Den Wert unstrukturierter Daten ausschöpfen: Wie Coactive eine visuelle Analyseplattform auf AWS aufbaute

Es heißt, ein Bild sagt mehr als tausend Worte – und laut Forrester Research kann eine Minute Video 1,8 Millionen Worte wert sein. Für Unternehmen, die von E-Commerce bis hin zu sozialen Medien reichen, sind visuelle Inhalte mehr wert als die Menge an Worten, die sie vermitteln: Sie sind eine Gelegenheit, Kundenbindung aufzubauen, Vertrauen und Sicherheit zu erhöhen, die Personalisierung zu verbessern und umsetzbare Erkenntnisse zu gewinnen, die auf der Interaktion mit Inhalten basieren.

Coactive AI, ein Startup für visuelle Datenanalyse, das 2021 von CEO Cody Coleman und Will Gaviria Rojas gegründet wurde, demokratisiert Unternehmen die Möglichkeit, Bilder und Videos zu analysieren. 

Bilder und Videos sind unstrukturierte Daten – Informationen, die noch nicht in einer vordefinierten Weise angeordnet wurden und für deren genaue Analyse üblicherweise Fachwissen im Bereich Machine Learning, eine robuste technische Infrastruktur und viel Zeit erforderlich sind.

Coactive, die Plattform, die von Coactive AI auf Amazon Web Services (AWS) entwickelt wurde und auf dem AWS Marketplace verfügbar ist, hilft Datenexperten dabei, schnell und mit minimalem Aufwand Erkenntnisse aus unstrukturierten Daten zu gewinnen. Die Funktionen der Plattform, die über Benutzeroberflächen oder APIs zugänglich sind, reichen von intelligenter Suche bis hin zu Produktionsanalysen, bei denen die volle Leistungsfähigkeit von SQL genutzt wird. 

Die Möglichkeiten von KI unter Beweis stellen 

Die innovative Lösung von Coactive ist das Ergebnis intensiver Zeit, Recherche und Entschlossenheit. Im Jahr 2018, als er in Stanford in Informatik promovierte, erkannte Cody, dass „künstliche Intelligenz und intelligente Anwendungen die Zukunft sein würden. Der Blocker war, dass man Geräte im Wert von Hunderttausenden von Dollar und enorme Datenmengen benötigte, um etwas Bedeutendes zu erreichen.“ 

Angesichts dieser Einschränkungen setzte sich Cody dafür ein, die Zugangsbarrieren für maschinelles Lernen zu senken, damit alle davon profitieren können: „Meine Mission während der Graduiertenschule war es, meine Leidenschaft für Informatik zum Wohle der Gesellschaft als Ganzes einzusetzen und gleichzeitig zukünftigen Generationen als Führungskraft zu dienen.“  

Cody schloss sich dem Stanford DAWN-Forschungsprojekt an, einer Gruppe, die sich darauf konzentrierte, die Entwicklung von KI-gestützten Anwendungen erheblich zu vereinfachen. Einer der vielen beeindruckenden Durchbrüche in Codys Arbeit war DAWNBench, der erste Benchmark für durchgängige Systeme für Machine Learning (ML), der von globalen Technologieunternehmen als Industriestandard verwendet wird. Im ersten Jahr reduzierte DAWNBench die Zeit für das Modelltraining um das 500-fache und die Trainingskosten um das 20-fache. Angeregt durch die Fortschritte, die er bei der Entwicklung barrierefreier KI gemacht hatte, stellte sich Cody der nächsten großen Frage: Was ist als Nächstes zu tun? 

