entrevistes
Marc Sloan, cofundador i CEO de Scout – Sèrie d'entrevistes
Marc Sloan és el cofundador i CEO de Scout, el primer chatbot de navegador web del món, un assistent digital per fer qualsevol cosa en línia. Scout et suggereix coses útils que pot fer per tu en funció del que estàs fent en línia.
Què et va atraure inicialment de la IA?
La meva primera experiència de treball en IA va ser durant un any sabàtic que vaig passar treballant a l'equip de recerca de processament del llenguatge natural a GCHQ durant la meva llicenciatura. Vaig poder veure de primera mà l'impacte que pot tenir l'aprenentatge automàtic en els problemes del món real i la diferència que fa.
Em va canviar un canvi a la ment sobre com es poden utilitzar els ordinadors per resoldre problemes: l'enginyeria del programari t'ensenya a crear programes que prenen dades i produeixen resultats, però l'aprenentatge automàtic et permet agafar dades i descriure els resultats que vols produir un programa. És a dir, podeu utilitzar el mateix marc per resoldre milers de problemes diferents. Per a mi això em va semblar molt més impactant que haver d'escriure un programa per a cada problema.
Ja estava estudiant problemes d'optimització en matemàtiques al costat de la informàtica, així que un cop vaig tornar a la universitat em vaig centrar en la IA i vaig completar la tesi sobre processament de la parla abans de sol·licitar un doctorat en recuperació d'informació a la UCL.
Heu investigat l'aprenentatge de reforç a la cerca web sota la supervisió de David Silver, el fundador d'AlphaGo. Podries parlar d'alguna d'aquestes investigacions?
El meu doctorat tractava sobre l'aplicació de l'aprenentatge de reforç a l'aprenentatge de classificar problemes en la recuperació d'informació, un camp que vaig ajudar a crear anomenat Recuperació dinàmica d'informació. Vaig ser supervisat pel professor Jun Wang i el professor David Silver, tots dos experts en aprenentatge de reforç basat en agents.
La nostra investigació va analitzar com els motors de cerca podrien aprendre del comportament dels usuaris per millorar els resultats de la cerca de manera autònoma al llarg del temps. Mitjançant un enfocament de bandolers múltiples, el nostre sistema intentaria diferents rànquings de cerca i recopilaria el comportament dels clics per determinar si eren efectius o no. També es podia adaptar als usuaris individuals amb el pas del temps i era especialment eficaç per gestionar consultes de cerca ambigües. En aquell moment, David es va centrar profundament en el problema Go i em va ajudar a determinar la configuració adequada d'aprenentatge de reforç dels estats i la funció de valor per a aquest problema en particular.
Quines són algunes de les lliçons d'emprenedor que heu après treballant amb David Silver?
La recerca a la UCL és sovint emprenedora. David havia fundat prèviament els estudis Elixir amb Demis Hassabis i, per descomptat, es va unir a DeepMind per treballar a Alpha Go. Però altres membres del nostre grup de recerca Media Futures també van acabar creant una sèrie de startups diferents: Jun va fundar Mediagamma (aplicant RL a la despesa publicitària en línia), Simon Chan va començar predicció.io (adquirida per SalesForce) i Jagadeesh Gorla van començar Jaggu (un servei de recomanació per al comerç electrònic). El nostre equip va discutir sovint l'impacte comercial que podria tenir la nostra investigació, crec que potser perquè la base d'UCL a Londres el converteix en un punt de partida natural per crear un negoci.
Recentment heu llançat Scout, el primer xat de navegador web del món. Quina va ser la inspiració darrere de llançar Scout?
La idea va evolucionar naturalment a partir de la meva recerca de doctorat. Vaig passar directament d'acabar el meu doctorat a incorporar-me a Entrepreneur First, on vaig començar a pensar com podria convertir la meva recerca en un producte.
Abans de començar això, vaig fer una pràctica a Microsoft Research on vaig aplicar la meva recerca a Bing. En aquell moment, el que vaig aprendre principalment de la meva investigació va ser que la troballa d'informació es podia predir a partir del comportament dels usuaris en línia. Però em vaig frustrar perquè l'única manera real de fer visible aquestes prediccions en un motor de cerca era millorar els suggeriments automàtics. Així que vaig començar a pensar com es podria millorar tota l'experiència en línia de l'usuari mitjançant aquestes prediccions, no només l'experiència de cerca.
Va ser aquest pensament el que em va portar a mi i al meu nou cofundador d'Entrepreneur First a crear un complement del navegador que observa el comportament de l'usuari, prediu quina informació probablement necessitarà l'usuari en línia i l'obté. Després d'uns quants anys d'experiments i prototips, això es va convertir en una interfície de chatbot on el navegador us "xateja" sobre el que esteu fent en línia i intenta ajudar-vos en el camí.
Amb quins navegadors web serà compatible Scout?
En aquests moments estem centrant-nos en Chrome perquè és el navegador web més popular i té una arquitectura de complements madura, però tenim prototips que funcionen amb Firefox i Safari i fins i tot una aplicació mòbil.
La funcionalitat de l'assistent de compres Scout sembla que podria estalviar als usuaris temps i diners. Suposant que algú està investigant un producte a Amazon, què passa al backend i com interactua Scout amb l'usuari?
La idea és que un cop hàgiu instal·lat l'Scout, continueu utilitzant el web amb normalitat. Si esteu comprant, podeu visitar Amazon per veure els productes. En aquest moment, Scout reconeix que esteu comprant a Amazon i el producte que esteu mirant, i dirà "Hola". Apareix com un giny de xat a la pàgina web, com funciona Intercom, excepte que Scout pot aparèixer a qualsevol pàgina web. Podeu veure com es veu al meu lloc web.
