مقابلات
تري دوиг، كبير مسؤولي التكنولوجيا والشريك المؤسس في باتهلайт – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
تري دويغ هو الشريك المؤسس والرئيس التنفيذي للتكنولوجيا في Pathlight. يتمتع بخبرة تزيد على عشر سنوات في قطاع التكنولوجيا، وعمل مهندسًا لدى IBM وCreative Commons وYelp. وكان المهندس الرئيسي لخدمة Yelp Reservations والمسؤول عن دمج وظائف SeatMe في موقع Yelp.com. كما قاد تطوير تطبيق SeatMe للويب عندما توسعت الشركة لاستيعاب زيادة عدد العملاء إلى عشرة أمثال العدد السابق.
تساعد Pathlight الفرق التي تتعامل مع العملاء على تحسين الأداء والكفاءة عبر رؤى آنية حول محادثات العملاء وأداء الفريق. وتحلل المنصة ملايين نقاط البيانات بصورة مستقلة، لتمكين جميع مستويات المؤسسة من فهم ما يحدث في الخطوط الأمامية لأعمالها وتحديد أفضل الإجراءات لتحقيق نجاح قابل للتكرار.
ما الذي جذبك في البداية إلى علوم الحاسوب؟
كنت أعبث بالحواسيب منذ أقدم ذكرياتي. وعندما بلغت الثانية عشرة، بدأت البرمجة وتعلمت Scheme وLisp بنفسي. وبعد ذلك بقليل بدأت بناء أشياء متنوعة لي ولأصدقائي، معظمها في تطوير الويب.
لاحقًا، عند التقدم إلى الجامعة، كنت قد مللت الحواسيب بالفعل وقررت الالتحاق بكلية تصميم. وبعد أن رفضتني بعض تلك الكليات أو وضعتني على قوائم الانتظار، قررت الالتحاق ببرنامج علوم الحاسوب ولم أندم. واتضح أن رفض قبولي في كلية التصميم كان من أكثر حالات الرفض نفعًا في حياتي!
شغلت مناصب في IBM وYelp وشركات أخرى. ما أبرز المشاريع المثيرة للاهتمام التي عملت عليها في Yelp تحديدًا، وما أهم الدروس التي خرجت بها؟
انضممت إلى Yelp بعد استحواذها على شركتنا السابقة SeatMe. ومنذ اليوم الأول أُسندت إليّ مسؤولية دمج محرك البحث عن الحجوزات الخاص بنا في الصفحة الرئيسية لموقع Yelp.com.
في غضون بضعة أشهر، نجحنا في تشغيل محرك البحث على نطاق Yelp، بفضل البنية التحتية المتينة التي بنتها الشركة داخليًا لـElasticsearch إلى حد كبير. وساهمت أيضًا القيادة الهندسية الممتازة التي منحتنا حرية العمل والقيام بما نجيده: إطلاق المنتجات بسرعة.
بصفتك الرئيس التنفيذي للتكنولوجيا والشريك المؤسس لشركة ذكاء المحادثات Pathlight، تساعد في بناء بنية تحتية لعمليات نماذج اللغة الكبيرة (LLMOps) من الصفر. ما العناصر التي يجب جمعها عند نشر هذه البنية، مثل طبقة إدارة المطالبات وطبقة تدفق الذاكرة وطبقة إدارة النماذج؟
في نهاية عام 2022، التزمنا بالعمل الجاد على تطوير نماذج اللغة الكبيرة وتجربتها. وسرعان ما أدى ذلك إلى إطلاق منتج Conversation Intelligence المبني أصلًا على الذكاء الاصطناعي التوليدي بعد أربعة أشهر فقط. يجمع المنتج تفاعلات العملاء من مختلف القنوات، سواء كانت نصية أو صوتية أو مرئية، في منصة شاملة واحدة، ما يتيح تحليل مشاعر العملاء وفهمها بعمق غير مسبوق.
خلال هذه العملية المعقدة، نفرّغ المحتوى إلى نصوص وننقّي البيانات ونحسّنها لتناسب معالجة نماذج اللغة الكبيرة. ومن الخطوات الحاسمة توليد التضمينات من النصوص المفرغة، وهي أساس فعالية إسناد الوسوم القائم على التوليد المعزز بالاسترجاع (RAG)، ونماذج التصنيف، والتلخيصات المعقدة.
ما يميز هذا المسعى حقًا هو حداثة المجال وكونه غير مستكشف بعد. فنحن في موقع فريد نبتكر فيه أفضل الممارسات ونكتشفها بالتزامن مع المجتمع الأوسع. ومن الأمثلة البارزة هندسة المطالبات: مراقبة المطالبات التي يولدها تطبيقنا وتصحيح أخطائها وضمان جودتها. ونشهد ظهور شركات ناشئة تقدم أدوات تجارية لهذه الاحتياجات الأعلى مستوى، بما فيها ميزات التعاون والتسجيل والفهرسة المتقدمان.