Zu diesem Zeitpunkt, sei es durch Glück oder Zufall, zog Codys Freund Will in die San Francisco Bay Area, um eine Karriere in einem großen Technologieunternehmen zu beginnen. Seit ihrer Studienzeit am Massachusetts Institute of Technology (MIT) verbindet Cody eine Freundschaft, die zehn Jahre andauert, und so half Cody Will beim Einzug. „Will hat mir die zwei Fragen gestellt, die man einem Doktoranden niemals stellen sollte, weil sie eine unmittelbare existenzielle Krise auslösen“, lacht Cody. „Wann wirst du deinen Abschluss machen?“ und „Was wirst du danach machen?“

Cody hatte Optionen in Betracht gezogen, die vom Eintritt in ein renommiertes Technologieunternehmen über die Aufnahme eines Fakultätsmitglieds an einer Universität bis hin zum Beitritt zu einem Startup oder dem Aufbau eines Unternehmens reichten. „Ohne zu zögern sagte Will mir, ich solle mein eigenes Unternehmen gründen“, sagt Cody. „Er hat mir gesagt, dass es der richtige Zeitpunkt ist und ich das richtige Wissen habe. Und dass er mich gerne auf dieser Reise begleiten würde.“

Monatelange Gespräche, Recherchen und das Studium des Problems aus erster Hand führten Cody und Will zu derselben Erkenntnis: Menschen benötigen eine visuelle Analyseplattform, um den Wert ihrer Inhalte auszuschöpfen, und dass es an der Zeit ist, sie zu erstellen. Auf Basis dieser Entscheidung wurde Coactive gegründet.

 Eine visuelle Analyselösung für alle erstellen

Während Codys Zeit in Stanford hat sich das Machine Learning erheblich weiterentwickelt, aber es gab noch viel zu tun, um KI-Anwendungen für alle zugänglich zu machen: von den weltweit größten Unternehmen bis hin zu einem Startup, das ihr minimales lebensfähiges Produkt entwickelt hat. 

Dies galt insbesondere für maschinelles Lernen, das Bilder und Videos analysierte, um umsetzbare Erkenntnisse abzuleiten. Bei diesen unstrukturierten Datenformaten könnte der durchgängige Arbeitsablauf aufgrund der Komplexität des Prozesses umfangreiche Rechenleistung in Form von GPUs, eine erhebliche Speicherkapazität sowie viel Zeit und Fachwissen erfordern. Ein üblicher Arbeitsablauf kann Folgendes beinhalten:

1. Datenwissenschaftler führen die Datenexploration durch und erstellen Computer-Vision-Modelle, um die visuellen Daten zu analysieren und zu verstehen.
2. ML-Ingenieure operationalisieren diese Modelle.
3. Softwareingenieure integrieren die Modellvorhersagen in reale Anwendungen für Verbraucher.

Um die visuelle Inhaltsanalyse zugänglicher, genauer und effizienter zu machen, kombiniert Coactive die Breite vorhandener großer Sprachmodelle (LLMs) mit der Genauigkeit und Automatisierung, die sich aus der Anwendung eines Lernsystems auf Domain-spezifische Daten ergeben. Nachdem Kunden Zugriff auf ihre großen Mengen an Rohbild- und Videodateien gewährt haben, verwendet Coactive vortrainierte Basismodelle in Verbindung mit seinem firmeneigenen aktiven Lern- und Klassifizierungssystem, um die Daten einzubetten und zu indexieren. Während dieses Prozesses haben Kunden die Möglichkeit, vorhandene Labels hochzuladen oder einige Beispiele bereitzustellen, damit die Coactive-Plattform alle domänenspezifischen Nuancen ihrer Daten weiter kennenlernen kann.

„Eines der wichtigsten Dinge an wirklich großen Modellen ist, dass wir nicht wirklich eine riesige Datenmenge herüberwerfen müssen, um sie für bestimmte Aufgaben zu optimieren“, erklärt Cody. „Sie nennen diese großen Sprachmodelle nicht ohne Grund „Lernen mit wenigen Schüssen“. Anstatt über die Menge an Daten nachzudenken, die wir diesen Systemen zur Verfügung stellen, geht es wirklich um Qualität.“

Das Ergebnis? Kunden können Coactive verwenden, um visuelle Inhalte schnell und in großem Umfang abzufragen, zu suchen, zu filtern und zu analysieren. 

