ريكي كوستا ، الرئيس التنفيذي لشركة Quantum Stat - سلسلة مقابلات

ريكي كوستا هو الرئيس التنفيذي لشركة Quantum Stat ، وهي شركة تقدم حلول أعمال لـ NLP ومبادرات الذكاء الاصطناعي

ما الذي جعلك مهتمًا في البداية بالذكاء الاصطناعي؟

العشوائية. كنت أقرأ كتابًا عن الاحتمالات عندما عثرت على نظرية شهيرة. في ذلك الوقت، تساءلت بسذاجة عما إذا كان بإمكاني تطبيق هذه النظرية على مشكلة اللغة الطبيعية التي كنت أحاول حلها في العمل. وكما اتضح، فإن الخوارزمية كانت موجودة بالفعل دون علمي، وكان يطلق عليها اسم Naïve Bayes، وهو نموذج توليدي مشهور وبسيط للغاية يستخدم في التعلم الآلي الكلاسيكي. وكانت تلك النظرية نظرية بايز. شعرت أن هذه الصدفة كانت بمثابة دليل، وزرعت بذرة الفضول لمواصلة تعلم المزيد.

أنت الرئيس التنفيذي لشركة Quantum Stat، وهي شركة تقدم حلولاً لمعالجة اللغات الطبيعية. كيف وجدت نفسك في هذا الموقف؟

عندما تكون هناك ثورة في تقنية جديدة ، تكون بعض الشركات أكثر ترددًا من غيرها عند مواجهة المجهول. لقد بدأت شركتي لأن متابعة المجهول أمر ممتع بالنسبة لي. شعرت أيضًا أن هذا هو الوقت المناسب للمغامرة في مجال البرمجة اللغوية العصبية نظرًا لجميع الأبحاث المذهلة التي وصلت في العامين الماضيين. يتمتع مجتمع البرمجة اللغوية العصبية الآن بالقدرة على تحقيق الكثير مع أقل بكثير نظرًا لظهور تقنيات البرمجة اللغوية العصبية الجديدة التي تتطلب بيانات أقل لقياس الأداء.

للقراء الذين قد لا يكونون على دراية بهذا المجال ، هل يمكنك مشاركتنا بما تفعله معالجة اللغة الطبيعية؟

البرمجة اللغوية العصبية هو حقل فرعي من الذكاء الاصطناعي والتحليلات التي تحاول فهم اللغة الطبيعية في النص أو الكلام أو التعلم متعدد الوسائط (النصوص والصور / الفيديو) وحسابها إلى النقطة التي تقود فيها البصيرة و / أو تقدم خدمة قيمة. يمكن أن تصل القيمة من عدة زوايا ، من استرجاع المعلومات في نظام الملفات الداخلي للشركة ، إلى تصنيف المشاعر في الأخبار ، أو روبوت تويتر GPT-2 الذي يساعد في التسويق عبر وسائل التواصل الاجتماعي (مثل تلك التي أنشأناها قبل أسبوعين).

لديك ليسانس الآداب من كلية هنتر في علم النفس التجريبي. هل تشعر أن فهم العقل البشري وعلم النفس البشري هو أحد الأصول عندما يتعلق الأمر بفهم وتوسيع مجال معالجة اللغة الطبيعية؟

هذا مخالف ، لكن للأسف لا. إن تشبيه الخلايا العصبية والشبكات العصبية العميقة هو ببساطة للتوضيح وغرس الحدس. ربما يمكن للمرء أن يتعلم الكثير من علوم وهندسة التعقيد. تكمن صعوبة فهم كيفية عمل الدماغ في أننا نتعامل مع نظام معقد. "الذكاء" هو ظاهرة ناشئة من تعقيد الدماغ المتفاعل مع بيئته ، ومن الصعب للغاية تحديدها. علم النفس والعلوم الاجتماعية الأخرى ، التي تعتمد على "الاختزال" (من أعلى إلى أسفل) لا تعمل في ظل هذا النموذج المعقد. هذا هو الحدس: تخيل شخصًا يحاول تقليص أغنية البيتلز "Let it Be" إلى مقياس C Major. لا يوجد شيء في هذا المقياس يتوقع ظهور "Let it Be" منه. يحدث الشيء نفسه مع شخص يحاول تقليل السلوك إلى النشاط العصبي في الدماغ.

