Dr. Lingjia Tang, CTO og medstifter, Clinc – Intervieuserie

Dr. Lingjia Tang, CTO og medstifter af Clinc, er professor i datalogi ved University of Michigan. Dr. Tangs forskning i opbygning af store produktionsinfrastrukturer for intelligente applikationer er bredt anerkendt og respekteret i den akademiske verden. Ud over at have arbejdet hos både Microsoft (MSFT ) og Google (GOOGL ), har Lingjia en ph.d. i datalogi fra University of Virginia. Lingjia har for nylig modtaget prestigefyldte priser, herunder ISCA Hall of Fame, Facebook (META ) Research Awards og Google Research Award.

Hvad var det, der oprindeligt tiltrak dig til AI? Når fik du først lyst til at lancere et AI-virksomhed?

I midten af 2000’erne udførte jeg forskning omkring store systemer, der understøtter forskellige applikationer, og hvordan vi kan designe servere som et software-system for at køre disse applikationer mere effektivt. På det tidspunkt skiftede vi fra at arbejde med traditionelle web-applikationer til mere maskinlæringsdrevne funktioner. Det var her, jeg begyndte at interessere mig for algoritmerne tilknyttet AI og fik interesse for at forstå, hvordan AI-applikationer fungerer. Kort efter besluttede forskningsteamet, jeg arbejdede med, at skifte fokus og bygge vores egne AI-applikationer som benchmarks til at studere, hvilket resulterede i, at vi udgav vores første forskningsartikler og udviklede vores første produkt, Sirius – en åben end-to-end tale- og visionspersonlig assistent.

Som åben kildekode-software tillod Sirius folk at bygge konversationsvirtuelle assistenter på egen hånd. På det tidspunkt var denne funktion meget begrænset for offentligheden og kontrolleredes kun af store virksomheder som Google og Apple. Men vi opdagede, at vi udfyldte en kritisk lukke, da vi udgav softwaren og så, at den havde mere end 10.000 downloads i den første uge! Det var vendepunktet, hvor vi vidste, at der var stor markedsbehov for denne type software.

I 2015 lancerede vi Clinc med tanken om, at vi ville kunne give alle – hver enkelt udvikler, virksomhed, person – der ønskede at bygge en virtuel assistent, adgang til ekspertise, værktøjer og innovation til at kunne gøre det.

Clinc tilbyder konversations-AI-løsninger uden at afhænge af nøgleord eller manuskripter. Kan du give nogle detaljer om, hvordan dette opnås? Hvad er nogle af de naturlige sprogbehandlingsudfordringer, der må overvindes?

Det, der virkelig adskiller Clinc fra andre konversations-AI-platforme på markedet, er dens underliggende AI-algoritmer, der muliggør “en person i rummet”-oplevelsen, der forstår uordnet og uskriptet sprog. Dette tillader korrektioner til at gå tilbage og “helbrede” fejl i menneskelig samtale og muliggør komplekse samtalestrømme – samtaler, som en rigtig person ville kunne forstå. I modsætning til en tale-til-tekst ordmatchingsalgoritme analyserer Clinc dusinvis af faktorer fra brugerens input, herunder ordvalg, sentiment, hensigt, tone, tid på dagen, lokalitet og relationer, og bruger disse faktorer til at levere et svar, der repræsenterer en samling af viden, der er udtrukket fra dens trænede hjerne. For eksempel, hvis jeg spørger min virtuelle assistent: “Hvor meget penge har jeg brugt på en burger?”, skal den forstå, at jeg spørger om penge og udgifter, at jeg spørger specifikt om en burger, og at en burger er en type mad, der skal matches til mine seneste udgifter på en restaurant.

At opnå dette niveau af forståelse er ikke let. Generelt ville vi opdele konversations-AI i to komponenter: Naturlig Sprogforståelse (NLU) og dialogstyring. Så udfordringen, vi havde at overvinde, var at finde ud af, hvordan vi kunne bygge et system, der kan trække ud key-information præcist og kan forudse, hvad brugeren beder om.

Vi kan gøre dette gennem sofistikeret, kontekstuel, top-down NLU, der er trænet til at være intuitiv i naturen for at følge den naturlige strøm af samtale, forstå slang og kontekst. Dette er i modsætning til konkurrerende løsninger, der har en top-down, regelbaseret tilgang til Naturlig Sprogbehandling (NLP), der ikke tillader konversationshelbredelse, hvilket betyder, at hvis kunden begår en fejl, sender konkurrerende løsninger dem tilbage til starten, hvilket spilder tid og kun irriterer brugeren. Vi bruger også crowdsourcing til at trække vores sprogdata for at skabe en rigere, mere diversificeret datasaet, der kan bruges til at træne AI-modeller.

Kan du diskutere, hvordan dyb læring bruges med Clinc AI-systemet?

Clinc bruger en hybridtilgang til dyb læring, hvor vi bruger den traditionelle gamle skolemodel til en vis grad og udnytter dyb læring, hvor det er nødvendigt. Specifikt bruger vi dyb læring til at forstå ord og sprog til at bestemme dialogstrømmen. Generelt er vores hele dialog en kombination af dyb læring og symbolsk AI. Vi bruger ikke dyb læring til sproggenerering endnu, fordi, når det kommer til vores kunder, der primært er i banksektoren, er der mange regler, som den virtuelle assistent må overholde, og som dikterer, hvad de kan og ikke kan sige til deres kunder. Så der er stadig meget usikkerhed om, hvorvidt dyb læring vil være i stand til at overholde disse sprogrestriktioner.

