Джим МакГоуън, ръководител на продуктите в ElectrifAi – Interview Series

Джим МакГоуън, е ръководител на продукта в ElectrifAi, те се специализират в извличането на огромни количества разнородни данни, трансформирането на хаотични структурирани и неструктурирани данни в бизнес прозрения, които могат да се предприемат.

Какво ви привлече в света на машинното обучение и AI?

За първи път се сблъсках с машинното обучение, докато получавах докторска степен за работа в когнитивната наука. AI системите до голяма степен се състоят от дестилиране на опита на експерт до диаграма. Това изглеждаше интуитивно работещо, но системите бързо станаха твърде сложни и не отговаряха на обещанията си. Малките проблеми можеха да бъдат разрешени, но практическите решения на проблемите от реалния свят бяха недостъпни. Може да се каже, че изграждането на практични системи само по себе си е непрактично. Тогава се появи машинното обучение. Това промени всичко. Машинното обучение отключи обещанието на AI. ElectrifAi изпълнява това обещание, като изгражда решения, за да помогне на нашите клиенти да управляват бизнеса си по-добре.

ElectrifAi използва нещо, наречено Practical AI, за да насочва компаниите да правят повече с данните, които вече имат. Можете ли да обясните по-подробно как ElectrifAi определя практическия AI?

Ние използваме данните на клиентите, за да предоставим ясни, практични прозрения за реални бизнес нужди. Ние им помагаме да вземат по-добри решения, по-бързо. Практическият AI решава бизнес проблем от реалния свят с решение, което работи добре, основава се на ясно разбиране на данните, има окончателен резултат, вписва се в съществуващи процеси и инструменти, изпраща се навреме и осигурява огромна бизнес стойност. Ние не искаме компаниите да заменят своите системи за данни. Ние не изискваме конкретен бизнес модел. Не ни отнема една година, за да доставим нещо, което е компромис с това, което клиентът си е поставил за цел. Ние предлагаме гъвкаво, висококачествено решение, което е лесно за използване и прави това, което трябва да прави много, много добре. Това е практически AI.

Уверяваме се, че с всяко решение постигаме следното:

• Най-доброто в класа си време за оценяване
• Най-доброто в класа си почистване на данни
• Най-добрите в класа си прозрения
• Най-добрата ROI в класа си

Бихте ли дали някои подробности за това как ElectrifAi позволява на компаниите да използват този практически AI?

Ние изтегляме данни от всички системи - независимо дали са специално разработени бази данни, силно персонализирани решения от големи доставчици или дори изхвърляне на данни от някое наследено приложение. Ние почистваме и разбираме тези данни и намираме ясни, смислени сигнали в целия този хаос. След това използваме машинно обучение, за да извлечем ценни прозрения от тези сигнали и накрая посочваме как да действаме спрямо тези прозрения. SpendAi е чудесен пример. Ние използваме машинно обучение за почистване на данните и още повече машинно обучение за категоризиране на 98-99% от данните от всички системи за доставки на клиенти. Ние дори позволяваме на клиента да контролира тази категоризация и детайлно ниво само за секунди чрез интерфейс за плъзгане и пускане. Това е уникално и невероятно мощно. След това прилагаме друга група алгоритми за машинно обучение, за да дадем ясен и прост изглед накъде отиват разходите. Използваме машинно обучение, за да анализираме договори и да извличаме ключови клаузи. След това прилагаме още повече машинно обучение, за да направим конкретни препоръки. Например, клиентът може да получи отстъпка от клауза, заровена в договорен срок. Или може да разчитат прекалено много на доставчик в дадена категория, който самият е изложен на финансов риск. Клиентът може да използва недостатъчно позицията си при доставчик, тъй като продавачът работи под различни имена и в множество подразделения на компанията. Ние покриваме и почистваме всичко това, така че клиентът да намали разходите си, да увеличи оборотния си капитал и да намали риска.

Бихте ли обсъдили PulmoAi CT и как той може да увеличи ефективността на рентгенолозите и да подобри радиологичните резултати?