هل يمكنك أن تشاركنا سبب أهمية البيانات الضخمة عندما يتعلق الأمر بالتعلم العميق وبشكل أكثر تحديدًا معالجة اللغات الطبيعية؟

كما هو الحال ، نظرًا لأن نماذج التعلم العميق تستكمل البيانات ، فكلما زاد عدد البيانات التي تغذيها في النموذج ، قل الحالات المتطورة التي ستراها عند إجراء استنتاج في البرية. هذه البنية "تحفز" مجموعات البيانات الكبيرة ليتم حسابها بواسطة النماذج من أجل زيادة دقة المخرجات. ومع ذلك ، إذا أردنا تحقيق سلوك أكثر ذكاءً من خلال نماذج الذكاء الاصطناعي ، فنحن بحاجة إلى النظر إلى ما هو أبعد من مقدار البيانات التي لدينا والمزيد نحو كيف يمكننا تحسين قدرة النموذج على التفكير بشكل أكثر كفاءة ، وهو ما لا ينبغي أن يتطلب الكثير من الحدس. بيانات. من منظور التعقيد ، تُظهر تجارب الأوتوماتا الخلوية التي أجراها الفيزيائيان جون فون نيومان وستيفن ولفرام في القرن الماضي أن التعقيد يمكن أن ينشأ من شروط وقواعد أولية بسيطة. ما يجب أن تكون عليه هذه الشروط / القواعد فيما يتعلق بالذكاء الاصطناعي ، هو ما يبحث عنه الجميع.

لقد أطلقت مؤخرًا "قاعدة بيانات Big Bad NLP". ما هي قاعدة البيانات هذه ولماذا تعتبر مهمة لأولئك العاملين في صناعة الذكاء الاصطناعي؟

تم إنشاء قاعدة البيانات هذه لمطوري البرمجة اللغوية العصبية للحصول على وصول سلس إلى جميع مجموعات البيانات ذات الصلة في الصناعة. تساعد قاعدة البيانات هذه على فهرسة مجموعات البيانات التي لها تأثير ثانوي لطيف للقدرة على الاستعلام من قبل المستخدمين. تستغرق المعالجة المسبقة للبيانات معظم الوقت في خط أنابيب النشر ، وتحاول قاعدة البيانات هذه التخفيف من هذه المشكلة قدر الإمكان. بالإضافة إلى ذلك ، إنها منصة مجانية لأي شخص بغض النظر عما إذا كنت باحثًا أكاديميًا أو ممارسًا أو خبيرًا مستقلًا في الذكاء الاصطناعي وتريد الحصول على سرعة مع بيانات البرمجة اللغوية العصبية. الرابط

تقدم Quantum Stat حاليًا حلولًا نهائية. ما هي بعض هذه الحلول؟

نحن نساعد الشركات على تسهيل خط أنابيب نمذجة البرمجة اللغوية العصبية الخاصة بهم من خلال تقديم التطوير في أي مرحلة. يمكننا تغطية مجموعة واسعة من الخدمات بدءًا من تنظيف البيانات في مرحلة ما قبل المعالجة وصولاً إلى نشر الخادم النموذجي في الإنتاج (يتم تمييز هذه الخدمات أيضًا على صفحتنا الرئيسية). لا تؤتي جميع مشاريع الذكاء الاصطناعي ثمارها بسبب الطبيعة غير المعروفة لكيفية عمل بنية البيانات / المشروع الخاصة بك مع نموذج حديث. بالنظر إلى حالة عدم اليقين هذه ، تمنح خدماتنا الشركات فرصة للتكرار في مشروعها بجزء بسيط من تكلفة الاستعانة بمهندس ML بدوام كامل.

ما هو التقدم الأخير في الذكاء الاصطناعي الذي تجده الأكثر إثارة للاهتمام؟

أهم تقدم مؤخرًا هو نموذج المحولات ، ربما سمعت عنه: BERT و RoBERTa و ALBERT و T5 وما إلى ذلك. تعد نماذج المحولات هذه جذابة للغاية لأنها تتيح للباحث تحقيق أداء متطور باستخدام مجموعات بيانات أصغر. قبل المحولات ، كان المطور يحتاج إلى مجموعة بيانات كبيرة جدًا لتدريب نموذج من البداية. نظرًا لأن هذه المحولات تأتي مدربة مسبقًا على مليارات الكلمات ، فإنها تسمح بتكرار أسرع لمشاريع الذكاء الاصطناعي وهذا ما نشارك فيه في الغالب في الوقت الحالي.

هل هناك أي شيء آخر تود مشاركته حول Quantum Stat؟

نحن نعمل على مشروع جديد يتعامل مع تحليل معنويات السوق المالية والذي سيتم إصداره قريبًا. لقد استفدنا من محولات متعددة لإعطاء رؤية غير مسبوقة لكيفية ظهور الأخبار المالية في الوقت الفعلي. ابقوا متابعين!

لمعرفة المزيد قم بزيارة Quantum Stat أو اقرأ مقالتنا عن قاعدة بيانات Big Bad NLP.