الدكتور لينجيا تانج، الرئيس التنفيذي للтехنولوجيا ومؤسس Clinc – سلسلة المقابلات

الدكتور لينجيا تانج، الرئيس التنفيذي للтехنولوجيا ومؤسس Clinc، هو أستاذ علوم الحاسوب في جامعة ميشيغان. يتمتع بحث الدكتور تانج في بناء البنية التحتية للنتاج الكبير للتطبيقات الذكية بالاعتراف والاحترام في المجتمع الأكاديمي. بالإضافة إلى عمله في كل من مايكروسوفت وجوجل، حصلت لينجيا على درجة الدكتوراه في علوم الحاسوب من جامعة فرجينيا. وقد حصلت لينجيا مؤخرًا على جوائز مشهورة بما في ذلك قاعة مشاهير ISCA، وجوائز بحث فيسبوك، وجائزة بحث جوجل.

ما الذي جذبك في البداية إلى مجال الذكاء الاصطناعي؟ متى اكتشفت أنك تريد إطلاق مشروع ذكاء اصطناعي؟

في منتصف عام 2000، كنت أجرى بحثًا حول الأنظمة الكبيرة التي تدعم التطبيقات المختلفة وكيف يمكننا تصميم الخوادم كمنظومة برمجية لتشغيل تلك التطبيقات بكفاءة أكبر. في ذلك الوقت، كنا ننتقل من العمل مع التطبيقات التقليدية على الويب إلى وظائف مدفوعة بالتعلم الآلي. لذلك، بدأت أهتم بالخوارزميات المرتبطة بالذكاء الاصطناعي واكتسبت اهتمامًا بفهم كيفية عمل تطبيقات الذكاء الاصطناعي بشكل أساسي. بعد ذلك بوقت قصير، قرر فريق البحث الذي كنت أعمل معه التوجه لبناء تطبيقات الذكاء الاصطناعي الخاصة بنا كمرجع لدراستها، وهو ما أدى إلى نشر أوراق بحثنا الأولى وتطوير منتجنا الأول، سيريس – مساعد شخصي مفتوح النهاية للصوت والرؤية.

كبرنامج مفتوح المصدر، سمح سيريس للأشخاص ببناء مساعدين افتراضيين محادثين بأنفسهم. في ذلك الوقت، كانت هذه القدرة محدودة للغاية للجمهور العام وسيطرت عليها الشركات الكبيرة مثل جوجل وأبل. ومع ذلك، لاحظنا أننا نقوم بتلبية فجوة حرجة عند إطلاق البرنامج وشاهدنا أنه تم تنزيله عشرات الآلاف من المرات في الأسبوع الأول! ذلك كان النقطة التحول التي عرفنا منها أن هناك طلبًا كبيرًا على هذا النوع من البرمجيات.

في عام 2015، أطلقنا Clinc مع تفكيرنا في تزويد الجميع – كل مطور وشركة و شخص يرغب في بناء مساعد افتراضي – بالخبرة والتقنيات والابتكار اللازمين للقيام بذلك.

يقدم Clinc حلولًا للذكاء الاصطناعي المحادثي دون الاعتماد على الكلمات الرئيسية أو النصوص. هل يمكنك أن تخبرنا بعض التفاصيل حول كيفية تحقيق ذلك؟ ما هي بعض التحديات المرتبطة بمعالجة اللغة الطبيعية التي يجب التغلب عليها؟

ما يميز Clinc حقًا عن منصات الذكاء الاصطناعي المحادثي الأخرى في السوق هو الخوارزميات الذكية الأساسية التي تمكن من تجربة “الإنسان في الغرفة”، والتي تفهم اللغة غير المكتوبة والغير منضبطة. هذا يسمح بإجراء تصحيحات للخلف و “إصلاح” الأخطاء التي تتم في المحادثات البشرية وتمكين تدفقات محادثات معقدة – محادثات يمكن أن يفهمها إنسان حقيقي. على عكس خوارزمية مطابقة الكلمات من الكلام إلى النص، يتحليل Clinc عشرات العوامل من مدخلات المستخدم، بما في ذلك التعبير، والمزاج، والنية، وطريقة النطق، والوقت من اليوم، والموقع والعلاقات، ويتخذ هذه العوامل لتقديم إجابة تمثل مركبًا من المعرفة المستخرجة من دماغه المدرب. على سبيل المثال، إذا سألت مساعدي الافتراضي، “كم المال الذي أنفقته على هامبورجر؟” فيجب أن يفهم أنني أسأل عن المال والإنفاق، وأسأل بشكل محدد عن هامبورجر، وهامبورجر هو نوع من الطعام ويجب مطابقته لإنفاقي الأخير في المطعم.

