Membuka nilai data tidak terstruktur: Cara Coactive membangun platform analitik visual di AWS

Dikatakan bahwa satu gambar bernilai seribu kata – dan menurut Forrester Research, satu menit video mungkin bernilai 1,8 juta kata. Untuk bisnis mulai dari e-commerce hingga media sosial, konten visual bernilai lebih dari jumlah kata yang dapat disampaikannya: hal ini adalah kesempatan untuk membangun keterlibatan pelanggan, meningkatkan kepercayaan dan keamanan, meningkatkan personalisasi, dan mengumpulkan wawasan yang dapat ditindaklanjuti berdasarkan keterlibatan konten.

Coactive AI, sebuah perusahaan rintisan di bidang analitik data visual yang didirikan oleh CEO Cody Coleman dan Will Gaviria Rojas pada tahun 2021, mendemokratisasikan peluang bagi bisnis untuk menganalisis gambar dan video. 

Gambar dan video adalah data tidak terstruktur—informasi yang belum tersusun dengan cara yang telah ditentukan sebelumnya—yang secara tradisional membutuhkan keahlian machine learning, infrastruktur teknis yang kuat, dan sejumlah besar waktu untuk menganalisis secara akurat.

Coactive, platform yang dibangun oleh Coactive AI di Amazon Web Services (AWS) dan tersedia di AWS Marketplace, membantu praktisi data memperoleh wawasan cepat dari data tidak terstruktur dalam skala besar dan dengan pengawasan minimal. Kemampuan platform yang dapat diakses oleh antarmuka pengguna atau API ini berkisar dari pencarian cerdas hingga analisis produksi yang menggunakan kekuatan penuh SQL.

Membuktikan hal-hal yang mungkin dilakukan dengan AI 

Solusi Coactive yang inovatif dihasilkan dari sejumlah besar waktu, penelitian, dan tekad. Selama tahun 2018, saat mendapatkan gelar PhD dalam bidang Ilmu Komputer di Stanford, Cody mengakui bahwa “kecerdasan buatan dan aplikasi cerdas akan menjadi hal penting pada masa mendatang. Faktor penghambatnya adalah bahwa Anda membutuhkan peralatan bernilai ratusan ribu dolar dan sejumlah besar data untuk mencapai sesuatu yang signifikan.”

Karena keresahan akan keterbatasan ini, Cody berkomitmen mengurangi hambatan untuk masuk ke machine learning sehingga semua orang dapat memperoleh manfaat darinya: “Misi saya selama menempuh pendidikan pascasarjana adalah menggunakan minat saya dalam ilmu komputer untuk memberi manfaat bagi masyarakat luas sekaligus menjadi pemimpin bagi generasi mendatang.”  

Cody bergabung dengan proyek penelitian Stanford DAWN, sebuah kelompok yang berfokus untuk membangun aplikasi yang ditenagai AI dengan lebih mudah. Salah satu dari banyak terobosan mengesankan karya Cody adalah DAWNBench, tolok ukur sistem machine learning (ML) menyeluruh pertama yang digunakan oleh perusahaan teknologi global sebagai standar industri. Pada tahun pertamanya, DAWNBench mengurangi waktu pelatihan model hingga 500x dan biaya pelatihan hingga 20x. Terinspirasi oleh kemajuan yang ia buat dalam menciptakan AI yang dapat diakses, Cody menjawab pertanyaan besar berikutnya: Apa yang harus dilakukan selanjutnya?

Pada saat ini--entah karena keberuntungan atau kebetulan--teman Cody, Will, pindah ke San Francisco Bay area untuk memulai karier di sebuah perusahaan teknologi besar. Dengan persahabatan yang terjalin selama 10 tahun sejak mereka masih menjadi mahasiswa di Massachusetts Institute of Technology (MIT), Cody membantu Will pindahan. “Will mengajukan dua pertanyaan yang seharusnya tidak boleh ditanyakan kepada mahasiswa PhD karena akan langsung menyebabkan krisis eksistensi,” Cody tertawa. “'Kapan kamu akan lulus?’ dan ‘Apa yang akan kamu lakukan setelahnya?’”

Cody telah mempertimbangkan beberapa opsi mulai dari bergabung dengan perusahaan teknologi bergengsi, menjadi anggota fakultas universitas, bergabung dengan perusahaan rintisan, atau membangun perusahaan. “Tanpa ragu, Will mengatakan kepada saya agar membangun perusahaan sendiri,” kata Cody. “Ia berkata bahwa ini adalah waktu yang tepat dan saya memiliki pengetahuan yang sesuai. Dan ia akan senang bergabung dengan saya dalam perjalanan ini.”

Setelah berbulan-bulan berdiskusi, melakukan penelitian, dan mempelajari masalah secara langsung, Cody dan Will akhirnya sampai pada pemikiran yang sama: Masyarakat membutuhkan platform analitik visual untuk membuka nilai konten mereka, dan inilah saat untuk membangunnya. Dengan keputusan tersebut, Coactive pun didirikan.