Com que esteu comprant, començarà a suggerir maneres que us poden ajudar. Et demanarà si vols veure ressenyes en línia, altres preus, vídeos de YouTube del producte i molt més. Interacciones prement botons i el chatbot adapta l'experiència al que vols que faci. Sempre que trobi informació (com un vídeo de YouTube), l'incrustarà dins del fil de xat, de la mateixa manera que un amic pot compartir contingut multimèdia amb tu a WhatsApp. Amb el temps, acabes dialogant amb el navegador sobre què estàs fent en línia, amb el navegador ajudant-te en el camí.
El processament de la pàgina web es fa dins del propi navegador. L'única informació que veu el nostre backend és el fil de xat, el que significa que les implicacions de privadesa són mínimes.
Tenim una arquitectura a mida per entendre el comportament de la navegació en línia i gestionar els diàlegs amb l'usuari. Utilitzem l'aprenentatge automàtic per identificar amb quines tasques podem ajudar en línia i com hem d'ajudar. Originalment, vam utilitzar l'aprenentatge de reforç per adaptar-nos a les preferències dels usuaris al llarg del temps. Tanmateix, una de les lliçons més importants que he après de l'execució d'una startup d'IA és mantenir els processos senzills i intentar utilitzar només l'aprenentatge automàtic per optimitzar un procés existent. Així, en canvi, ara disposem d'un motor de regles sofisticat per gestionar les tasques al llarg del temps que es pot gestionar mitjançant l'aprenentatge de reforç un cop necessitem escalar.
Quins són alguns exemples de com Scout pot ajudar amb la planificació d'esdeveniments?
Ens vam adonar que la planificació d'esdeveniments (i la reserva de viatges) no són tan diferents de les compres en línia. Encara esteu mirant productes, llegint ressenyes i comprometeu-vos a comprar/assistir. Així que gran part del que hem creat per comprar també s'aplica aquí.
La diferència més gran és que ara l'hora i la ubicació són importants. Així, per exemple, si busqueu entrades per a concerts a Ticketmaster, Scout pot identificar l'adreça del lloc i suggerir-vos que us trobeu des de la vostra ubicació actual fins arribar-hi, o trobar el preu d'un Uber o suggerir-vos a quina hora hauríeu de sortir. . Si heu connectat Scout al vostre calendari, llavors Scout pot comprovar si esteu disponible en el moment de l'esdeveniment i afegir-lo al vostre calendari.
En el futur, preveiem que els usuaris de Scout puguin comunicar-se amb els seus amics a través de la plataforma per parlar de les coses que estan fent en línia, com ara planificació d'esdeveniments, compres, feina, etc.
S'utilitzaran activadors de diàleg perquè Scout iniciï comunicacions. Quins són alguns d'aquests desencadenants?
Per defecte, Scout no us molestarà tret que trobi un activador que li indiqui que potser necessiteu ajuda. Hi ha diversos tipus de disparador:
- Visitant un lloc web específic.
- Visitar un tipus de lloc web (com ara notícies, compres, etc.).
- Visitar un lloc web que conté un determinat tipus d'informació (és a dir, una adreça, un vídeo, etc.).
- Fent clic a enllaços o botons de pàgines web.
- Interaccionar amb Scout prement botons
- Scout recuperant certs tipus de mitjans com ara vídeos, música, tuits, etc.
Tenim la intenció de permetre als usuaris ajustar amb precisió quin tipus d'activadors volen que Scout respongui i, eventualment, conèixer les seves preferències automàticament.
Pots parlar d'algunes de les dificultats darrere d'assegurar-te que Scout és realment útil quan decideix interactuar amb un usuari sense molestar?
Ens prenem molt seriosament la implicació dels usuaris i intentem mesurar si les interaccions han donat resultats positius o negatius. Intentem mantenir una bona relació amb la freqüència amb què Scout intenta iniciar una conversa i amb quina freqüència s'utilitza. No obstant això, és un equilibri complicat per encertar i sempre estem intentant millorar.
A causa de la naturalesa intrusiva d'aquest producte, és fonamental aconseguir la interfície i l'UX correcta. Hem passat molt de temps provant interfícies i mètodes d'interacció amb l'usuari completament diferents. Aquest treball ens ha portat a l'actual interfície d'estil de chatbot, que trobem que ens ofereix la major flexibilitat en l'ajuda que podem proporcionar, juntament amb la familiaritat de l'usuari i el mínim esforç de l'usuari per a les interaccions.
Pots proporcionar altres escenaris de com Scout pot ajudar els usuaris finals?
En aquests moments, el nostre objectiu és provar aplicacions específiques de mercat per a Scout. Ja s'han esmentat compres i planificació d'esdeveniments, però també estem mirant com Scout pot ajudar els acadèmics (amb la recerca de treballs de recerca, detalls d'autor i xarxes de referència) i fins i tot guitarristes (trobar partitures de guitarra, tocar música i vídeos juntament amb partitures en línia). i ajudant a afinar una guitarra). També hem dedicat una estona a explorar escenaris professionals com ara la contractació en línia, l'anàlisi financera i el dret.
En última instància, Scout pot treballar en qualsevol lloc web i ajudar en qualsevol escenari, que és el que fa que la tecnologia sigui increïblement emocionant, però també fa que sigui difícil començar.
Hi ha alguna cosa més que t'agradaria compartir sobre Scout?
Si voleu veure com és si el vostre navegador pogués parlar amb vosaltres, podeu llegir més informació al bloc de Scout.
Gràcies per la fascinant visió de dissenyar un tipus de chatbot unit. Ens fa il·lusió seguir aquest projecte. Visiteu el lloc web de Marc Sloan per obtenir més informació.
