بريان ساثياناثان، مسؤول التكنولوجيا الرئيسي وشارك في تأسيس Iterate.ai – سلسلة المقابلات

بريان ساثياناثان هو مسؤول التكنولوجيا الرئيسي وشارك في تأسيس Iterate.ai، صانع منصة Interplay منخفضة الشفرة لإنشاء تطبيقات قائمة على الذكاء الاصطناعي بسرعة عبر الصناعات. في السابق، عمل ساثياناثان في شركة Apple على مشاريع تكنولوجيا ناشئة مختلفة تشمل نظام التشغيل Mac وآيفون الأول.

ما الذي جذبك في البداية إلى العمل مع تقنيات الذكاء الاصطناعي؟

لدي دائمًا اهتمام بالتعلم القائم على الخوارزميات، وبدأت العمل مع أنظمة الذكاء الاصطناعي خلال أيام دراستي الجامعية. بالإضافة إلى ذلك، قمت بإنفاق الكثير من الوقت في بداية مسيرتي المهنية في بناء تقنيات التشفير والأمان الأخرى لشركة Apple، وتقنيات ضغط الفيديو لشركة سابقة شاركت في تأسيسها. كلاً من تقنيات الفيديو والتشفير مكثفة الخوارزميات، مما جعل منحنى التعلم الخاص بي في الذكاء الاصطناعي والتعلم الآلي أسرع. حول عام 2016، بدأت في اللعب مع الإطارات المفتوحة المصدر للذكاء الاصطناعي والوحدات المركزية الرسومية، مع认识 كيف تقدمت خلال السنوات الخمس الماضية – من وجهة نظر الخوارزمية وقدرتها على القيام بمجموعة أوسع من التصنيفات. ثم أدركت الحاجة إلى جعل هذا الأمر أسهل وأبسط لجميع المستخدمين.

لديك بعض الآراء القوية حول الانحياز المعرفي وانحياز البيانات في الذكاء الاصطناعي، هل يمكنك مشاركة هذه المخاوف؟

ينشأ انحياز الذكاء الاصطناعي عندما يسمح للمهندسين بموجب آرائهم وأفكارهم الشكل البيانات المدربة للذكاء الاصطناعي. هذا يؤدي سريعًا إلى تقويض ما يحاولون إنجازه مع الذكاء الاصطناعي. في معظم الأحيان، يكون هذا التأثير غير واعٍ، لذلك قد لا يكونوا على دراية بانحياز البيانات. بدون ضوابط فعالة، يمكن أن تقتصر البيانات على النقاط المركزية أو الديموغرافية التي يعتاد المهندسون على النظر فيها. حتى عندما يكون للمهندسين بيانات عالية الجودة والكمية للعمل معها، يمكن لانحياز البيانات جعل النتائج التي تقدمها تطبيقات الذكاء الاصطناعي خاطئة وفي كثير من الحالات غير مجدية.

تقرير جارتنر يقدر أن من خلال عام 2030، سوف توفر 85% من مشاريع الذكاء الاصطناعي نتائج خاطئة بسبب الانحياز. هذا هو فجوة كبيرة للتغلب عليها. الشركات التي تستثمر في القدرات الذكاء الاصطناعي وتعتمد عليها واتخاذ قرارات استراتيجية dựa على الذكاء الاصطناعي – فقط لتكون مخدوعة bằng استنتاجات خاطئة متجذرة في الانحياز – تتعرض لمخاطر فشل باهظة التكلفة وتضرر سمعتها. مع تحول الذكاء الاصطناعي بسرعة من تكنولوجيا ناشئة إلى ركن أساسي عبر التطبيقات المواجهة للعملاء والعمليات الداخلية، فإن إزالة الانحياز أمر ضروري لتحقيق إمكانات الذكاء الاصطناعي الحقيقية في المستقبل.

ما هي بعض الطرق لمنع هذه الأنواع من الانحياز من الظهور؟

يجب أن يتم الكشف عن انحياز الذكاء الاصطناعي وتحذيفه بشكل منهجي ومتعمد. قد يتم تشفير الانحياز في الخوارزميات. قد يتم تقديم غير دقة من خلال انحياز معرفي ببساطة يغفل عن البيانات الضرورية. انحياز التجميع هو خطر آخر هنا، حيث يتراكم سلسلة من القرارات الصغيرة إلى نتائج ذكاء اصطناعي منحرفة.

يتطلب الكشف عن انحياز الذكاء الاصطناعي وإزالته من المنظمات استخدام الإطارات والأدوات والعمليات والسياسات التي تم بناؤها لتحديد وتحذيف هذه القضايا. على سبيل المثال، يمكن أن تعزز الإطارات الذكاء الاصطناعي مثل إطار Aletheia من Rolls Royce وإطار Deloitte للذكاء الاصطناعي – مدعومة بمعايير تطبق تلقائيًا – ممارسات خالية من الانحياز عبر تطوير وتحديث تطبيقات الذكاء الاصطناعي. يمكن للأدوات مثل AI Fairness 360 وIBM Watson OpenScale التعرف على انحياز الانحياز وأنماط الانحياز في نماذج التعلم الآلي وأنابيبها. وأخيرًا، يمكن للعمليات التي تختبر البيانات ضد معايير الانحياز المحددة، بالاشتراك مع السياسات التي توفر الحوكمة لمنع الانحياز من خلال ممارسات مفروضة، تمكن المنظمات من أن تكون منهجية في فحص نقاط عميها وضبط انحياز الذكاء الاصطناعي.