تحقيق هذا المستوى من الفهم ليس سهلًا. بشكل عام، يمكننا تقسيم الذكاء الاصطناعي المحادثي إلى مكونين: فهم اللغة الطبيعية (NLU) وإدارة الحوار. لذلك، كان التحدي الذي يجب التغلب عليه هو تحديد كيفية بناء نظام يمكنه استخراج قطع المعلومات الأساسية بدقة ويمكن أن يتوقع ما يسأله المستخدم.

نحن قادرون على القيام بذلك من خلال فهم اللغة الطبيعية السياقي المتقدم، والمدرب على أن يكون直ًا وطبيعيًا ليتوافق مع تدفق المحادثة الطبيعية، وفهم اللهجة والسياق. هذا بالمقارنة مع الحلول التنافسية التي لديها نهج قائم على القواعد لتحليل اللغة الطبيعية (NLP) الذي لا يسمح بالتجديد في المحادثة، مما يعني أنه إذا ارتكب العميل خطأً، فإن الحلول التنافسية تجعله يعود إلى البداية، مما يضيع الوقت ويزيد من إحباط المستخدم. كما نستخدم التمويل الجماعي لاستخراج بيانات لغتنا لإنشاء مجموعة بيانات غنية ومتنوعة يمكن استخدامها على الفور لتدريب نماذج الذكاء الاصطناعي.

هل يمكنك أن تناقش كيفية استخدام التعلم العميق مع نظام Clinc للذكاء الاصطناعي؟

يستخدم Clinc نهجًا هجينًا للتعلم العميق حيث نستخدم النموذج التقليدي إلى حد ما ونستفيد من التعلم العميق حيثما لزم الأمر. تحديدًا، نستخدم التعلم العميق لفهم الكلمات واللغات لتحديد تدفق الحوار. بشكل عام، يتمثل حوارنا بأكمله في مزيج من التعلم العميق والذكاء الرمزي. نحن لا نستخدم التعلم العميق بعد لإنشاء اللغة لأن هناك الكثير من اللوائح التي يجب على المساعد الافتراضي اتباعها فيما يتعلق بالعملاء في قطاع البنوك، وهناك الكثير من الشكوك حول ما إذا كان التعلم العميق سيكون قادرًا على اتباع تلك القيود اللغوية.

حتى الآن، لا أعتقد أن مجتمع الذكاء الاصطناعي المحادثي جاهز تمامًا لاعتماد التعلم العميق بالكامل، بينما المجتمع الأكاديمي هو 100% متأثر به، ولكنني أتطلع إلى رؤية ما يمكن أن تفعله النماذج الجديدة.

ما هي العملية التي يتبعها شركة لتخصيص استجابات الذكاء الاصطناعي لاستهداف جمهور معين؟ هل يمكنك أن تمنحنا بعض الأمثلة حول كيفية استخدام Clinc حاليًا من قبل العملاء؟

نسمح للعملاء بالترخيص لمنصة يمكنهم بناءها كما يحبون، أو أخذ مساعدنا المحادثي الكامل والمدرب، Finie، وتخصيصه وتكاملها مع تطبيقاتهم أو خدمات الرسائل. يمكن لـ Finie التعامل مع الأمور المتعلقة بالرواتب، والمعاملات، وتاريخ الإنفاق، ووضع جهاز الصراف الآلي، وإجراء التحويلات، وغير ذلك.

مثالي المفضل لكيفية تخصيص عميل لذكاء Clinc لاستهداف جمهور معين هو İşbank. كأكبر بنك خاص في تركيا، لجأوا إلينا لتطوير مساعدهم الرقمي للبنوك، Maxi، في عام 2018. لتزويد Maxi بشخصية فريدة، عقدت İşbank 14 مجموعة تركيز لقياس السمات والمهارات التي يرغب العملاء في مساعد افتراضي. كما استأجروا ممثلة صوتية لقراءة الجمل باللغة التركية المتعلقة بمهام البنوك. قام فريق البنوك المحادثية في İşbank بإنشاء هذه الجمل من خلال التفكير في كيفية تعبير الأشخاص الحقيقيين عن احتياجاتهم. بناءً على توصيتنا، قام الفريق بدفع المشاركين في سوق التمويل الجماعي مثل Amazon Mechanical Turk لتزويد طرق مختلفة لطرح الأسئلة نفسها، مثل طلب عرض الرصيد (“ما هو رصيدي”، “كم المال لدي”، “أظهر لي النقود في حسابي”) أو دفع الفواتير (“دفع الفاتورة”، “دفع الفواتير”).