Partnerschaft mit AWS zur Beschleunigung des Erfolgs

Als innovatives und schnell skalierendes Startup entschied sich Coactive für die Migration von seinem ursprünglichen Cloud-Anbieter hin zu AWS. Die von AWS angebotenen Lösungen entsprechen den vier wichtigsten Anforderungen von Coactive an Cloud-Anbietern: Tiefe und Breite der Services, optionale Tools, Verfügbarkeit für die Skalierung ihrer Produkte und Angebote, bei denen Sicherheit an erster Stelle steht. 

„Wir mussten unsere Lösung auf einem Cloud-Anbieter aufbauen, der für Unternehmen geeignet ist und gleichzeitig flexibel genug ist, um etwas völlig Neues zu entwickeln. Mit AWS waren wir in der Lage, dies zu tun und gleichzeitig unseren Kunden erstklassige Sicherheit zu bieten“ sagt Cody. 

Entwickeln mit AWS-Lösungen

Nach der Migration machte sich Coactive an die Arbeit, eine hochmoderne Webanwendung mithilfe von AWS-Lösungen wie Amazon Simple Storage Service (Amazon S3), Amazon Aurora und Amazon Elastic Container Service (Amazon ECS) zu erstellen. Diese Webanwendung half Coactive dabei, ihr erstes MVP zu etablieren und Machbarkeitsstudien für potenzielle Kunden durchzuführen. 

Für ihre datenzentrierten Machine-Learning-Aufgaben profitiert Coactive von der Verwendung von Amazon Aurora PostgreSQL Serverless, um Datenbankanfragen mit niedriger Latenz zu bearbeiten, ohne Zeit für die Verwaltung ihrer Datenbankinfrastruktur aufwenden zu müssen. Die vielen Petabyte an Bild- und Videodaten von Coactive werden mit Amazon S3 gespeichert. 

Um ihre Webanwendung zu starten, verwendet Coactive eine Kombination aus Amazon CloudFront als Content Delivery Network (CDN). Die Backend-Webanwendung läuft auf Amazon ECS und kommuniziert mit deren Datenbank und nachgelagerten Peripheriediensten wie Databricks auf AWS. Amazon ECS bietet Coactive eine einfache Verwaltung der Container-Infrastruktur, die auf Amazon Elastic Compute Cloud (Amazon EC2) läuft. 

Sicherheit und Datenschutz sind wichtige Aspekte von Machine-Learning-Workloads. Um seinen Kunden ein sicheres Analyseerlebnis zu bieten, verwendet Coactive Amazon GuardDuty, Amazon Inspector, AWS Key Management Service und mehr. Mit diesen Lösungen erreichte Coactive innerhalb eines Quartals die Einhaltung der SOC2-Cybersicherheitsbestimmungen. 

Ihr Produkt auf den Markt bringen

Es ist wichtig, eine erfolgreiche Markteinführung sicherzustellen. Um ihr Produkt dem weltweiten Publikum von AWS-Kunden zugänglich zu machen, ist Coactive dem AWS-Partnernetzwerk (APN) beigetreten und listet ihr Produkt auf dem AWS Marketplace.. 

Coactive ist auch Mitglied des AWS Global Startup Program (GSP), das über das APN angeboten wird. Dieses Programm bringt Coactive mit einem AWS Partner Development Manager zusammen, der Unterstützung in drei wichtigen Bereichen bietet: Produktentwicklung, Markteinführung und Co-Selling.

Schnellerer Erfolg mit AWS-Startups

Coactive nutzt nicht nur technische Lösungen und Unternehmensunterstützung von AWS, sondern nutzt auch das AWS Activate-Programm . AWS Activate stellt Startups Ressourcen zur Verfügung, die von Gutschriften und exklusiven Angeboten bis hin zu technischem Support und Netzwerkveranstaltungen reichen. 

