Descoberta do valor dos dados não estruturados: como a Coactive desenvolveu uma plataforma de análise visual na AWS

Existe o ditado de que uma imagem vale mais que mil palavras e, segundo a Forrester Research, um minuto de vídeo pode valer 1,8 milhão de palavras. Para empresas que abrangem desde o comércio eletrônico às mídias sociais, o conteúdo visual vale mais do que o número de palavras que ele transmite, pois é uma oportunidade para desenvolver engajamento com os clientes, aumentar a confiança e a segurança, aprimorar a personalização e obter insights acionáveis com base no engajamento do conteúdo.

A Coactive AI, uma startup de análise de dados visuais fundada pelo diretor executivo Cody Coleman e por Will Gaviria Rojas em 2021, está democratizando a oportunidade de análise de imagens e vídeos para as empresas. 

As imagens e os vídeos são dados não estruturados, que compreendem informações que ainda não foram classificadas em uma maneira definida previamente, as quais tradicionalmente requerem experiência em machine learning, infraestrutura técnica robusta e quantidades significativas de tempo para serem analisadas com precisão.

A Coactive, uma plataforma desenvolvida pela Coactive AI na Amazon Web Services (AWS) e disponível no AWS Marketplace, ajuda os profissionais do setor de dados a obter insights rápidos de dados não estruturados em grande escala e com supervisão mínima. Acessíveis por interfaces do usuário ou APIs, as funcionalidades da plataforma abrangem desde a pesquisa inteligente até as análises de produção que utilizam toda a capacidade do SQL. 

Provar o que é possível na IA 

A solução inovadora da Coactive resulta de uma grande quantidade de tempo, pesquisa e determinação. Em 2018, enquanto fazia seu doutorado em Ciência da Computação em Stanford, Cody reconheceu que “a inteligência artificial e as aplicações inteligentes seriam o futuro. O obstáculo era que você precisava de equipamentos no valor de centenas de milhares de dólares e enormes quantidades de dados para realizar qualquer coisa significativa”. 

Incomodado com essas limitações, Cody se comprometeu a reduzir as barreiras para se trabalhar com machine learning com a finalidade de que todos pudessem se beneficiar dessa tecnologia. “Minha missão durante a pós-graduação era usar minha paixão pela ciência da computação para beneficiar a sociedade em geral, ao mesmo tempo em que atuava como um líder para as futuras gerações”, afirma ele.  

Cody juntou-se ao projeto de pesquisa DAWN em Stanford, um grupo focado em facilitar o máximo possível o desenvolvimento de aplicações baseadas em IA. Um dos muitos avanços impressionantes do trabalho de Cody foi o DAWNBench, a primeira avaliação comparativa de sistemas de machine learning (ML) completa usada por empresas globais de tecnologia como padrão do setor. Em seu primeiro ano, o DAWNBench reduziu o tempo de treinamento de modelos em 500 vezes e o custo de treinamento em 20 vezes. Estimulado pelo progresso que fez na criação de uma IA acessível, Cody abordou a próxima grande questão: o que devo fazer a seguir? 

Nessa época, por acaso ou coincidência, um amigo de Cody, chamado Will, mudou-se para a área da Baía de São Francisco com a finalidade de iniciar uma carreira em uma grande empresa de tecnologia. Com uma amizade de dez anos, cultivada desde a época em que eram estudantes de graduação no Massachusetts Institute of Technology (MIT), Cody ajudou Will a fazer a mudança. “Will me fez duas perguntas que você nunca deveria fazer a um estudante de doutorado porque elas causam uma crise existencial imediata”, ri Cody. “‘Quando você vai se formar?’ e ‘O que você vai fazer depois?’”

Cody havia considerado opções que variavam entre ingressar em uma empresa de tecnologia de prestígio, tornar-se membro do corpo docente de uma universidade, fazer parte de uma startup ou criar uma empresa. “Sem hesitação, Will disse-me para criar minha própria empresa”, diz Cody. “Ele me disse que era o momento adequado e que eu tinha o conhecimento certo. Além de que ele adoraria se juntar a mim nesta jornada.”

Após meses de conversas, pesquisas e estudos do problema em primeira mão, Cody e Will chegaram à mesma conclusão: as pessoas precisavam de uma plataforma de análise visual para revelar o valor de seu conteúdo, e era o momento de desenvolvê-la. Com essa decisão, a Coactive foi fundada.