PulmoAi CT е усъвършенстван продукт за анализ на изображения, създаден специално за белодробни компютърни томографии. Комбинирайки практически AI, машинно обучение (ML) и технология за обработка на изображения, PulmoAi CT автоматично сегментира белодробни сканирания пиксел по пиксел, без замъгляването или изкривяването, което се наблюдава при подобни технологии. Резултатът: Ясно изобразени 3D изображения — позволяващи незабавно идентифициране на индикации за тумори, възли, COVID-19 и други аномалии. С PulmoAi CT рентгенолозите могат лесно да увеличават мащаба на белодробни детайли, като ги разглеждат едновременно с клинични анализи и оригинални изображения. PulmoAi CT определя количествено всяка белодробна характеристика с точни показатели, включително размер на характеристиката и морфологична и обемна степен. Това дава възможност за внимателно проследяване на прогресията на аномалията, дори при наличие на множество заболявания.

PulmoAi CT е много различна технология от всеки продукт на пазара или дори изследователска лаборатория. Резултатите променят играта. Няма нищо друго като това. Това не е подход с груба сила, който изисква десетки хиляди проби, за да работи. PulmoAi CT дава резултати, докато други решения с изкуствен интелект все още търсят данни за обучение. Той е мощен и ще промени това, което рентгенолозите могат да направят.

Друг продукт на ElectrifAi е PulmoAi X-ray, който директно се отнася до използването на рентгенови лъчи в кризисни зони. Бихте ли обсъдили тази технология?

PulmoAi X-ray директно се занимава с използването на рентгенови лъчи в кризисни зони днес. Адаптирайки се към специфичните предизвикателства на пандемията, PulmoAi X-ray отива една стъпка по-далеч от разграничаването на здрави бели дробове от бели дробове, заразени с COVID-19. Решението, базирано на облак, идентифицира важните разлики между положителни за коронавирус пациенти, изпратени у дома, които се възстановяват безопасно, и тези, изпратени у дома, които се връщат при нужда от интубация. Предварително обучен за белодробни сканирания от болници в кризисни зони, PulmoAi X-ray използва технологии за дълбоко обучение на невронни мрежи, за да идентифицира критични аномалии, свързани с COVID-19. Рентгенът PulmoAi е уникален, защото е тясно настроен да отговори на проблема, на който болниците в кризисни зони се опитват да отговорят: дали самокарантинирането ще проработи или пациентът се нуждае от хоспитализация?

Друг продукт е ContractAi, който използва практически AI, машинно обучение и обработка на естествен език (NLP) за автоматично четене, анализиране и сравняване на договори в предприятието. Бихте ли обсъдили този продукт и най-добрите случаи на употреба за него?

ContractAi е предназначен за потребители, които взаимодействат с договори в ежедневна оперативна роля. Например ContractAi помага на хора в група за доставки, които анализират разходите спрямо споразумения с доставчици. Напоследък, с икономически шок, дължащ се на COVID-19, софтуерът помага на компаниите да разберат какъв ливъридж може да имат, за да напуснат договори с доставчици. Когато тази възможност е свързана с нашия продукт SpendAi, човек може веднага да разбере финансовото въздействие на този ливъридж. Едно от най-големите предимства на технологията е, че тя работи с договорни данни във всякакъв формат – няма ръчно въвеждане и не се изисква конкретен формат. Друго предимство е, че технологията е специално проектирана за потребители, които използват договори в оперативна роля. Много от съществуващите технологии за обработка на договори са предназначени за адвокати, които имат различен набор от проблеми.

Има ли нещо друго, което бихте искали да споделите за ElectrifAi?

Като глобална компания за машинно обучение, ние имаме уникален поглед върху това как различните пазари се развиват и използват машинно обучение. Едно предимство на този възглед е нашата способност да разберем как възможностите на машинното обучение (ML) могат да бъдат преведени от една география и/или вертикален пазар на друг, за да помогнат за решаването на съществени проблеми.

Например, ние прекарахме години по целия свят, помагайки на бизнеса да ангажира своите клиенти, използвайки науката за данните. Сега сме използвали този опит, за да помогнем на здравната индустрия в САЩ с ангажирането на пациентите, да помогнем за рестартирането на здравеопазването и да върнем пациентите обратно в болниците за критични планови операции.