπτυξαν ένα εσωτερικό εργαλείο για τη Lyft, ικανό να επεξεργάζεται πολυτροπικά δεδομένα (multimodal) αποτελεσματικά. Η πραγματική ευκαιρία αποκαλύφθηκε όταν ο Sidhu, αναζητώντας νέες επαγγελματικές προκλήσεις, διαπίστωσε ότι κάθε εταιρεία ήθελε να δημιουργήσει μια παρόμοια λύση. Έτσι, η ιδέα για την Eventual πήρε σάρκα και οστά.

Η Eventual δημιούργησε μια μηχανή επεξεργασίας δεδομένων ανοιχτού κώδικα, γραμμένη σε Python, με το όνομα Daft. Το Daft είναι ειδικά σχεδιασμένο για να χειρίζεται με ταχύτητα και ευελιξία τεράστιους όγκους δεδομένων διαφορετικών τύπων, από κείμενο και εικόνες μέχρι ήχο και βίντεο.

Το "SQL" για τα Δεδομένα του Μέλλοντος

Η φιλοδοξία πίσω από το project είναι τεράστια. Όπως χαρακτηριστικά δήλωσε ο Sidhu, ο στόχος είναι το Daft να φέρει την ίδια επανάσταση στην υποδομή μη δομημένων δεδομένων που έφερε η γλώσσα SQL στα δομημένα δεδομένα (tabular datasets) δεκαετίες πριν.

Η εταιρεία ιδρύθηκε στις αρχές του 2022, προνοητικά, σχεδόν έναν χρόνο πριν την κυκλοφορία του ChatGPT που έκανε την ανάγκη για τέτοιες λύσεις πασιφανή. Αφού κυκλοφόρησαν την πρώτη έκδοση ανοιχτού κώδικα του Daft το 2022, ετοιμάζονται να λανσάρουν ένα εταιρικό (enterprise) προϊόν το τρίτο τρίμηνο του έτους.

«Με την έκρηξη του ChatGPT, αυτό που είδαμε ήταν απλώς πολλοί περισσότεροι άνθρωποι να δημιουργούν εφαρμογές AI χρησιμοποιώντας διαφορετικούς τύπους δεδομένων (modalities)», είπε ο Sidhu, επιβεβαιώνοντας το σωστό timing της καινοτομίας τους.

Η Σημασία για την Ελλάδα και το Μέλλον του AI

Η εξέλιξη εργαλείων όπως το Daft δεν αφορά μόνο τις μεγάλες εταιρείες της Silicon Valley. Για την Ελλάδα και την Ευρώπη, όπου το οικοσύστημα του AI αναπτύσσεται ραγδαία, λύσεις ανοιχτού κώδικα σαν αυτήν είναι κρίσιμες. Επιτρέπουν σε startups, ερευνητές και developers να χτίζουν προηγμένες εφαρμογές AI χωρίς να χρειάζεται να επενδύσουν τεράστιους πόρους στην υποδομή δεδομένων, επιταχύνοντας την καινοτομία και ενισχύοντας την ανταγωνιστικότητα σε παγκόσμιο επίπεδο. Το μέλλον των δεδομένων AI είναι εδώ, και είναι πιο προσβάσιμο από ποτέ.

Minas Marios Kontis

Minas Marios Kontis

Forbes 30 Under 30 entrepreneur and host of AI Greece Podcast. Founder & CEO of Univation, empowering 35,000+ students across 40+ universities with AI-driven education. Started coding at 12 with a 100k+ download transportation app.

Share this article