 Criação de uma solução de análise visual para todos

O machine learning avançou significativamente durante o tempo em que Cody passou estudando em Stanford, mas ainda havia muito trabalho a ser feito para tornar as aplicações de IA acessíveis para todos: desde as maiores empresas do mundo até uma startup que projetava o produto mínimo viável. 

Isso era particularmente verdadeiro no que diz respeito ao machine learning, que analisava imagens e vídeos para obter insights acionáveis. Para esses formatos de dados não estruturados, o fluxo de trabalho completo poderia requerer um computação de última geração em grande escala na forma de GPUs, capacidade de armazenamento significativa e grandes quantidades de tempo e de conhecimento devido à complexidade do processo. Um fluxo de trabalho comum pode incluir o seguinte:

1. Os cientistas de dados concluem a exploração de dados e desenvolvem modelos de visão computacional para analisar e compreender os dados visuais.
2. Os engenheiros de ML operacionalizam esses modelos.
3. Os engenheiros de software inserem as previsões do modelo em aplicações reais para os consumidores.

Para tornar a análise de conteúdo visual mais acessível, precisa e eficiente, a Coactive combina a amplitude dos grandes modelos de linguagem (LLMs) existentes com a precisão e a automação que advêm da aplicação de um sistema de aprendizagem a dados específicos de domínio. Depois que os clientes fornecem acesso a seus grandes volumes de arquivos de imagem e de vídeo brutos, a Coactive usa modelos de base treinados previamente em conjunto com seu sistema proprietário de aprendizagem ativa e classificação para incorporar e indexar os dados. Durante esse processo, os clientes têm a opção de fazer upload de rótulos existentes ou fornecer alguns exemplos para que a plataforma da Coactive possa aprender ainda mais sobre quaisquer nuances específicas do domínio de dados.

“Uma das coisas mais avançadas sobre os modelos realmente grandes é que, na verdade, não precisamos lançar uma enorme quantidade de dados para tarefas específicas”, explica Cody. “Esses grandes modelos de linguagem são chamados de ‘alunos de poucas tentativas’ por uma razão. Em vez de nos concentrarmos na quantidade de dados que lançamos nesses sistemas, priorizamos a qualidade dos dados.”

O resultado? Os clientes podem usar a Coactive para consultar, pesquisar, filtrar e analisar conteúdo visual com rapidez e em grande escala. 

Parceria com a AWS para acelerar o sucesso

Como uma startup inovadora e em rápido crescimento, a Coactive decidiu migrar de seu provedor de nuvem inicial e apostar tudo na AWS. As soluções oferecidas pela AWS se alinham às quatro necessidades principais relacionadas ao provedor de nuvem da Coactive: profundidade e variedade de serviços, opcionalidade em ferramentas, disponibilidade para potencializar a escalabilidade de seus produtos e ofertas de segurança em primeiro lugar. 

“Precisávamos desenvolver nossa solução em um provedor de nuvem que pudesse lidar com a escala empresarial e, ao mesmo tempo, ser flexível o suficiente para nos permitir criar algo totalmente novo. Com a AWS, conseguimos fazer isso ao passo que garantimos a melhor segurança da categoria para nossos clientes”, diz Cody. 

Desenvolvimento com as soluções da AWS

Após a migração, a  Coactive começou a trabalhar no desenvolvimento de uma aplicação Web inovadora usando soluções da AWS, como o Amazon Simple Storage Service (Amazon S3), o Amazon Aurora e o Amazon Elastic Container Service (Amazon ECS). Essa aplicação Web ajudou a Coactive a estabelecer seu MVP inicial e a executar provas de conceitos para clientes potenciais. 

Para seus trabalhos de machine learning centrados em dados, a Coactive se beneficia do uso do Amazon Aurora PostgreSQL Serverless para atender solicitações de banco de dados de baixa latência sem a necessidade de dedicar tempo para o gerenciamento da infraestrutura de banco de dados. Os muitos petabytes de dados de imagem e de vídeo da Coactive são armazenados usando o Amazon S3. 

Para apresentar sua aplicação Web, a Coactive usa uma combinação do Amazon CloudFront como sua rede de entrega de conteúdo (CDN). A aplicação Web de back-end é executada no Amazon ECS, comunicando-se com o banco de dados e com serviços downstream periféricos, como o Databricks na AWS. O Amazon ECS fornece à Coactive simplicidade no gerenciamento da infraestrutura de contêineres que é executada no Amazon Elastic Compute Cloud (Amazon EC2). 