 Membuat solusi analitik visual untuk semua orang

Machine learning berkembang secara signifikan selama Cody belajar di Stanford, tetapi masih ada banyak pekerjaan yang harus dilakukan agar aplikasi AI dapat diakses oleh semua orang: dari perusahaan terbesar di dunia hingga perusahaan rintisan yang mendesain produk minimum mereka yang layak.

Memang benar adanya bahwa machine learning menganalisis gambar dan video untuk mendapatkan wawasan yang dapat ditindaklanjuti. Untuk format data tidak terstruktur ini, alur kerja menyeluruh dapat memerlukan komputasi skala besar kelas atas dalam bentuk GPU, kapasitas penyimpanan yang signifikan, dan sejumlah besar waktu serta keahlian karena kompleksitas proses tersebut. Alur kerja umum dapat mencakup hal-hal berikut:

1. Ilmuwan data menyelesaikan eksplorasi data dan membangun model penglihatan komputer untuk menganalisis dan memahami data visual.
2. Rekayasawan ML mengoperasionalkan model ini.
3. Rekayasawan perangkat lunak menuangkan prediksi model ke dalam aplikasi dunia nyata untuk konsumen.

Agar analisis konten visual menjadi lebih mudah diakses, akurat, dan efisien, Coactive memasangkan beragam model bahasa besar (LLM) yang ada dengan akurasi dan otomatisasi yang berasal dari penerapan sistem pembelajaran ke data khusus domain. Setelah pelanggan memberikan akses ke volume besar file gambar dan video mentah mereka, Coactive menggunakan model fondasi yang telah dilatih sebelumnya sehubungan dengan sistem pembelajaran dan klasifikasi aktif milik mereka untuk menyematkan dan mengindeks data. Selama proses ini, pelanggan memiliki opsi untuk mengunggah label yang ada atau memberikan beberapa contoh sehingga platform Coactive dapat mempelajari lebih lanjut mengenai nuansa khusus domain dari data mereka.

“Salah satu keunggulan model berukuran besar adalah kita tidak perlu memberikan data dalam jumlah besar untuk menyempurnakan tugas tertentu,” jelas Cody. “Mereka menyebut model bahasa besar ini ‘few-shot learners’ karena suatu alasan. Yang terpenting adalah kualitas, alih-alih memikirkan kuantitas data yang kami berikan ke sistem ini.”

Hasilnya? Pelanggan dapat menggunakan Coactive untuk mengueri, mencari, memfilter, dan menganalisis konten visual dengan cepat dan dalam skala besar.

Berpartner dengan AWS untuk mempercepat kesuksesan

Sebagai perusahaan rintisan yang inovatif dan berskala cepat, Coactive memutuskan untuk bermigrasi dari penyedia cloud asli mereka dan beralih sepenuhnya ke AWS. Solusi yang ditawarkan oleh AWS selaras dengan empat kebutuhan utama penyedia cloud Coactive: Kedalaman dan luasnya layanan, opsionalitas dalam peralatan, ketersediaan untuk mendukung penskalaan produk mereka, dan penawaran yang mengutamakan keamanan.

“Kami perlu membangun solusi kami pada penyedia cloud yang dapat menangani skala korporasi dan cukup fleksibel untuk memungkinkan kami menciptakan sesuatu yang benar-benar baru. Dengan AWS, kami dapat melakukannya sembari memastikan keamanan terbaik di kelasnya bagi pelanggan kami,” terang Cody. 

Membangun dengan solusi AWS

Setelah migrasi, Coactive mulai bekerja membangun aplikasi web mutakhir menggunakan solusi AWS, seperti Amazon Simple Storage Service (Amazon S3), Amazon Aurora , dan Amazon Elastic Container Service (Amazon ECS). Aplikasi web ini membantu Coactive membangun MVP awal mereka dan menjalankan bukti konsep untuk prospek.

Untuk tugas machine learning yang berpusat pada data mereka, Coactive mendapat manfaat dari Amazon Aurora PostgreSQL Nirserver untuk melayani permintaan basis data latensi rendah tanpa harus menghabiskan waktu mengelola infrastruktur basis data mereka. Banyak petabyte data gambar dan video Coactive disimpan menggunakan Amazon S3.

Untuk memajukan aplikasi web mereka, Coactive menggunakan kombinasi Amazon CloudFront sebagai jaringan pengiriman konten (CDN). Aplikasi web backend berjalan di Amazon ECS, berkomunikasi dengan basis data mereka dan layanan hilir periferal seperti Databricks di AWS. Amazon ECS memberikan kemudahan bagi Coactive dalam mengelola infrastruktur kontainer yang berjalan di Amazon Elastic Compute Cloud (Amazon EC2). 