لكن تركيزنا لا يزال ثابتًا على تقوية الطبقات الأساسية لبنية LLMOps. فمن تنسيق الضبط الدقيق واستضافة النماذج إلى إنشاء واجهات API متينة للاستدلال، تظل هذه المكونات منخفضة المستوى أساسية لمهمتنا. وبتوجيه مواردنا وقدراتنا الهندسية إليها، نضمن وصول المنتج إلى السوق بسرعة واستناده أيضًا إلى أساس قوي وموثوق.
ومع تطور المجال وتوفر مزيد من الأدوات التجارية لمعالجة التعقيدات الأعلى مستوى، تهيئنا استراتيجيتنا لدمج هذه الحلول بسلاسة، وتعزيز المنتج وتسريع رحلتنا لإعادة تعريف ذكاء المحادثات.
تعتمد Pathlight CI على واجهة خلفية متعددة نماذج اللغة الكبيرة. ما تحديات استخدام أكثر من نموذج والتعامل مع حدود معدلات الطلبات المختلفة؟
تتطور نماذج اللغة الكبيرة والذكاء الاصطناعي التوليدي بسرعة هائلة. لذا من الضروري لأي تطبيق أعمال يعتمد عليها بدرجة كبيرة أن يواكب أحدث النماذج المدربة وأفضلها، سواء كانت خدمات مُدارة مملوكة أو نماذج حرة ومفتوحة المصدر تُنشر على البنية التحتية الخاصة بك. وتزداد أهمية ذلك عندما يرتفع الطلب على الخدمة وتمنع حدود معدلات الطلبات تحقيق معدل المعالجة المطلوب.
الهلوسة مشكلة شائعة لدى الشركات التي تبني نماذج اللغة الكبيرة وتنشرها. كيف تتعامل Pathlight معها؟
الهلوسة، بالمعنى الذي أعتقد أن الناس يقصدونه عادة، تحدٍّ كبير عند العمل الجاد مع نماذج اللغة الكبيرة. فهناك درجة من عدم اليقين وصعوبة التنبؤ بالنتيجة المتوقعة حتى عند استخدام المطالبة نفسها. وتوجد طرق كثيرة لمعالجة المشكلة، منها الضبط الدقيق مع الاستفادة القصوى من أعلى النماذج جودةً المتاحة لتوليد بيانات الضبط.
تقدم Pathlight حلولًا لقطاعات مختلفة مثل السفر والضيافة والتمويل والألعاب والتجزئة والتجارة الإلكترونية ومراكز الاتصال. كيف يختلف الذكاء الاصطناعي التوليدي المستخدم خلف الكواليس بين هذه الأسواق؟
القدرة الفورية على خدمة هذا النطاق الواسع من القطاعات من أكثر جوانب الذكاء الاصطناعي التوليدي قيمةً وتميزًا. فالوصول إلى نماذج مدربة على الإنترنت بأكمله، وتتمتع بمعرفة واسعة في مجالات متنوعة، سمة فريدة للطفرة التي نعيشها. وفي النهاية سيبرهن الذكاء الاصطناعي على قيمته بمرور الوقت من خلال انتشاره الواسع، ويشير مساره الحالي إلى اقتراب ذلك.
كيف تستخدم Pathlight التعلم الآلي لأتمتة تحليل البيانات واكتشاف رؤى خفية؟
بالتأكيد! لدينا تاريخ طويل من بناء مشاريع التعلم الآلي وإطلاقها على مدى سنوات. ويعد النموذج التوليدي وراء أحدث ميزاتنا، Insight Streams، مثالًا جيدًا على استخدام التعلم الآلي لإنشاء منتج يهدف مباشرة إلى كشف ما لا تعرفه عن عملائك. وتستخدم هذه التقنية مفهوم وكيل الذكاء الاصطناعي لإنتاج مجموعة من الرؤى تتطور باستمرار، بمستوى من الحداثة والعمق يصعب على التحليل اليدوي مجاراته. وبمرور الوقت يمكن لهذه التدفقات أن تتعلم من نفسها…
المسؤولون عن تحليل بيانات دعم العملاء، سواء كانوا محللي بيانات أو علماء بيانات أو محللي أعمال أو فرق مبيعات أو عمليات عملاء أو أي جهة تحددها الشركة، يتلقون باستمرار سيلًا من الطلبات المهمة. والتحليل العميق من النوع المقصود يحتاج عادةً إلى طبقات متعددة من الأنظمة والبيانات المعقدة.
ما رؤيتك الشخصية للإنجازات التي نتوقعها في موجة نماذج اللغة الكبيرة والذكاء الاصطناعي عمومًا؟
أنا متفائل جدًا باستمرار التطور السريع في منهجيات تدريب نماذج اللغة الكبيرة وضبطها، وبإحراز تقدم في مجالات أوسع، وبأن يصبح تعدد الوسائط أمرًا معتادًا. وأعتقد أن البرمجيات الحرة ومفتوحة المصدر تضاهي GPT-4 بالفعل في جوانب كثيرة، لكن تكلفة استضافة هذه النماذج ستظل مصدر قلق لمعظم الشركات.