يظهر هذا المثال بشكل رائع مدى استثمار İşbank في تقديم مساعد بنكي رقمي لمساعدة عملائهم على التنقل بشكل أفضل في حساباتهم. مع Clinc، أطلقت İşbank Maxi لما يزيد عن 7.5 مليون شخص، باللغة التركية. منذ إطلاقه، شهدت İşbank انتشارًا على نطاق واسع من قبل أكثر من 5.5 مليون مستخدم، بمتوسط 9.8 تفاعل لكل مستخدم. في الأشهر الأخيرة، مع زيادة حالات كوفيد-19 في تركيا، دربت İşbank بسرعة Maxi ليكون استجابة لاستفسارات متعلقة بكوفيد-19. منذ مارس 2020، أجاب Maxi على أكثر من 1.2 مليون استفسار عميل متعلق بكوفيد-19، بزيادة بنسبة 62% في الاستخدام.

ماذا تقول للنساء اللواتي يرغبن في التعلم أكثر عن الذكاء الاصطناعي لكنهن مترددن في الانخراط بسبب كونه مجالًا يهيمن عليه الذكور؟

من البداية، لا أعتقد أن هناك سببًا لاعتبار الذكاء الاصطناعي مجالًا يهيمن عليه الذكور. أعتقد أن هناك الكثير من رواد الذكاء الاصطناعي من النساء الذين يفعلون بشكل جيد ويكونون له تأثير. أعتقد أن الذكاء الاصطناعي متوافق مع السياسة الاجتماعية هو مجال فريد له القدرة على التأثير على حياة الناس اليومية. هذا هو المكان الذي أعتقد أن رؤى متنوعة عبر اللوحة سوف تنفعنا بشكل كبير، خاصة مع وجود الكثير من المحادثات حول انحياز الذكاء الاصطناعي المتعلق بالجنس والعرق. أعتقد أن وجود مجتمع من مطوري الذكاء الاصطناعي سيستمر في التأثير بشكل غير متناسب على المجتمع والسياسة.

للنساء هناك اللواتي يرغبن في الانضمام إلى مجال الذكاء الاصطناعي، أوصي به بشدة، خاصة إذا كن يرغبن في التأثير. لقد شهد الذكاء الاصطناعي نموًا وتطورًا كبيرًا على مر السنين، ويتعين أن يكون هذا وقتًا مثيرًا للانضمام إليه.

هل هناك شيء آخر تود أن تشاركه حول Clinc؟

تحرز Clinc تقدماً كبيرًا الآن. شخصيًا، قد دخلت دورًا جديدًا كمسؤول تقني في Clinc وأنا متحمس لتركيز جهودي على كيفية العمل مع المطورين و科学اء البيانات لزيادة انتشار تقنيتنا. عندما أنظر إلى المستقبل، أرى أن الطلب على التطبيقات المدعومة بالذكاء الاصطناعي ينتقل لتمكين الأشخاص الذين لا يملكون سنوات من الخبرة في علوم البيانات و背景 في التعلم الآلي من استخدامها أيضًا. على سبيل المثال، لا تحتاج إلى شهادة في التصميم الجرافيكي لاستخدام برنامج Adobe Photoshop. أعتقد أن الذكاء الاصطناعي يتجه في هذا الاتجاه حيث سيكون المطورون الذين لا يملكون أي تدريب في الذكاء الاصطناعي أو التعلم الآلي قادرين على تحقيق نتائج وإنتاج تطبيقات عالية الجودة. بشكل عام، نريد أن نؤكد أننا لا نلتزم فقط بالمستخدم النهائي ولكن أيضًا بالمطورين، على أي مستوى، الذين يظهرون اهتمامًا بحلولنا.

شكرًا على المقابلة الرائعة، أتطلع إلى متابعة تقدمك. يجب على أي شخص يرغب في التعلم أكثر زيارة Clinc.