دوني وايت، الرئيس التنفيذي والمؤسس المشارك لشركة Satisfi Labs – سلسلة المقابلات

تأسست شركة Satisfi Labs في عام 2016 وهي شركة رائدة في مجال الذكاء الاصطناعي للتعاملات. وقد حققت الشركة نجاحًا مبكرًا من خلال عملها مع فريق نيويورك ميتس ومايسي والبطولة الأمريكية المفتوحة، مما جعل الوصول إلى المعلومات سهلًا والتي غالبًا ما تكون غير متاحة على المواقع الإلكترونية.

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

كنت في بلومبرج لمدة 14 عامًا عندما شعرت بالحاجة إلى أن أصبح رجل أعمال. لماذا أصبحت رجل الأعمال على رادارك فجأة؟

خلال السنة الثالثة من الكلية، قمت بتقديم طلب للحصول على وظيفة كموظف استقبال في بلومبرج. بمجرد أن دخلت الباب، قلت لزملائي إنني إذا كانوا على استعداد لتعليمي، يمكنني التعلم بسرعة. في السنة الرابعة، كنت موظفًا بدوام كامل وانتقلت جميع دورسي إلى فصول مسائية حتى أستطيع القيام بكلتا الوظائف. بدلاً من الحضور إلى حفل تخرج الكلية في سن 21، قمت بإدارة فريقي الأول. من ذلك الحين، كنت محظوظًا لأنني عملت في نظام ميريتوكراسي وتمت ترقيتي عدة مرات. في سن 25، كنت أدير قسمي الخاص. من هناك، انتقلت إلى الإدارة الإقليمية ثم تطوير المنتج، حتى أصبحت أدير المبيعات في جميع أنحاء الأمريكتين. في عام 2013، بدأت أتساءل عما إذا كان بإمكاني القيام بشيء أكبر. قمت بمراجعة بعض الشركات الناشئة وقال لي أحد المؤسسين: “لا نعرف ما إذا كنت جيدًا أو بلومبرج جيد”. في ذلك الوقت، عرفت أن شيئًا يجب أن يتغير، و بعد 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 شركة Satisfi Labs؟

كنت في مباراة بيسبول في ملعب سيتي فيلد مع راندي، كبير مسؤولي التكنولوجيا والمؤسس المشارك الحالي لشركة Satisfi، عندما سمعت عن أحد تخصصاتهم، لحم الخنزير على عود. سألنا الموظفين حولها، لكننا لم نستطع العثور عليها في أي مكان. оказалось أنها مخبأة في نهاية واحدة من الملعب، مما أثار لدينا فكرة أن من الممكن أن يكون من الأسهل أن نسأل الفريق مباشرة من خلال الدردشة. هذا هو المكان الذي ولدت فيه فكرتنا الأولى. كنا كلانا من خلفية مالية وتجارة الخوارزميات، مما أدى بنا إلى أخذ مفهوم مطابقة الطلبات بالاجابات لبناء نظامنا الخاص للتعرف على اللغة الطبيعية للمسائل المتخصصة التي سيُطلبها 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 الويب. من هناك، كان نظامنا سيكون له “مقود” يمكنه استدعاء كل بوت عند الحاجة. هذا هو الهيكل الأصلي للنظام الذي لا يزال مستخدمًا حتى اليوم.

صممت شركة Satisfi Labs محركها الخاص للتعرف على اللغة الطبيعية وكان على وشك إصدار بيان صحفي عندما قامت OpenAI بتقديم ChatGPT، مما أثر على تكنولوجيا الشركة. يمكنك مناقشة هذه الفترة الزمنية وكيف أجبرت شركة Satisfi Labs على تغيير مسار أعمالها؟

كنا قد خططنا لإصدار بيان صحفي لتقديم تحديث نظامنا للتعرف على اللغة الطبيعية في 6 ديسمبر 2022. في 30 نوفمبر 2022، أعلنت OpenAI عن ChatGPT. أثر إعلان ChatGPT ليس فقط على خطة طريقنا، ولكن أيضًا على العالم. في البداية، كنا نحن مثل الجميع، نسابق لتفهم قوة ChatGPT وحدودها وفهم ما يعنيه ذلك لنا. سرعان ما أدركنا أن نظامنا للتعرف على اللغة الطبيعية لا يتنافس مع ChatGPT، ولكن يمكنه فعلاً تحسين تجربة LLM. هذا أدى إلى قرار سريع ل trở thành شركاء مؤسسة مع OpenAI. منذ أن بدأ نظامنا مع فكرة فهم الإجابات على مستوى متفرق، كنا قادرين على الجمع بين نظام “مقود البوت” وسبع سنوات من بيانات النية لتحديث النظام لدمج LLMs.

أعلنت شركة Satisfi Labs مؤخرًا عن براءة اختراع نظام استجابة LLM السياقي، ما هو هذا النظام تحديدًا؟

في يوليو، كشفنا عن نظام استجابة LLM السياقي الذي يجمع بين قوة نظام استجابة سياقي مع قدرات نموذج اللغة الكبيرة لتعزيز نظام محرك الإجابة. يدمج نظام LLM السياقي الجديد قدرات نموذج اللغة الكبيرة في جميع أنحاء المنصة، بدءًا من تحسين التوجيه إلى توليد الإجابات وفهارس النية، والتي تدفع أيضًا قدرات التقرير الفريدة. تозволяة المنصة للعلامات التجارية الإجابة بطرق متعددة، إما بإجابات محددة مسبقًا أو إجابات محددة بواسطة نموذج اللغة.