أنت مسؤول التكنولوجيا الرئيسي وشارك في تأسيس Iterate.ai – كيف بدأ الأمر؟

تبدأ القصة في عام 2013 عندما كان جون نوردمارك (مديرنا التنفيذي) وأنا كلاهما عضوين في مجلس إدارة لمسرع أوروبي شرقي مقره أوكرانيا، مصمم لدعم رواد الأعمال هناك في بناء وتشغيل شركات ناشئة على طراز وادي السيليكون. أدت هذه الخبرات مع شركات ناشئة مبتكرة جديدة إلى فكرة ربط شركات ناشئة واعدة (ولكن ربما أقل شهرة) مع شركات كبيرة تحتاج إلى دعم الابتكار. بعد ذلك، أطلقنا ما كان يسمى آنذاك Iterate Studio، وoffers محرك بحث متخصص للشركات لfinding شركاء ناشئة بناءً على القدرات الابتكارية التي كانت تلك المنظمات الكبيرة تبحث عنها. في عام 2015، أصبحت الشركة Iterate.ai لتوضيح توجيهنا نحو الذكاء الاصطناعي. اليوم، قاعدة بيانات Signals لدينا ترمز إلى أكثر من 15.7 مليون تكنولوجيا ناشئة بناءً على عوامل عديدة (استخدام الذكاء الاصطناعي المملوك لجعل ذلك يحدث في هذا النطاق).

كنا قد توسعنا في عام 2017 وأطلقنا الإصدار الأول من منصة Interplay لتطوير التطبيقات منخفضة الشفرة. توفر Interplay طبقة برمجية مدعومة بالذكاء الاصطناعي التي تحديث مكدسات الشركات التقليدية من خلال تمكين استخدام السحب والإفلات للتقنيات المبتكرة وتسريع تطوير البرمجيات بعشر مرات. تحتوي منصة منخفضة الشفرة على 475 مكونًا مسبقًا، بحيث يمكن للمستخدمين مزج ومطابقة التقنيات التي يحتاجونها لتشغيل التطبيقات بسرعة. تعزيز الذكاء الاصطناعي هو في صميم المنصة، بالإضافة إلى مكونات منخفضة الشفرة أخرى للإنترنت من الأشياء ودمج البيانات وحتى البلوكشين.

Iterate هو منصة منخفضة الشفرة لتطوير التطبيقات مدعومة بالذكاء الاصطناعي؛ ما هي بعض التطبيقات الذكاء الاصطناعي التي يمكن بناؤها؟

تمكنت منصة منخفضة الشفرة لدينا من تمكين تطبيقات الذكاء الاصطناعي لمجموعة متنوعة من الحالات الاستخدامية – نعتز بالتنوع الذي حققناه. استخدمت Ulta Beauty، بائع التجميل العالمي البالغ قيمته مليار دولار، منصتنا لإنشاء دردشة ذكية مدعومة بالذكاء الاصطناعي للضيوف في غضون أسبوعين فقط. في المقابل، الدردشات النصية البدائية هي مركزة على الكلمات الرئيسية، وغالبًا ما لا تستطيع تطبيقات الدردشة من البائعين التكامل بشكل متساوٍ مع الأنظمة التقليدية للوصول إلى معلومات العملاء أو السماح بانتقالات سلسة إلى دعم بشري. قامت دردشة Ulta الذكية بالذكاء الاصطناعي بإزالة تلك القضايا مع وظيفة معالجة اللغة الطبيعية وقدرة على التعرف على نوايا العملاء لتوفير استجابات دقيقة حقًا. جعلت منصتنا من السهل على Ulta بناء محرك الدردشة الذكاء الاصطناعي في غضون ساعات، وتكوينها وتنقيحها وتحسين استجابات الدردشة بسرعة فائقة.

في مثال آخر، استخدم Jockey منصتنا لتمكين الأسئلة الشائعة مدعومة بالذكاء الاصطناعي جاهزة للرد تلقائيًا (ونجاحًا) على سيناريوهات خدمة العملاء المعقدة والموضوعية. تمكنت منصتنا أيضًا من تمكين شبكة محطات الوقود والمتاجر الترفيهية العالمية من الاستجابة للجائحة من خلال مضخات الوقود بدون لمس، بالاعتماد على التعرف على الصور القائمة على الذكاء الاصطناعي للرقائق المركزية للعملاء. يتم تطبيق قدرات الذكاء الاصطناعي لدينا أيضًا على تمكين استراتيجيات الأمان القائمة على الكاميرا في مواقع البيع بالتجزئة. من خلال التعرف على الصور، يمكن لتطبيقات الذكاء الاصطناعي المدربة التعرف على التهديدات ووجود الأسلحة خارج واجهات المتاجر، وتفعيل إغلاق المتجر لحماية العملاء، والاتصال بالسلطات.

