Andrea Vattani, medstifter og chefvidenskabsmand hos Spiketrap – Interviewserie

Andrea Vattani er medstifter og chefvidenskabsmand hos Spiketrap, et selskab, der beskæftiger sig med kontekstualisering og giver indsigt i publikumsadfærd og medieperformance for skabere, platforme og mærker. Det proprietære Clair AI-udviklingsværktøj kan udtrække signaler fra støj i ukontekstualiserede datasæt og giver en enestående klarhed og kontekst, især i højhastigheds online-miljøer.

Hvad var det, der oprindeligt tiltrak dig til datalogi og kunstig intelligens?

Det var en kombination af heldige omstændigheder. Jeg mødte op på Universitetet i Rom for at tage optagelsesprøven i statistik, og det viste sig, at jeg var en dag for sent! Jeg fik rådet til at søge om optagelse på datalogistudiet i stedet og vende tilbage til statistikafdelingen et år senere. Jeg gik til datalogi-optagelsesprøven (som var samme dag!) og bestod den… og vendte aldrig tilbage til statistik! Min interesse for kunstig intelligens begyndte virkelig, da jeg indså, hvordan computere kan hjælpe med at automatisere ting, og kunstig intelligens er den ultimative automatiseringsmaskine. Desuden har jeg altid været interesseret i naturligt sprog og, hvordan mennesker bruger det: Jeg koncentrerede mig om klassiske studier i gymnasiet, hvor jeg studerede oldgræsk og latin, hvilket sandsynligvis ligner, hvordan en maskine føler, når den får en strøm af ord.

I før havde du arbejdet som senior softwareingeniør hos Amazon (AMZN ) Goodreads. Kan du fortælle om nogle af de projekter, du arbejdede på, og hvilke væsentlige erfaringer du fik fra denne oplevelse?

Mens jeg var hos Goodreads, arbejdede jeg på flere maskinlæringsprojekter, herunder spam-detection og skalerbarhed af boganbefalingsmotoren. Mine erfaringer fra min tid der var at lære vigtigheden af at definere maskinlæringsmetrikker, der matcher forretnings- og kundemål. For at give et eksempel har anbefalingsmotorer eksisteret i rigtig lang tid. Husk “Netflix (NFLX ) -prisen” konkurrencen tilbage i 2009 for at finde bedre film-anbefalinger? Nogle indsigt fra de bedste løsninger foreslog, at chancen for, at du ser en film, ikke er meget drevet af, om du kan lide den eller ej, men mere af, om den ligner dine interesser. Det kan virke for film, da det er en kort 90 minutters forpligtelse, men for bøger er det ikke tilfældet. Integration af det rigtige mål i dine metrikker er afgørende.

En anden erfaring, jeg har anvendt hos Spiketrap, er at opbygge AI-hold, der er leveringsorienterede og integrerede med produktvejledningen i stedet for et isoleret hold, der kun fokuserer på udforskning og forskning. Dette fører til en bedre definition af mål, tidsrammer og forståelse af ROI. Det favoriserer også naturligt, at holdet fokuserer på hastighed og praktik af en model i stedet for kun at se på nøjagtighed. Gå tilbage til Netflix-konkurrencen: Modellerne fra de vindende hold blev aldrig integreret på grund af, at de ikke var praktisk nok, på trods af deres forbedrede nøjagtighed.

Din forskning er blevet offentliggjort i adskillige tidsskrifter. Hvad er i din mening den vigtigste artikel indtil nu?

Under min ph.d. havde jeg held til at samarbejde med flere forskere fra forskellige områder, herunder maskinlæring, “big data”, socialdataanalyse og spilteori. En artikel, jeg kan lide for sin enkelhed og anvendelighed, er “Scalable K-Means++“: K-means++ er en almindeligt brugt usuperviseret klustermetode til at splitte et datasæt i K kohærente grupper. Det gøres ved at tilføje en gruppe ad gangen, så når du har masser af data og grupper, bliver det for langsomt. I denne artikel viser vi, hvordan du kan opnå det samme, hvis ikke bedre, nøjagtighed ved at parallelisere metoden. Vores metode er ekstremt enkel og er blevet implementeret i flere maskinlæringsbiblioteker.

Kan du dele historien bag Spiketrap?

Efter at have arbejdet hos Goodreads, forstod min medstifter og jeg af Spiketrap, Kieran og Virgilio, at der var et hul i branchen for at få avanceret brand indsigt fra niche sociale platforme. Ved at anvende kunstig intelligens-teknologier kunne vi løse problemet på en effektiv måde.

I dagens økonomi er det afgørende for virksomheder at lytte til deres kunder og deres respektive brancher som helhed. Men meget af, hvad kunder har at sige om mærker, bliver ikke hørt. Millioner af mennesker udtrykker deres meninger åbent hver dag på platforme som Twitter, Reddit, Twitch og lignende. Det er en ekstremt værdifuld ressource for enhver markedsforsker, så længe indholdet kan kontekstualiseres i stor skala. Problemet er, at indsigtindustrien ikke har holdt trit med den udvikling i digitale adfærd og sprog.

Lytteteknikker afhænger stadig af nøgleord og booleske søgninger og mangler meget af den samtale, der kunne og burde tilskrives et bestemt mærke. Imens har markedsforskningsfirmaer været fanget i en stadig mere vanskelig balancering, hvor de forsøger at fastslå kvalitative indsighter fra kvantitative og omkostningsbegrænsede metoder.