Lige nu tror jeg ikke, at konversations-AI-fællesskabet er helt klar til at fuldt ud antage dyb læring, mens det akademiske fællesskab er 100% med. Men jeg ser frem til at se, hvad de nye modeller kan gøre.

Hvad er processen for en virksomhed, der ønsker at tilpasse AI’s svar til at målrette en bestemt målgruppe? Kan du give nogle eksempler på, hvordan Clinc for tiden bliver brugt af kunder?

Vi giver kunderne mulighed for enten at licensere en platform, de kan bygge på, som de ønsker, eller tage vores fuldt byggede og trænede chatbot, Finie, og tilpasse den og integrere den i deres apps eller meddelelsesservices. Finie kan håndtere spørgsmål relateret til saldi, transaktioner, udgiftshistorik, lokalisation af en hæveautomat, overførsel og mere.

Mit yndlings eksempel på, hvordan en kunde har tilpasset Clincs AI til at målrette en bestemt målgruppe, er İşbank. Som Tyrkiets største private bank vendte de sig til os for at udvikle deres digitale bankassistent, Maxi, tilbage i 2018. For at give Maxi en unik personlighed afholdt İşbank 14 fokusgrupper for at måle, hvilke egenskaber og færdigheder bankkunder ønskede i en virtuel assistent. De hyrede også en stemmeskuespiller til at recitere sætninger på tyrkisk relateret til bankopgaver. İşbanks konversationsbankteam kom med disse sætninger ved at overveje, hvordan rigtige mennesker ville formulere deres behov. Ifølge vores anbefaling betalte teamet deltagerne på crowdsourcing-markedspladser som Amazon Mechanical Turk for at supplere forskellige måder, de måske ville udtrykke de samme spørgsmål, såsom en anmodning om at se deres saldo (“hvad er min saldo”, “hvor meget penge har jeg på min konto”, “vis mig kontanter på min konto”) eller betale en regning (“betale min regning”, “regningsbetalinger”).

Dette eksempel viser virkelig, hvor meget İşbank er investeret i at tilbyde en digital bankassistent til at hjælpe deres kunder med at navigere i deres konti. Med Clinc lancerede İşbank Maxi til mere end 7,5 millioner mennesker på tyrkisk. Siden lanceringen har İşbank set en bred accept af mere end 5,5 millioner brugere, med en gennemsnitlig interaktion på 9,8 per bruger. I de seneste måneder, da COVID-19-tilfælde øgedes i Tyrkiet, trænede İşbank hurtigt Maxi til at være responsiv over for COVID-19-relaterede spørgsmål. Siden marts 2020 har Maxi besvaret mere end 1,2 millioner kundespørgsmål relateret til COVID-19, en stigning på mere end 62% i brug.

Hvad ville du sige til kvinder, der er interesseret i at lære mere om AI, men er tilbageholdende med at deltage på grund af, at det er et manddomineret felt?

Udgangspunktet er, at jeg ikke tror, at AI er et manddomineret felt. Jeg tror, at der er mange kvindelige pionerer i AI, der gør det rigtig godt og har en betydning. Jeg tror, at AI kombineret med socialpolitik er et unikt område, der har potentiale til at have en stor indvirkning på folks daglige liv. Dette er, hvor jeg tror, at mere diversificerede indsigter på tværs af brættet ville virkelig gavne os, især da der er mange diskussioner om AI-forvrængning, der involverer race og køn. Jeg tror, at at have en fællesskab af AI-udviklere vil fortsat have en ubalanceeret indvirkning på samfund og politik.

Til kvinder, der er interesseret i at deltage i AI-feltet, anbefaler jeg det meget, især hvis du er interesseret i at have en indvirkning. AI har haft så meget vækst og innovation over årene, og det er virkelig en spændende tid at være en del af.

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

Clinc er i gang med at gøre store skridt lige nu. Personligt har jeg lige trådt ind i en ny rolle som CTO af Clinc, og jeg er rigtig spændt på at fokusere på, hvordan vi kan arbejde sammen med udviklere og datavidenskabsfolk for at udvide rækkevidden af vores teknologi. Når jeg ser fremad, ser jeg, at efterspørgslen efter AI-drevne applikationer skifter til at muliggøre personer, der ikke har års erfaring med datavidenskab og maskinlæringsbaggrund, kan bruge det også. For eksempel behøver du ikke at have en grafisk designuddannelse for at kunne bruge Photoshop. Jeg tror, at AI er på vej i den retning, hvor udviklere uden AI- eller maskinlæringsbaggrund kan opnå resultater og producere højkvalitetsapplikationer. Overordnet set vil vi gerne gentage, at vi ikke kun er dedikeret til slutbrugeren, men også til udviklerne, uanset niveau, der viser interesse for vores løsning.

Tak for det gode interview, jeg ser frem til at følge jeres fremgang. Enhver, der ønsker at lære mere, skal besøge Clinc.