אני רואי בנימין.

אני מוביל אנליטיקה שיחתית עבור Tableau ב-Salesforce: השכבה של Tableau Next שמאפשרת לשאול שאלות על דאטה בשפה חופשית, ולקבל תשובות שאפשר להגן עליהן בישיבה. המערכת חיה אצל עשרות לקוחות ארגוניים, כלומר העבודה שלי נבחנת כל יום על ידי אנשים שמעולם לא ראו את הדמו. 1

לגרום למודל שפה להיות שימושי באמת מול דאטה ארגוני זו בעיקר עבודה לא זוהרת: הערכה, אמון וסמנטיקה. למדתי שהחלקים הלא זוהרים הם המקום שבו המוצר באמת נמצא. דאטה ארגוני הוא פשוט הגרסה של הפרק הנוכחי לבעיה שבה לטעות זה יקר.

הגעתי לכאן בדרך הארוכה. הכל התחיל בתואר הראשון, בשני פרויקטים שלא באמת עזבו אותי מאז: רחפן DIY שבנינו ותכנתתי לשחזור תלת-ממדי, ורשתות GAN שהרכיבו מחדש פסיפסים ופרסקאות מנותצים מהשברים ששרדו. משם ל-Physical Design בצוות השבבים של Apple, שם שבב יוצא לייצור בדיוק פעם אחת. 2 אחר כך הגיע תואר שני במדעי המחשב בTechnion: מאמר כמחבר ראשון ב-CIKM 2022 על רשתות נוירונים גרפיות לחיזוי תכונות מולקולריות, בהנחיית קירה רדינסקי. וב-Gloat, במחקר AI יישומי, מודלי דירוג מבוססי Transformer ו-AI אחראי, עשיתי את המעבר ממחקר למוצר.

אני עדיין שומר רגל בעולם המחקר, כסוקר אתיקה ב-NeurIPS וסוקר ב-WSDM, ומשלים MBA ב-Imperial College London: החצי העסקי של אותה משוואה.

הבעיות שאני חוזר אליהן שוב ושוב הן אלה שבהן תוכנה צריכה לפעול בעולם הפיזי: שערוך מצב, ראייה ממוחשבת, מערכות שמחזיקות אמונה ומעדכנות אותה כשמגיעות ראיות. הנוכחית היא nano-kalman, פילטר קלמן שנכתב מאפס ועוקב אחרי כדור רועש בדפדפן. 3 לפניה היו רחפנים ופרסקאות שבורות; תהיה גם הבאה.

מעבר לעבודה אני מנחה את האותיות הקטנות, פודקאסט שבו אני יושב עם אנשים שעושים דברים יוצאי דופן (חוקרים, יזמים ואנשי תעשייה) ושואל על הפרטים שבדרך כלל לא מספרים. 4 16 פרקים ויותר מ-3,000 הורדות מאז יולי 2024.

אני מסביר דברים מורכבים לקהלים חדים כבר הרבה זמן: כ-600 סטודנטים במשך שנתיים כמתרגל מדעי המחשב בTechnion, עם פרסי הצטיינות בהוראה, 5 הרצאות ב-SpaceIL מאז 2015, ומנטורינג ב-Startup Nation Central.

הדף הזה הוא הגרסה הקצרה. לכל השאר: כתבו ל-hello @ האתר הזה, או מצאו אותי ב-LinkedIn, שם אני הכי פעיל, וב-GitHub. מארגנים אירוע? צרפו את התאריך והקהל, ואחזור אליכם במהרה.