Даш Табор, соучредитель и генеральный директор, делится своим опытом основателя и алгоритмом машинного обучения временных рядов TUBR.

TUBR строит более качественные, быстрые и более частые прогнозы с меньшим количеством данных. Соучредитель и генеральный директор Даш Табор и его команда хотели найти решение, позволяющее избавиться от разочарований, порожденных загруженными поездками на работу, но понимали, что для решения проблемы с данными необходимо продвинуть технологии для прогнозирования с использованием меньших наборов данных.

Их алгоритм машинного обучения временных рядов может обрабатывать только часть данных, которые обычно требуются, что позволяет делать прогнозы почти в реальном времени в динамических быстро меняющихся средах, таких как лондонский метрополитен. Команда разработала приложение для работы в Лондоне, помогающее людям найти оптимальное время для поездки, чтобы получить от путешествия наилучшие впечатления. Их миссия - улучшить то, как мы используем наши пространства, чтобы улучшить повседневный опыт и решить эти проблемы с «маленькими данными».

В рамках Недели Ады Лавлейс здесь, в Aerospace Xelerated, у меня была возможность поговорить с Дэш, чтобы услышать ее путь в области технологий на сегодняшний день, как впервые появился TUBR и куда движется их продукт.

Даш, рада, что вы с нами на Неделе Ады Лавлейс. Для начала, как ваша карьера привела вас к созданию TUBR? Где ты был раньше?

У меня есть степень магистра городского планирования и устойчивого развития, и я получил степень бакалавра в области общественных коммуникаций, PR и массовых коммуникаций. Я занялся технологиями в основном потому, что в то время все, казалось, этим занимались. Я начал работать в группе поддержки Experian, а затем перешел в группу по созданию данных, где мы создавали обновления данных. Это было еще тогда, когда автоматизация была такой горячей темой, и все думали: «Вы можете автоматизировать это» и «Эта технология супер крутая», поэтому я закончил тем, что автоматизировал себя, перейдя на должность менеджера по продукту. делаю за последнее десятилетие.

Работая менеджером по маркетингу, я участвовал в различных этапах бизнеса. Я помог другу создать мобильное приложение FinTech три года назад, и это было с момента создания, то есть с самых первых дней до того, как нас приняли в Techstars в Денвере, штат Колорадо. С тех пор я работал в крупных компаниях, малых и средних предприятиях, а также в компаниях серии А. Я распространил свои навыки по разным взглядам на компании, а затем подумал, что готов взять все, что я узнал, и попробовать применить это и заставить это работать.

«Все эти данные просто плавают вокруг нас, на самом деле мы просто проходим через них, и почему мы не используем их, чтобы использовать каждую минуту путешествия».

Как возникла идея TUBR и каково ваше приложение искусственного интеллекта? Вы упомянули свою степень в области городского планирования, вдохновлял ли вас также ваш опыт в чем-то?

Да, безусловно, TUBR - это своего рода комбинация фона. Степень городского планирования дала мне некоторое представление о том, как все работает, как работает планирование, как получать предложения и как правительство устанавливает приоритеты. Однако я бы сказал, что реальным элементом фона были данные. Я строил все эти различные предположения о данных, и я так устал от того, что в лондонском метро мне оказывались подмышкой в ​​лицо.

Я понял, что, если бы я вышел из дома в 8:17, я смогу преодолеть барьеры раньше и, вероятно, смогу занять место у прохода, может быть, даже место. Но если бы я ушел через 10 минут, меня бы заперли за шлагбаумом. В таком случае я бы пошел выпить кофе, вернулся и без проблем прошел бы прямо в поезд. Я начал понимать, что мы все толпились к метро одновременно, но тогда время, когда я доберусь до работы, будет отличаться всего на 10–15 минут. Те более ранние поезда на самом деле занимали больше времени, чем ожидание нескольких минут.

