دوني وايت، الرئيس التنفيذي ومؤسس شركة Satisfi Labs – سلسلة المقابلات

تأسست شركة Satisfi Labs في عام 2016، وهي شركة رائدة في مجال الذكاء الاصطناعي للتعاملات. وجاء النجاح المبكر من عملها مع فريق نيويورك ميتس، ومايسي، والبطولة المفتوحة للولايات المتحدة، مما جعل الوصول إلى المعلومات سهلاً والتي غالباً ما تكون غير متاحة على المواقع الإلكترونية.

قضى دوني 15 عامًا في بلومبرغ قبل دخوله عالم الشركات الناشئة، وحصل على ماجستير إدارة الأعمال من جامعة كورنيل وبكالوريوس من كلية باروخ. تحت قيادة دوني، شهدت شركة Satisfi Labs نمواً كبيراً في قطاعات الرياضة والترفيه والسياحة، وحصلت على استثمارات من جوجل وMLB وRed Light Management.

كنت في بلومبرغ لمدة 14 عامًا عندما شعرت لأول مرة بالحاجة إلى أن أصبح رائد أعمال. لماذا كان كونك رائد أعمال突然 على رادارك؟

خلال السنة الثالثة من الكلية، قدمت طلباً للعمل كموظف استقبال في بلومبرغ. بمجرد أن دخلت الباب، قلت لموظفي الشركة إنني إذا كانوا يرغبون في تعليمي، يمكنني التعلم بسرعة. بحلول السنة الرابعة، كنت موظفاً بدوام كامل وانتقلت جميع دوراتي إلى فصول مسائية حتى أتمكن من القيام بكلتا المهام. بدلاً من الحضور إلى حفل تخرج الكلية في سن 21، قمت بإدارة فريقي الأول. من ذلك الحين، كنت محظوظاً لأنني عملت في نظام ميريتوكراسي وتمت ترقيتي عدة مرات. بحلول سن 25، كنت أدير قسمي الخاص. من هناك، انتقلت إلى الإدارة الإقليمية ثم تطوير المنتج، حتى أصبحت في النهاية أدير المبيعات في جميع أنحاء الأمريكتين. بحلول عام 2013، بدأت أتساءل عما إذا كان يمكنني القيام بشيء أكبر. قمت بمقابلة beberapa شركات تكنولوجية ناشئة، وقال لي أحد المؤسسين: “نحن لا نعرف ما إذا كنت جيداً أم بلومبرغ جيد”. في ذلك الوقت، عرفت أن شيئاً يجب أن يتغير، وبعد ستة أشهر كنت نائب الرئيس للمبيعات في شركة ناشئة أولى، Datahug. بعد ذلك بوقت قصير، تم توظيفي من قبل مجموعة من المستثمرين الذين يريدون تحدي يلب. في عام 2016، اتفقنا على رؤية جديدة وأسست شركة Satisfi Labs مع نفس المستثمرين.

يمكنك أن تشاركنا قصة نشأة شركة Satisfi Labs؟

كنت في مباراة بيسبول في ملعب سيتي فيلد مع راندي، وهو現在 كبير مسؤولي التكنولوجيا ومؤسس شركة Satisfi، عندما سمعت عن أحد تخصصاتهم، لحم الخنزير على عصا. سنا حول الكونكرس وَسألنا الموظفين عنها، ولكننا لم نستطع العثور عليها في أي مكان. يturned out أنها كانت مخبأة في أحد أطراف الملعب، مما أثار الوعي بأنه كان من الأفضل أن نسأل الفريق مباشرة من خلال الدردشة. هنا ولدت فكرتي الأولى. كنا راندي وأنا كنا قادمين من خلفية مالية وتجارة خوارزمية، مما أدى إلى اتخاذ مفهوم مطابقة الطلبات بالاجابات لإنشاء نظامنا الخاص من معالجة اللغة الطبيعية للاستفسارات المتخصصة جداً والتي سيتم طرحها في المواقع. كانت الفكرة الأصلية هي بناء بوتات فردية ستكون كل واحدة منها خبيرة في مجال معين من المعرفة، خاصة المعرفة التي لا تتوفر بسهولة على موقع إلكتروني. من هناك، نظامنا سيكون له “قائد” يمكنه استدعاء كل بوت عند الحاجة. هذا هو الهيكل الأصلي للنظام الذي لا يزال قائماً حتى اليوم.