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

ChatGPT مدرب على فهم مجموعة واسعة من المعلومات، وبالتالي لا يحتاج إلى مستوى من التدريب الدقيق اللازم لتقديم إجابات على أسئلة متخصصة في الصناعة بمستوى من الدقة الذي تتوقعه معظم العلامات التجارية. بالإضافة إلى ذلك، دقة الإجابات التي يقدمها LLMs جيدة فقط مثل البيانات المقدمة. عند استخدام ChatGPT، يتم استخلاص البيانات من جميع أنحاء الإنترنت، والتي يمكن أن تكون غير دقيقة. ChatGPT لا ي ưu tiên البيانات من علامة تجارية على بيانات أخرى. لقد خدمت مختلف الصناعات على مدار السنوات السبع الماضية، وحصلنا على 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 النية المتقدمة، والتي هي حاسمة بالنظر إلى صعود النماذج الكبيرة للغة. بينما تكون LLMs فعالة في فهم النية وتوليد الإجابات، لا يمكنها تقديم تقارير حول الأسئلة المطرحة. باستخدام سنوات من بيانات النية الشاملة، قمنا بإنشاء تقارير معيارية من خلال نظام فهرسة النية.

ما دور اللغويين في تحسين قدرات تقنيات LLM؟

دور مهندس التوجيه قد ظهر مع هذه التكنولوجيا الجديدة، والتي تتطلب شخصًا لتصميم وتحسين التوجيهات التي تثير استجابة محددة من الذكاء الاصطناعي. اللغويون لديهم فهم جيد للتركيب اللغوي مثل الصرف والدلالة، من بين أشياء أخرى. واحدة من مهندسي الذكاء الاصطناعي الأكثر نجاحًا لدينا لديها خلفية في اللغويات، مما يسمح لها بالعثور على طرق جديدة ومتفرقة لتحفيز الذكاء الاصطناعي. التغييرات الدقيقة في التوجيه يمكن أن يكون لها تأثير كبير على مدى دقة وكفاءة الإجابة التي تم إنشاؤها، مما يهم عندما نتعامل مع ملايين الأسئلة عبر العملاء المتعددين.

ما هو شكل التحسين على الجانب الخلفي؟

لدينا نموذج بيانات مملوك لنا الخاص الذي نستخدمه للاحتفاظ ب LL المحدد في خط наш. هذا يسمح لنا ببناء سياجنا الخاص للاحتفاظ ب LL المحدد تحت السيطرة، بدلاً من البحث عن السياج. ثانيًا، يمكننا استخدام الأدوات والميزات التي يستخدمها منصات أخرى، مما يسمح لنا بدعمها على منصاتنا.

التحسين الدقيق للبيانات التدريبية واستخدام التعلم بالتعزيز في منصتنا يمكن أن يساعد في التخفيف من مخاطر المعلومات الخاطئة. التحسين، على عكس استعلام قاعدة المعرفة للحصول على حقائق محددة لإضافتها، يخلق نسخة جديدة من LLM مدربة على هذه المعرفة الإضافية. من ناحية أخرى، يُدرب التعلم بالتعزيز وسيطًا بتعليقات بشرية ويتعلم سياسة للاستجابة على الأسئلة. هذا أثبت نجاحه في بناء نماذج صغيرة متخصصة 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 هم بالفعل في المجتمع، مما يجعل عملية الدمج بسيطة. يعرف العملاء الجدد أين تعيش مصادر البيانات الحالية مثل موقع الويب أو كتالوج الموظفين أو المدونات، إلخ. نحن نبتلع البيانات وندرّب النظام في الوقت الفعلي. نظرًا لأننا نتعامل مع مئات العملاء في نفس الصناعة، يمكن لفريقنا تقديم توصيات سريعة حول الإجابات التي تناسبها الإجابات المكتوبة مسبقًا أو الإجابات المولدة. بالإضافة إلى ذلك، نقوم بضبط تدفقات موجهة مثل نظام العثور على الطعام والمشروبات الديناميكي، بحيث لا يحتاج العملاء إلى التعامل مع بناء البوت.

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

نرى مستقبلًا حيث سيتطلب المزيد من العلامات التجارية التحكم في جوانب متعددة من تجربة الدردشة. هذا سيزيد الحاجة إلى نظامنا لتوفير وصول متقدم للمطورين. لا يوجد معنى لتحميل العلامات التجارية للمطورين بناء نظام الذكاء الاصطناعي للتعاملات الخاص بهم، حيث سيكون الخبرة المطلوبة نادرة وغالية الثمن. ومع ذلك، مع نظامنا الذي يغذي الجانب الخلفي، يمكن لمطوري العلامات التجارية التركيز على تجربة العميل والرحلة من خلال الحصول على التحكم الأكبر في التوجيهات، وربط البيانات المملوكة لتمكين المزيد من التخصيص، وإدارة واجهة المستخدم للدردشة لاحتياجات المستخدمين المحددة. ستكون شركة Satisfi Labs العمود الفقري الفني لتجارب العلامات التجارية للتعاملات.

شكرًا على المقابلة الرائعة، يُرجى من القراء الذين يرغبون في معرفة المزيد زيارة موقع Satisfi Labs.