Keamanan dan privasi data adalah aspek penting dari beban kerja machine learning. Untuk memberikan pengalaman analitik yang aman kepada pelanggan mereka, Coactive menggunakan Amazon GuardDuty, Amazon Inspector, AWS Key Management Service, dan masih banyak lagi. Dengan solusi ini, Coactive mencapai kepatuhan keamanan siber SOC2 selama satu kuartal.   

Membawa produk mereka ke pasar

Penting untuk memastikan kesuksesan dari gerakan ke pasar (GTM). Untuk berbagi produk mereka dengan audiens global pelanggan AWS, Coactive bergabung dengan Jaringan Partner AWS (APN) dan mencantumkan produk mereka di AWS Marketplace. 

Coactive juga merupakan anggota Program Perusahaan Rintisan Global AWS (GSP), yang ditawarkan melalui APN. Program ini memasangkan Coactive dengan Manajer Pengembangan Partner AWS yang memberikan dukungan di tiga bidang utama: pengembangan produk, strategi ke pasar (GTM), dan kerja sama penjualan.

Mempercepat kesuksesan dengan AWS Startups

Selain membangun dengan bantuan solusi teknis dan dukungan bisnis AWS, Coactive memanfaatkan program AWS Activate. AWS Activate menyediakan sumber daya bagi perusahaan rintisan, mulai dari kredit dan penawaran eksklusif hingga dukungan teknis dan peristiwa jaringan.

Bekerja sama dengan tim AWS Startups, Cody dan anggota AWS Activate lainnya baru-baru ini membagikan keahlian mereka di AWS GenAI Day, sebuah acara virtual selama satu hari yang menampilkan cara perusahaan rintisan membangun dengan AI generatif di AWS. Sebagai bagian dari panel presentasi “Memetakan Lintasan GenAI: Dari Pembelajaran hingga Dampak,” Cody menjelaskan mengapa data merupakan bagian penting dari AI generatif dan bagaimana terobosan terbaru dalam machine learning berpotensi meningkatkan kehidupan secara signifikan.

Membangun untuk masa depan

Coactive terus membangun produk yang mengurangi hambatan untuk masuk ke machine learning dan Cody mencatat bahwa membuktikan hal-hal yang mungkin dilakukan—serta membantu orang lain untuk membuktikannya juga—adalah bagian penting dari misinya.Kisahnya yang luar biasa termasuk dilahirkan saat ibunya berada dalam tahanan, dititipkan di panti asuhan, dan diadopsi oleh kakek-nenek yang membesarkannya dalam kesulitan kesenjangan ekonomi. Sebagai mahasiswa PhD kulit hitam pertama yang lulus dari Stanford dalam hampir 20 tahun, Cody sangat akrab dengan tantangan menjadi orang yang kurang terwakili di bidang teknologi. Ia berkomitmen untuk membuat keragaman, kesetaraan, dan inklusi menjadi prinsip utama di Coactive. “Cara kita meraih kesuksesan sama pentingnya dengan fakta bahwa kita sukses,” kata Cody.

“Will memiliki pepatah bagus yang berbunyi bahwa tujuan hidupnya adalah membuat tangga sehingga orang bisa lebih mudah untuk mengikuti jejaknya,” jelas Cody. “Misi saya dalam hidup secara umum adalah untuk menunjukkan bahwa terlepas dari mana Anda berasal, Anda bisa sukses. Jika saya bisa, siapa pun juga bisa.”

Bagi orang-orang yang mempertimbangkan untuk mendirikan perusahaan rintisan, Cody mengatakan bahwa rasa takut itu adalah hal yang wajar: bahwa Anda tidak cocok untuk peran CEO, bahwa memulai sebuah perusahaan adalah risiko besar, bahwa hal-hal akan menjadi sulit untuk waktu yang lama. Momen rasa percaya dirinya datang ketika ia menyadari, “Saya tidak perlu memikirkan semuanya untuk memulai. Saya hanya perlu mulai mencari tahu segalanya.”

Dua tahun kemudian, keberhasilan saran ini terbukti. Tim Coactive terus menyetarakan arena bermain AI dengan menghadirkan analitik visual yang berdampak besar pada pelanggan mereka. Komitmen Cody untuk membuat data bermanfaat tetap kuat. “Salah satu kasus penggunaan paling menakjubkan yang pernah saya lihat adalah menyempurnakan model pengenalan suara untuk mengenali tanda-tanda kondisi pernapasan berbahaya dalam tangisan bayi,” jelasnya. Deteksi dini menggunakan AI mengurangi angka kematian bayi dan menurunkan waktu, biaya, serta keterampilan yang diperlukan untuk membuat diagnosis yang akurat.

“AI yang berkelanjutan dan sesuai etika memiliki potensi luar biasa untuk meningkatkan kehidupan secara bermakna,” kata Cody. “Salah satu motivator terbesar saya hingga saat ini adalah bahwa dengan mendemokratisasikan AI, dan dengan perusahaan seperti Coactive dan AWS, ada begitu banyak kisah yang akan diceritakan dan pertanyaan yang akan dijawab orang. Saya sangat menantikannya.”