Так родилась идея. Я подумал: «Это безумие, данные могут решить эту проблему за нас». Все эти данные просто плавают вокруг нас, на самом деле мы просто проходим через них, и почему бы нам не использовать их, чтобы использовать каждую минуту путешествия. Я довольно быстро понял, что у нас нет доступа к нужным нам данным. Когда мы отправились искать данные, мы поняли, что то, что нам было нужно, не существовало, по крайней мере, на тот момент, а доступ к данным, который у нас был, был настолько ограничен, что мы вообще не могли использовать машинное обучение. на этом этапе. Мой соучредитель и я решили, что мы должны решить эту проблему машинного обучения, чтобы сделать данные, которые у нас есть, ценными для этого варианта использования. Мне посчастливилось найти блестящего технического соучредителя, и он создал алгоритм машинного обучения, который обрабатывает данные временных рядов с меньшим количеством точек данных. Именно тогда мы сказали, что на самом деле как бы взламываем этот более обширный мир небольших проблем с данными и пространством временных рядов, и вот как мы в итоге это сделали.

Это интересно то, что вы говорите о данных, о чем мы недавно говорили на нашей панели Демистификация ИИ. Это немного похоже на проблему с курицей и яйцом. Для начала вам нужны данные, но где их найти?

Часто все эти данные есть, но их нельзя использовать, потому что они не были правильно обработаны или мы слишком долго ждали их обработки. Кроме того, в нем есть все эти сложности, с которыми почти слишком страшно что-либо делать. Кроме того, есть элемент страха, потому что как люди воспримут эти данные? Как мы можем создать просветительский материал о том, что данные не страшны и по большей части не являются личными? И с этим можно решить множество проблем. Но в этом пространстве много заблуждений, заблуждений. Сейчас. Мы ничего не делаем с личными данными. Мы не знаем, кто такие, мы не отслеживаем какую-либо конкретную информацию, но мы собираем данные о том, как люди перемещаются и где они перемещаются, чтобы решить проблему.

«Это проблема, которую люди хотят решить? Собираются ли люди изменить свое поведение, чтобы я мог изменить ситуацию к лучшему? »

TUBR начался в 2020 году, и вскоре после этого разразилась пандемия. Мы говорили о проблеме с данными. С какими еще проблемами вы столкнулись?

Это то, что я хотел построить годами. И в начале 2019 года я решил, что 2020 год - мой год, и я начинаю бизнес. Одна из первых вещей, которую я хотел выяснить, было: действительно ли это проблема, которую люди хотят решить? Собираются ли люди на самом деле изменить свое поведение, чтобы я мог изменить ситуацию к лучшему? Я начал свое маркетинговое исследование еще до того, как зарегистрировал компанию, поэтому в январе 2020 года, еще до того, как мы узнали о пандемии. Я зарегистрировал компанию несколько месяцев спустя, в апреле.

Оглядываясь назад, можно сказать, что это единственное, на что мы смотрели все время: как меняется восприятие людей с периода до пандемии на период во время пандемии. Я думаю, ясно одно: те неприятные моменты в общественном транспорте - это то, что людям тогда не нравилось, и они мирились с ними, но, вероятно, не собираются мириться с ними сейчас. Мы поговорили с пассажирами пригородных поездов, и 34% из них сказали, что они действительно сойдут с поезда, если он станет слишком загруженным, и они могут даже развернуться и работать из дома. Люди сейчас в большей степени готовы изменить свое поведение, чем раньше, хотя аппетит к этому всегда был, поэтому опыт становится намного важнее. Интересно то, что в начале пандемии есть много страха и беспокойства, которые не исчезли полностью, но люди начинают немного больше выталкивать себя из своих зон комфорта. Когда мы недавно опросили население, около 1/3 опрошенных сказали, что не собираются снова пользоваться общественным транспортом.