كانت شركة Satisfi Labs قد صممت محركها الخاص لمعالجة اللغة الطبيعية و كانت على وشك نشر بيان صحفي عندما قامت OpenAI بتعطيل تقنية الشركة بإطلاق ChatGPT. يمكنك مناقشة هذه الفترة الزمنية وكيف أجبرت شركة Satisfi Labs على تغيير مسار أعمالها؟

كنا قد جدولنا بياناً صحفياً لننشر فيه تحديث نظام معالجة اللغة الطبيعية المعتمد على السياق في 6 ديسمبر 2022. في 30 نوفمبر 2022، أعلنت OpenAI عن ChatGPT. أثر إعلان ChatGPT ليس فقط على خطة طريقنا ولكن على العالم كله. في البداية، كنا، مثل الجميع، نهرع لفهم قوة وحدود ChatGPT وفهم ما يعنيه ذلك لنا. سرعان ما أدركنا أن نظامنا لمعالجة اللغة الطبيعية المعتمد على السياق لا يتنافس مع ChatGPT، بل يمكنه فعلاً تعزيز تجربة LLM. هذا أدى إلى قرار سريع لتصبح شركاء مؤسسة OpenAI. منذ أن بدأ نظامنا مع فكرة فهم و回答 الأسئلة على مستوى دقيق، كنا قادرين على الجمع بين تصميم نظام “قائد البوت” وسبع سنوات من بيانات النية لترقية النظام لدمج LLMs.

أطلقت شركة Satisfi Labs مؤخراً براءة اختراع لنظام استجابة LLM المعتمد على السياق، ما هو هذا النظام تحديداً؟

في يوليو، كشفنا عن نظام استجابة LLM المعتمد على السياق المعتمد على براءة اختراع. يجمع النظام الجديد بين قوة نظام استجابة السياق المعتمد على براءة اختراع وقدرات نموذج اللغة الكبيرة لتعزيز نظام محرك الإجابة كله. تدمج تقنية Context LLM الجديدة قدرات نموذج اللغة الكبيرة في جميع أنحاء المنصة، بدءاً من تحسين التوجيه إلى توليد الإجابات وفهرسة النية، والتي تدفع أيضاً قدرات التقرير الفريدة. يأخذ النظام المنصة إلى ما هو أبعد من البوتات التقليدية من خلال استغلال قوة LLMs مثل GPT-4. يسمح نظامنا للعلامات التجارية بالإجابة على الأسئلة بإجابات محددة مسبقاً أو إجابات محددة بشكل ديناميكي، حسب الحاجة إلى التحكم في الاستجابة.

يمكنك مناقشة الفجوة الحالية بين معظم مواقع الشركات ومنصات LLM في تقديم إجابات متوافقة مع العلامة التجارية؟

ChatGPT مدرب على فهم مجموعة واسعة من المعلومات وبالتالي لا يمتلك مستوى التدريب الدقيق المطلوب للإجابة على أسئلة محددة بالصناعة بدقة تتناسب مع توقعات معظم العلامات التجارية. بالإضافة إلى ذلك، دقة الإجابات التي يقدمها LLMs جيدة فقط كما هو الحال مع البيانات المقدمة. عند استخدام ChatGPT، يتم استخلاص البيانات من جميع أنحاء الإنترنت، والتي يمكن أن تكون غير دقيقة. ChatGPT لا يمنح الأولوية للبيانات من علامة تجارية على بيانات أخرى. لقد خدمتنا مختلف الصناعات على مدار السنوات السبع الماضية، واكتسبنا رؤى قيمة حول ملايين الأسئلة التي يطرحها العملاء كل يوم. هذا مكننا من فهم كيفية ضبط النظام بمزيد من السياق لكل صناعة وتقديم قدرات تقرير نية قوية ومتوافقة، والتي هي حاسمة مع ظهور النماذج اللغة الكبيرة. بينما تكون LLMs فعالة في فهم النية وتوليد الإجابات، لا يمكنها الإبلاغ عن الأسئلة المطروحة. باستخدام سنوات من بيانات النية الشاملة، قمنا بإنشاء تقارير معيارية من خلال نظام فهرسة النية.

