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 storstilelsesproduktionsinfrastruktur til intelligente anvendelser er bredt anerkendt og respekteret i den akademiske kommunitet. Ud over at have arbejdet hos både Microsoft og Google, modtog Lingjia sin ph.d. i datalogi fra University of Virginia. Lingjia har for nylig modtaget prestigefyldte priser, herunder ISCA Hall of Fame, Facebook Research Awards og Google Research Award.

Hvad var det, der oprindeligt tiltrak dig til AI? Hvornår opdagede du, at du ville lancere et AI-virksomhed?

I midten af 2000’erne udførte jeg forskning omkring storstilelsessystemer, der understøtter forskellige anvendelser, og hvordan vi kan designe servere som et software-system for at køre disse anvendelser mere effektivt. På det tidspunkt skiftede vi fra at arbejde med traditionelle web-anvendelser til mere maskinlæringsdrevne funktioner. Det var her, jeg begyndte at være interesseret i algoritmerne associeret med AI og fik interesse for at forstå, hvordan AI-anvendelser fungerer. Kort efter besluttede forskningsteamet, jeg arbejdede med, at skifte fokus og bygge vores egne AI-anvendelser som benchmarks til at studere, hvilket ledte til, 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 var kun kontrolleret af store virksomheder, såsom Google og Apple. Men vi så, at vi udfyldte en kritisk lukke, da vi frigav softwaren og så, at den havde titusinder af downloads i den første uge! Det var vendepunktet, hvor vi vidste, at der var stor markedsefterspørgsel efter denne type software.

I 2015 lancerede vi Clinc med tanken om, at vi ville kunne give alle – hver enkelt udvikler, virksomhed, person – der ønsker 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 gå i detaljer om, hvordan dette opnås? Hvad er nogle af de naturlige sprogbehandlingsudfordringer (NLP), der skulle overvindes?

Det, der virkelig adskiller Clinc fra andre konversations-AI-platforme på markedet, er dens underliggende AI-algoritmer, der muliggør en “menneske i rummet”-oplevelse, der forstår beskidt og uskriptet sprog. Dette tillader korrektioner til at gå tilbage og “helbrede” fejl, der er begået i menneskeligt sprog, og muliggør komplekse konversationsfløde – samtaler, som en rigtig menneske ville kunne forstå. I modsætning til en tale-til-tekst-ord-matching-algoritme analyserer Clinc dusinvis af faktorer fra brugerens input, herunder ordvalg, sentiment, hensigt, tone, tid på dagen, placering og relationer, og bruger disse faktorer til at levere et svar, der repræsenterer en komposition 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 hamburger, og at en hamburger 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 udtrække nøglestykker af 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 flow af samtale, forstå slang og kontekst. Dette er i modsætning til konkurrerende løsninger, der har en top-down, regelbaseret tilgang til NLP, der ikke tillader konversationshelbredelse, hvilket betyder, at hvis kunden committer en fejl, skal konkurrerende løsninger få dem til at gå tilbage til start, spilde tid og kun frustrere brugeren. Vi bruger også crowdsourcing til at udtrække vores sprogdata for at skabe en rigere, mere divers data-sæt, der kan bruges umiddelbart til at træne AI-modeller.

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

Clinc bruger en hybrid-tilgang til dyb læring, hvor vi bruger den traditionelle gamle skole-model til en vis grad og udnytter dyb læring, hvor det er nødvendigt. Specifikt bruger vi dyb læring til at forstå ord og sprog for at bestemme dialogfløden. Generelt er vores hele dialog en kombination af dyb læring og symbolisk 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 følge, der dikterer, hvad de kan og ikke kan sige til deres kunder. Så der er stadig meget usikkerhed omkring, hvorvidt dyb læring vil være i stand til at følge disse faste sprogrestriktioner.

For øjeblikket tror jeg ikke, at konversations-AI-fællesskabet er fuldstændigt klar til at fuldt ud antage dyb læring, hvorimod den akademiske kommunitet 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-svarene til at målrette en specifik målgruppe? Kan du give nogle eksempler på, hvordan Clinc for øjeblikket bruges 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 sager relateret til saldi, transaktioner, udgiftshistorik, lokalisering af en hæveautomat, overførsel og mere.

Mit yndlings eksempel på, hvordan en kunde har tilpasset Clincs AI til at målrette en specifik målgruppe, er İşbank. Som Tyrkiets største private bank vendte de sig til os for at udvikle deres digitale bankassistent, Maxi, i 2018. For at indfuse Maxi med 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. På vores anbefaling betalte teamet deltagerne på crowdsourcing-markedspladser som Amazon Mechanical Turk for at levere forskellige måder, de kunne 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 rigtigt, 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 over 7,5 millioner mennesker på tyrkisk. Siden lanceringen har İşbank set en omfattende antagelse af over 5,5 millioner brugere, med en gennemsnitlig på 9,8 interaktioner per bruger. I de seneste måneder, hvor COVID-19-tilfælde er øget i Tyrkiet, har İşbank hurtigt trænet Maxi til at være responsiv over for COVID-19-relaterede forespørgsler. Siden marts 2020 har Maxi besvaret over 1,2 millioner kundeforespørgsler relateret til COVID-19, en stigning på over 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?

Fra starten tror jeg ikke, at der er nogen grund til, at AI anses for at være et manddomineret felt. Jeg tror, at der er mange kvindelige pionerer i AI, der gør rigtig godt og har en betydning. Jeg tror, at AI kombineret med social politik er et unikt område, der har potentialet for at have en stor indvirkning på folks daglige liv. Dette er, hvor jeg tror, at mere diverse indsigt på tværs af brættet virkelig vil kunne fremme os, især da der er mange diskussioner om AI-forudsel og køn. Jeg tror, at at have en fokuseret kommunitet af AI-udviklere vil fortsætte med at have en ubalance på samfundet og politik.

For kvinder derude, der er interesseret i at deltage i AI-feltet, anbefaler jeg det højt, 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 fremskridt lige nu. Personligt har jeg lige trådt ind i en ny rolle som CTO i Clinc, og jeg er rigtigt begejstret for at fokusere på, hvordan vi kan arbejde med udviklere og datavidenskabsmænd for at udvide rækkevidden af vores teknologi. Da jeg ser frem mod fremtiden, ser jeg, at efterspørgslen på AI-drevne anvendelser skifter for at muliggøre folk, der ikke har årer af datavidenskabs- og maskinlæringsbaggrund, for at kunne 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 vil være i stand til at opnå resultater og producere højkvalitetsanvendelser. Overordnet set vil vi 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.