For at sige det kort, har mennesker manglet de værktøjer, de har brug for for at forstå deres publikum i stor skala. Salgstal og seertal besvarer “hvad”-spørgsmålene om publikumsadfærd, men ikke “hvorfor”-spørgsmålene. Uden kontekst er det en gætteleg at finde ud af, hvad der er korrelation og årsag. Ved at erkende denne tomhed gik vi i gang med at se på, hvordan en løsning for kontekstforståelse ville se ud, og Spiketrap blev født.

Hvilke maskinlærings-teknologier bruges der hos Spiketrap?

Vi bruger en mængde teknologier, fra det almindelige Scikit-learn til dybtlæringsbiblioteker som Pytorch. Ud over biblioteker er metoderne, modellerne og datasættene, vi bruger, mest proprietære. Vi har lært, at standardmetoder og -modeller kun bringer os så langt, men for virkelig at løse et problem skal man selv gøre en indsats, startende fra mål og gående ned til modelarkitektur og datasæt. For at give et eksempel er emne-modelering opgaven at udtrække temaer fra en samling af tekststykker. Vores “Spiketrap Convos” giver vores kunder afgørende indsighter om deres publikum og bruger emne-modelering som en af signalerne. Din typiske metode til emne-modelering er LDA (Latent Dirichlet Allocation), men desværre er det for inkonsistent og upålideligt og ikke kraftfuldt nok. På den anden side kan du prøve en moderne forudindlært model som Bert-Topics, som – selvom den er kraftfuld og omfattende – også er meget stiv og langsom. NLP og sprogkunstig intelligens har gjort kæmpe skridt i det sidste årti, men at tage eksisterende modeller og omdanne dem til produkter er stadig langt fra optimalt og en risikabel væddemål.

Kan du uddybe, hvordan Spiketrap giver øjeblikkelig forståelse af publikum for skabere, platforme og mærker?

Reklamører og bureauer bruger vores influencer-toplister og mærke-tilhørsforholdsværktøjer til at identificere skabere, hvis fællesskaber er mærkesikre på tværs af en række kategorier, herunder karakterer for giftigt, profant og seksuelt indhold – samt det overordnede fællesskabsmærkesikkerhed.

Skabere kan bruge værktøjet til at dykke ned i enkeltstående streams og se, hvilke samtaler var de mest eller mindst sikre, hvilke drev positive engagementer for deres sponsorer og hvor de måske bedre kan forbedre deres moderationsindsats.

En ny artikel med titlen “FeelsGoodMan: Inferring Semantics of Twitch Neologisms” er blevet offentliggjort af Spiketrap. Kan du kort beskrive, hvad denne artikel handler om?

Måden, mennesker kommunikerer og udtrykker sig på nettet er blevet mere og mere kompleks og udfordrende at tyde. Først kom emotikoner :-). Så kom emojis 😊. Så kom memes 🤣… og nu “emotes”, en ny form for ikonbaseret kommunikation, der er blevet meget populær på Twitch-streamingsplatformen. Lidt ligesom emojis, da de blandes med almindelig tekst, stiller de lignende udfordringer som memes, idet de er brugerdefinerede, og deres kryptiske betydning har ingen åbenbar forbindelse til det faktiske billede. Der er over 8 millioner forskellige emotes indtil videre, og over 400.000 bliver brugt hver uge. Alligevel kommunikerer mennesker effektivt ved hjælp af dem for at udtrykke enhver form for følelse, såsom glæde, kedsomhed, ophidselse eller sarkasme. Vores nyeste artikel er en AI-kogebog til at slutte sig til den semantiske betydning af emotes. Vores tilgang kræver ikke vedligeholdelse og opdatering af en manuelt kurateret dataset, og den kan selv tilpasse sig den kontinuerlige introduktion af nye emotes samt udviklingen af betydningen af populære emotes. Dette er særligt vigtigt, når en emote får en politisk eller racemæssig ladning, hvilket vi har set ske med ekstremt populære emotes, såsom “TriHard”, “PogChamp” og “FeelsGoodMan”. Den dynamiske brug af sprog og skift i betydning stiller enorme problemer for moderationsystemer eller sentimentanalyse-rammer, så vi er stolte af at tackle dette problem på den rigtige måde hos Spiketrap.

Er der noget andet, du gerne vil dele om Spiketrap?

Da vi ser frem mod det nye år, arbejder Spiketrap på at udvikle og perfektionere et nyt værktøj, der giver en dybere forståelse af mærke-sentiment for vores kunder. Spiketraps nye Affinity-værktøj giver en interaktiv og intuitiv måde at identificere og kvantificere publikums-tilhørsforhold på tværs af skabere, mærker, spil og mere. For enhver given forespørgsel genererer værktøjet tilhørsforhold-indekstal, der angiver, hvor godt en given enhed er positivt korreleret med en anden. Mange kontekstuelle signaler udgør scoren, herunder hyppigheden og meningen af relaterede nævnelser. Spiketraps teknologi er unikt positioneret til at indeksere tilhørsforhold mellem spil, mærker og skabere. Clair, deres proprietære NLP-AI, behandler millioner af offentligt postede brugerdefinerede meddelelser hver dag, og tilskriver ellers tvetydig indhold til enheder i Spiketraps omfattende viden graf, identificerer samtaleemner, bestemmer mening og overvåger sikkerhed. Tilføjelsen af det nye Affinity-værktøj giver udviklere, skabere, mærker og mere mulighed for at yderligere forstå deres publikum og mærkevirkning.

Tak for det gode interview. Læsere, der ønsker at lære mere, kan besøge Spiketrap.