A segurança e a privacidade dos dados são aspectos críticos das workloads de machine learning. Para fornecer aos seus clientes uma experiência de análise segura, a Coactive usa o Amazon GuardDuty, o Amazon Inspector, o AWS Key Management Service e vários outros serviços. Com essas soluções, a Coactive alcançou conformidade com a segurança cibernética SOC2 ao longo de um único trimestre.   

Lançamento do produto no mercado

É importante garantir um movimento de entrada no mercado bem-sucedido. Para compartilhar seu produto com o público global de clientes da AWS, a Coactive se juntou à Rede de Parceiros da AWS (APN) e listou seu produto no AWS Marketplace. 

A Coactive também é uma empresa membro do Programa AWS Global Startup (GSP), oferecido por meio da APN. Esse programa une a Coactive com um gerente de desenvolvimento de parceiros da AWS que fornece suporte em três áreas principais: desenvolvimento de produtos, entrada no mercado e venda conjunta.

Aceleração do sucesso com o AWS Startups

Além de realizar o desenvolvimento com a ajuda de soluções técnicas e suporte comercial da AWS, a Coactive aproveita o programa AWS Activate. O AWS Activate fornece às startups recursos que abrangem desde créditos e ofertas exclusivas até suporte técnico e eventos de interconexão. 

Em colaboração com a equipe do AWS Startups, Cody e outros membros do AWS Activate compartilharam recentemente sua experiência no AWS GenAI Day, um evento virtual de um dia que mostra como as startups estão desenvolvendo com IA generativa na AWS. Como parte do painel da palestra “Mapping the Trajectory of GenAI: From Learning to Impact”, Cody explicou a razão pela qual os dados são uma parte essencial da IA generativa e como os avanços recentes em machine learning têm o potencial de melhorar significativamente a vida das pessoas. 

Preparação para o futuro

A Coactive continua a desenvolver um produto que reduz a barreira para se trabalhar com machine learning e Cody observa que provar o que é possível, e ajudar outras pessoas a provar isso também, é uma parte importante de sua missão. Sua incrível história inclui ter nascido durante o encarceramento de sua mãe, ter sido colocado em um orfanato e adotado pelos avós que o criaram dentro das restrições da desigualdade econômica. Como o primeiro estudante negro de doutorado a se formar em Stanford em quase 20 anos, Cody está familiarizado com os desafios de ser uma pessoa sub-representada no setor de tecnologia. Ele está comprometido em estabelecer princípios fundamentais de diversidade, equidade e inclusão na Coactive. “O modo como obtemos sucesso é tão importante quanto o fato de termos sucesso”, diz Cody. 

“Will tem um ótimo ditado que diz que seu objetivo na vida é fazer escadas para que seja mais fácil para as pessoas seguirem seus passos”, explica Cody. “Minha missão na vida, em geral, é demonstrar que independentemente de onde você venha, você pode ter sucesso. Se eu consegui, qualquer pessoa consegue.”

Para as pessoas que estão pensando em fundar uma startup, Cody compartilha que o medo é normal. Sentimos que não estamos preparados para o cargo de diretor executivo, que é um grande risco abrir uma empresa e que as coisas serão difíceis por muito tempo. Seu momento de confiança veio quando ele percebeu: “não preciso ter tudo planejado para começar. Eu só preciso começar a descobrir tudo”.

Dois anos depois, o sucesso deste conselho é evidente. A equipe da Coactive continua a nivelar o campo de atuação da IA ao fornecer análises visuais impactantes para seus clientes. O compromisso de Cody em tornar os dados úteis continua forte. “Um dos casos de uso mais surpreendentes que já vi foi o aperfeiçoamento de um modelo de reconhecimento de fala para reconhecer os sinais de uma condição respiratória perigosa no choro de um bebê”, explica ele. A detecção precoce por meio de IA reduziu a taxa de mortalidade infantil e reduziu o tempo, o custo e a habilidade necessários para fazer um diagnóstico preciso.

“A IA sustentável e ética tem um potencial incrível para melhorar vidas de forma significativa”, diz Cody. “Um dos meus maiores motivadores até hoje é que, ao democratizar a IA com empresas como a Coactive e a AWS, há tantas histórias que as pessoas contarão e perguntas às quais responderão. Estou animado para ver isso.”