ما دور اللغويين في تعزيز قدرات تقنيات LLM؟

برز دور مهندس التوجيه مع هذه التكنولوجيا الجديدة، والتي تتطلب شخصاً لتصميم وتحسين التوجيهات التي تثير استجابة محددة من الذكاء الاصطناعي. اللغويون لديهم فهم جيد للتركيب اللغوي مثل الصرف والنحو، من بين أمور أخرى. واحدة من مهندسي الذكاء الاصطناعي الأكثر نجاحاً لدينا لديها خلفية في اللغويات، مما يسمح لها أن تكون فعالة جداً في العثور على طرق جديدة ومتعددة الأوجه لتحفيز الذكاء الاصطناعي. يمكن أن يكون التغيير الدقيق في التوجيه له تأثيرات عميقة على مدى دقة وكفاءة الإجابة التي تم توليدها، مما يجعله فرقاً كبيراً عندما نتعامل مع ملايين الأسئلة عبر العملاء المتعددين.

ما هو شكل التعديل الدقيق على الجانب الخلفي؟

لدينا نموذج بيانات مملوك لنا الخاص الذي نستخدمه لاحتواء LLM تحت السيطرة. هذا يسمح لنا ببناء أسوارنا الخاصة للاحتفاظ بالسيطرة، بدلاً من البحث عن أسوار. ثانياً، يمكننا استغلال الأدوات والميزات التي تستخدمها منصات أخرى، مما يسمح لنا بدعمها على منصاتنا.

التعديل الدقيق للبيانات واستخدام التعلم بالتعزيز في منصتنا يمكن أن يساعد في التقليل من مخاطر المعلومات الخاطئة. التعديل الدقيق، على عكس استعلام قاعدة المعرفة للحصول على حقائق محددة لإضافتها، يخلق نسخة جديدة من LLM مدربة على هذه المعرفة الإضافية. من ناحية أخرى، يتدرب التعلم بالتعزيز وكلاء مع التغذية الراجعة البشرية ويتعلم سياسة على كيفية الإجابة على الأسئلة. هذا أثبت نجاحه في بناء نماذج ذات بصمة صغيرة تصبح خبيرة في مهام محددة.

يمكنك مناقشة عملية دمج عميل جديد وتكامل حلول الذكاء الاصطناعي للتعاملات؟

نظرًا لأننا نركز على الوجهات والخبرات مثل الرياضة والترفيه والسياحة، يستفيد العملاء الجدد من أولئك الذين يوجدون بالفعل في المجتمع، مما يجعل عملية الدمج بسيطة جداً. يحدد العملاء الجدد أين تعيش مصادر بياناتهم الحالية مثل موقع إلكتروني أو كتيبات موظفين أو مدونات، إلخ. نحن نبتلع البيانات وندرب النظام في الوقت الفعلي. نظرًا لأننا نعمل مع مئات العملاء في نفس الصناعة، يمكن لفريقنا تقديم توصيات سريعة حول أي الإجابات هي الأكثر مناسبة للإجابات المكتوبة مسبقاً مقابل الإجابات المولدة. بالإضافة إلى ذلك، نقوم بتهيئة تدفقات موجهة مثل نظامنا الديناميكي للبحث عن الطعام والمشروبات، بحيث لا يحتاج العملاء أبداً إلى التعامل مع بناء بوت.

تعمل شركة Satisfi Labs حاليًا بشكل وثيق مع الفرق الرياضية والشركات، ما هو رؤيتك لمستقبل الشركة؟

نرى مستقبلاً حيث سيرغب المزيد من العلامات التجارية فيควบคول المزيد من جوانب تجربة الدردشة. هذا سوف يؤدي إلى زيادة الحاجة إلى نظامنا لتوفير وصول أكبر للمطورين. لا يوجد معنى لشركات العلامات التجارية توظيف مطورين لإنشاء أنظمة الذكاء الاصطناعي للتعاملات الخاصة بهم، حيث أن الخبرة المطلوبة سوف تكون نادرة ومكلفة. ومع ذلك، مع نظامنا الذي يغذي الجانب الخلفي، يمكن لمطوريهم التركيز أكثر على تجربة العملاء والرحلة من خلال الحصول على التحكم الأكبر في التوجيهات، وربط البيانات المملوكة لتمكين المزيد من التخصيص، وإدارة واجهة المستخدم للدردشة لمتطلبات المستخدمين المحددة. سوف تكون شركة Satisfi Labs العمود الفقري للتجارب التفاعلية للعلامات التجارية.

شكراً لك على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا شركة Satisfi Labs.