كم هي متطلبات البرمجة الفعلية صغيرة؟ ما مدى مهارة التطوير التي يجب أن يكون لديها المستخدمون؟

في رأيي، ينطبق قانون 80/20. 80% من حالات استخدام الذكاء الاصطناعي المطبقة تم بناؤها بالفعل وتم تحديد نماذج وبيانات تدريب حولها. يمكن لمنظمة تقليدية استخدام منصة منخفضة الشفرة (منصتنا Interplay هي واحدة من هذه المنصات) وتنفيذ هذه الحالات. هنا بعض الأمثلة:

• الأسئلة الشائعة مدعومة بالذكاء الاصطناعي
• عوامل منتجات مدعومة بالذكاء الاصطناعي
• توصيات المنتجات وتجميعها
• OCR
• التعرف على المنتجات المرئية
• تحليل البيانات الجدولية: أشياء مثل AOV و تحليل سلة التسوق وتنبؤات الانحراف وغيرها
• استخراج الكائنات / الكشف
• استمرار الكائنات

يمكن تنفيذ الحالات المذكورة أعلاه بواسطة مهندس لديه معرفة بالبرمجة على الجانب الخلفي وبعض الفهم الأساسي لواجهات برمجة التطبيقات للتعلم الآلي. إنه مشابه جدًا لتقنيات البث الفيديوي والتشفير وإدارة المفاتيح التي يتم استخدامها على نطاق واسع عبر واجهات برمجة التطبيقات اليوم. معظم المهندسين الذين يستخدمون هذه واجهات برمجة التطبيقات غالبًا ما لا يعرفون كيف تعمل تحتها.

لماذا من المهم استخدام الذكاء الاصطناعي منخفض الشفرة لتوسيع تكنولوجيا الذكاء الاصطناعي؟

يمكن للشركات التي تسعى إلى القدرات الذكاء الاصطناعي في تطوير التطبيقات مواجهة تحديات كبيرة بسرعة عند عدم استخدام منخفضة الشفرة. في العالم اليوم، هناك فقط 300,000 مهندس ذكاء اصطناعي، و 60,000 منهم فقط هم علماء بيانات. بسبب ذلك، الموظفين المطلوبين لتطوير وحلول الذكاء الاصطناعي باهظة الثمن وترتفع. في المقابل، تُعد منصة التطوير منخفضة الشفرة حقًا الوصول إلى الذكاء الاصطناعي. مع منخفضة الشفرة، يمكن لأي من 25 مليون مطور برمجيات في العالم، وحتى أولئك الذين لا يملكون تدريبًا، تنفيذ محركات الذكاء الاصطناعي بسهولة، وتنقيح قدراتهم، وإنتاج وحلول فعالة وتوسيع نطاقها.

العودة إلى منصة Iterate.ai القوية بالذكاء الاصطناعي، ما هي بعض الاتجاهات الأكثر إثارة للاهتمام التي تظهر؟

نحن نشهد نموًا سريعًا عبر خمسة قوات للابتكار: الذكاء الاصطناعي والإنترنت من الأشياء والبلوكشين والبيانات وحلول الشركات الناشئة الجديدة. هذه كلها أسواق كبيرة جدًا. نحن نشهد آلاف النقاط البيانية حول الأخبار والبراءات والمنتجات الجديدة لشركات ناشئة كل يوم. تم بناء Interplay لاستخدام هذه القوات، من خلال تضمين مكونات مسبقة للاستفادة من هذه القوات المتزايدة.

هل هناك أي شيء آخر تود مشاركته حول Iterate.ai؟

أعتقد أن هناك masih بعض المفاهيم الخاطئة حول منخفضة الشفرة ودورها في بناء تطبيقات الذكاء الاصطناعي. من غير المعتاد رؤية أخصائيي تكنولوجيا المعلومات يشككون في ما إذا كانت استراتيجية منخفضة الشفرة يمكن أن ت满ي متطلباتهم لتماسك الشركات ومدى扩اعها وأمانها. أعتقد أن خيارات منخفضة الشفرة المخصصة للتجريب – ولكن تطبيقها بشكل خاطئ كأدوات للتطبيقات الإنتاجية – قد ساهمت في هذا التعب. ومع ذلك، فإن المنصات المناسبة منخفضة الشفرة قادرة تمامًا على بناء ودعم تطبيقات الذكاء الاصطناعي جاهزة للإنتاج. يجب على الشركات أداء واجباتها في اختيار أدوات منخفضة الشفرة، وضمان أن تلك الأدوات لها طبقة أمان شفافة وواضحة، وسجل مثبت في تقديم تطبيقات بمقياس الشركات.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Iterate.ai.