In Zusammenarbeit mit dem Team von AWS Startups haben Cody und andere Mitglieder von AWS Activate ihr Fachwissen kürzlich auf dem AWS GenAI Day geteilt, einer eintägigen virtuellen Veranstaltung, bei der gezeigt wird, wie Startups mit generativer KI auf AWS entwickeln. Im Rahmen des Hauptvortrags „Der Weg der GenAI: Vom Lernen zur Wirkung “ erklärte Cody, warum Daten ein wichtiger Bestandteil der generativen KI sind und wie die jüngsten Durchbrüche im Bereich des Machine Learnings das Potenzial haben, das Leben erheblich zu verbessern. 

Zukunftsgestaltung

Coactive entwickelt weiterhin ein Produkt, das die Einstiegshürde für Machine Learning senkt, und Cody stellt fest, dass es ein wichtiger Teil seiner Mission ist, zu beweisen, was möglich ist – und anderen Menschen dabei zu helfen, dies zu beweisen. Zu seiner unglaublichen Geschichte gehört, dass er während der Inhaftierung seiner Mutter geboren, in Pflegefamilien aufgenommen und von Großeltern adoptiert wurde, die ihn innerhalb der Grenzen der wirtschaftlichen Ungleichheit erzogen haben. Als erster schwarzer Doktorand seit fast 20 Jahren, der seinen Abschluss in Stanford gemacht hat, ist Cody mit den Herausforderungen vertraut, eine unterrepräsentierte Person in der Technologiebranche zu sein. Er setzt sich dafür ein, Vielfalt, Chancengleichheit und Inklusion bei Coactive zu Kernprinzipien zu machen. „Wie wir erfolgreich sind, ist genauso wichtig wie die Tatsache, dass wir erfolgreich sind“, sagt Cody. 

„Will hat ein großartiges Sprichwort, in dem er sagt, dass es sein Lebensziel ist, Leitern zu bauen, damit die Leute leichter in seine Fußstapfen treten können“, erklärt Cody. „Meine Mission im Leben besteht generell darin, zu zeigen, dass man unabhängig davon, wo man herkommt, erfolgreich sein kann. Wenn ich es konnte, kann es jeder tun.“

Für Leute, die erwägen, ein Startup zu gründen, teilt Cody mit, dass Angst normal ist: dass man nicht für die Rolle des CEO geschaffen ist, dass es ein großes Risiko darstellt, ein Unternehmen zu gründen, dass die Dinge für eine lange Zeit schwierig sein werden. Sein Moment des Selbstvertrauens kam, als er erkannte: „Ich muss nicht alles herausfinden, um loszulegen. Ich muss einfach anfangen, alles herauszufinden.“

Zwei Jahre später ist der Erfolg dieser Beratung offensichtlich. Das Coactive-Team sorgt weiterhin für gleiche Wettbewerbsbedingungen im Bereich KI, indem es seinen Kunden aussagekräftige visuelle Analysen zur Verfügung stellt. Codys Engagement, Daten nutzbar zu machen, ist nach wie vor stark. „Einer der erstaunlichsten Anwendungsfälle, die ich je gesehen habe, ist die Feinabstimmung eines Spracherkennungsmodells, um die Anzeichen einer gefährlichen Atemwegserkrankung beim Schrei eines Babys zu erkennen“, erklärt er. Die Früherkennung mithilfe von KI senkte die Säuglingssterblichkeitsrate und verringerte den Zeit-, Kosten- und Qualifikationsaufwand, der für eine genaue Diagnose erforderlich war.

„Nachhaltige und ethische KI hat ein unglaubliches Potenzial, das Leben erheblich zu verbessern“, sagt Cody. „Einer meiner größten Motivatoren ist bis heute, dass die Demokratisierung der KI mit Unternehmen wie Coactive und AWS dazu führt, dass die Leute so viele Geschichten erzählen und Fragen beantworten werden. Ich freue mich darauf, das zu sehen.“