Некоторые из проблем, с которыми мы столкнулись во время пандемии, во-первых, было действительно трудно проверить. Я менеджер по продукту, поэтому мне нравится быстро терпеть неудачу и разворачиваться. Это означает тестирование всего и получение этой проверки, что было действительно сложно сделать во время пандемии. Мы также довольно быстро узнали, как только нам удалось выпустить приложение, что исследования рынка, которые мы проводили на раннем этапе, больше не соответствовали тому, как люди путешествуют. Сейчас мы на самом деле находимся в процессе полного редизайна нашего приложения, и, надеюсь, оно выйдет в конце месяца. Многие маркетинговые исследования, которые вы проводили перед пандемией и во время пандемии, больше не актуальны. И это то, чего никто не мог предсказать, поэтому это было немного сложно. Кроме того, быть виртуальным - это замечательно во многих отношениях, потому что вы можете достичь гораздо большего за день, но вы не так легко выстраиваете эти личные отношения. Это определенно повлияло на сбор средств и создание нашего консультативного совета, поэтому с точки зрения бизнеса это было немного сложно.

Вы говорите о том, как все изменилось во время пандемии и как вы сейчас проходите процесс редизайна. Как пандемия повлияла на ваше первоначальное ценностное предложение?

Изначально мы просто думали о скоплении людей и о возможности порекомендовать эти минуты в путешествии. Как только мы выпустили приложение, мы поняли, что есть много других вещей, которые интересуют людей. Первоначально мы думали о скоплении людей, а теперь пассажиры думают о космосе. Мы провели все эти исследования, но людей действительно не волнует, насколько там многолюдно, их волнует, сколько места у них будет. Нам пришлось переосмыслить то, как мы показываем пространство, и мы все еще работаем над этим, но сейчас космос имеет большое значение для всех нас. Большинство из нас уже больше года провели в своих домах, и, независимо от того, маленькие они или просторные, у нас определенно не было подмышек в лицо. Прямо сейчас вагоны переполнены, но этот набитый вареньем, сардина, опыт не является обычным явлением в метро, ​​по крайней мере, пока, но мы могли бы вернуться к этому моменту довольно быстро.

Для нас возможность делать прогнозы и использовать наш ИИ, чтобы делать поминутные прогнозы на каждый час, вплоть до недели, но, очевидно, час является наиболее точным, потому что это то, что происходит сейчас. Затем он принимает во внимание события, поэтому, если идет дождь, есть ли движение, если это праздник, если происходит какое-то мероприятие, все это влияет на то, как люди ведут себя и что происходит. Эти триггеры войдут и скажут: «Начали литься». Это изменит ваши прогнозы на следующие 15 минут, 20 минут или час. Мы очень много работаем, чтобы убедиться, что информация точная и что мы принимаем во внимание то, что происходит вокруг нас, чтобы всегда получать нужную информацию.

Спасибо, Dash, за то, что поделились более подробной информацией о своей миссии в TUBR и подходе к решению этих проблем, связанных с «малым объемом данных».

Следите за обновлениями во второй части, где Даш рассказывает о том, как ее предыдущий опыт в качестве менеджера по продукту повлиял на ее путь, о том, как TUBR подходит к предвзятости в области искусственного интеллекта и этики, а также о ее лучших советах для стартапов.

Мы надеемся, что вы сможете присоединиться к нам на Неделе Ады Лавлейс - используйте #AdaLovelace и #WomenInTech в социальных сетях, чтобы выразить свою поддержку и отметить женщин, которых вы уважаете. Вы можете следить за материалами, которые мы публикуем на этой неделе, с помощью тега #AdaLovelace здесь, на Medium.

Aerospace Xelerated - это трехмесячная финансируемая программа для исключительной автономии и стартапов в области искусственного интеллекта для ускорения роста аэрокосмической промышленности. Узнайте больше о нашей работе в разделе Часто задаваемые вопросы или закажите звонок в рабочее время, чтобы пообщаться с командой программы.

Будьте в курсе наших последних обновлений через Twitter и LinkedIn и подпишитесь на нашу рассылку!