Dr. Sam Zheng, CEO & Co-Founder of DeepHow – Interview Serie

Sam Zheng, CEO og Co-Founder af DeepHow, står i spidsen for en hurtigt udviklende startup, som er bakket op af ansete investorer. DeepHow revolutionerer uddannelse af faglært arbejdskraft med en innovativ, AI-dreven, video-centreret platform for videnindfanging og -overførsel.

Før DeepHow, dedikerede Sam over et årti til Siemens, hvor han drev digital innovation på tværs af forskellige industrier. Hans bemærkelsesværdige projekter, såsom Cloud Digital Inspection Jacket, har betydeligt forbedret teknisk videnudveksling, effektivitet og brugeroplevelse, og har indbragt hans team det prestigefyldte Siemens Innovation Award.

Samtidig fungerer Sam som adjunktprofessor i psykologi ved Tsinghua University og har en ph.d. i ingeniørpsykologi og en kandidatgrad i statistik fra University of Illinois at Urbana-Champaign.

De har en uddannelsesbaggrund i psykologi og statistik, hvordan gik de over til at fokusere på video og maskinlæring?

Min baggrund i psykologi og statistik fungerede faktisk som en naturlig overgang til området maskinlæring og video-centrerede platforme. Studiet af psykologi antændte min fascination af det menneskelige sind og intelligens, særligt processen med at lære færdigheder og udvikle ekspertise. Samtidig gav statistikken den matematiske grundlag for at udforske kunstige neurale netværk, inspireret af vores biologiske hjerne.

I dagens digitale tidsalder er videoer blevet en mere engagerende, interaktiv og effektiv læremiddel. Dette skift er tydeligt med platforme som YouTube og TikTok, hvor brugere, særligt den yngre generation, investerer timer i at forbruge og lære fra videoindhold.

Men den traditionelle proces med at skabe instruktions- eller “hvordan”-videoer, særligt redigeringsdelen, er tidskrævende og arbejdskrævende. En kort video på få minutter kan kræve timer af omhyggeligt arbejde. Ved at erkende denne ineffektivitet og potentialet for at forbedre læringsoplevelsen, besluttede mine medstiftere og jeg at udnytte kraften af kunstig intelligens (AI) og maskinlæring til at accelerere processen med at skabe “hvordan”-videoer.

Vores AI-drevne video-platform kan omdanne timer af slid og slæb til blot få minutter, og drastisk forbedre effektiviteten uden at gå på kompromis med effekten. I essensen hjalp min akademiske grundlag i forståelse af menneskelig kognition og de statistiske modeller, der ligner den, med at bana vejen for dette innovative foretagende.

De har flere patenter i deres navn, hvilket er det vigtigste, de har arbejdet på?

Alle mine patenter fokuserer på at udnytte teknologi til at forbedre menneskelig præstation. Under min tid hos Siemens arbejdede jeg på en løsning for professor Stephen Hawking. Vi udviklede en intuitiv øjne-tastaturindtastningsmetode til at hjælpe personer med ALS, lignende professor Hawking’s tilstand. Dette innovative arbejde er nu en del af en ventende patent.

Men det vigtigste patent, jeg har bidraget til, er et nyt: Generative AI-dreven Know-How Management Platform for industrielle og produktionsorganisationer.

Her er en kort oversigt:

Vores opfindelse præsenterer en avanceret generativ AI-løsning specifikt tilpasset industrielle og produktionsorganisationer. Den fanger, organiserer og formidler både institutionel og stamme-viden, der krydser fag som kunstig intelligens, maskinlæring, træning og udvikling samt videnledelsessystemer.

Industrielle og produktionssektorer står ofte over for enorme udfordringer i at fange, organisere og dele kritisk viden. Høje personalefluktuationer, komplekse processer og det konstante behov for opgradering forstærker disse vanskeligheder. Traditionelle videnledelsesmetoder er ofte besværlige, tidskrævende og mangler fleksibilitet, hvilket kræver en mere avanceret løsning.

Vores generative AI-løsning anvender proprietære algoritmer og maskinlærings-teknikker til at strømline oprettelsen af video-baserede standard-operations-procedurer (SOP’er), optimere arbejdsprocesser og facilitere hurtig og effektiv adgang til information via AI-drevne chat-funktioner. På grund af dens tilpasningsdygtighed og skalerbarhed er vores løsning egnet til en bred vifte af produktionskontekster.

Hvordan kan de dele historien bag DeepHow?

Før vi lancerede DeepHow, arbejdede jeg sammen med vores andre grundlæggere, Patrik Matos da Silva og Wei-Liang Kao, hos Siemens, hvor vi drev en række digitale innovationsprojekter i industrielle og produktionssektorer. Vores rejse tog et stort skridt, da vi deltog i Techstars Mobility Accelerator i Detroit i 2018. Oplevelsen var essentiel en boot camp, der hjalp os med at validere vores idé, identificere huller og forbinde os med potentielle investorer, partnere og mentorer.

Vi så værdien i de færdigheder og erfaringer, som mennesker havde udviklet over årene, men der var et problem – der var ikke en virkelig effektiv måde at fange og dele denne ekspertise på. Vi observerede, hvor hurtigt teknologien udviklede sig, og det gik op for os, at metoderne, vi brugte til medarbejderuddannelse, ikke havde holdt trit.

Jeg indså, at der var en unik mulighed for at kombinere fremskridt i AI og video-teknologi for at ændre, hvordan vi fanger, strukturerer og deler information. Så vi satte os for at bygge DeepHow, en platform, hvor virksomheder kan skabe fantastiske træningsvideoer internt og forblive i kontrol. For at gøre denne idé til virkelighed skabte vi et AI-system kaldet “Stephanie”. Stephanie er rygmarven i vores løsning, der fanger eksperternes know-how og skaber en videnrepository. Den genererer trin-for-trin, interaktive “hvordan”-videoer for at accelerere læringsprocessen for nye og mindre erfarne medarbejdere.

Gennem brugen af AI-arbejdsprocesindeksering og segmentering har vi formået at skabe videoindhold ti gange hurtigere og forbedre arbejdskraftens præstation med 25%.

Vi er kommet langt, siden de tidlige dage, men vores mission er stadig den samme. Vi er dedikeret til at hjælpe virksomheder med at udnytte deres rigdom af institutionel viden og ekspertise og enable deres medarbejdere til at lære og vokse kontinuerligt. Det er en spændende rejse.

Hvad er nogle af de udfordringer på arbejdspladsen, som DeepHow løser?

Vidensoverførsel: På enhver arbejdsplads kan overførslen af færdigheder og viden, særligt fra erfarne medarbejdere til nye ansættelser eller mindre erfarne medarbejdere, være en stor udfordring. Vi har gjort det muligt at fange og strukturere denne viden på en måde, der er let at dele, opdelt i segmenter og lettere at forstå.

Træningseffektivitet: Traditionel træning kan være kedelig, ikke? Lange timer, svært at huske information – det er ikke altid den mest effektive proces. Med DeepHow kan medarbejdere lære i deres eget tempo og på en måde, der er bedre tilpasset deres unikke læringsstil. Vores mål er at gøre træning smertefri og behagelig.

Færdighedsforkellene: Nogle gange kan det at finde ud af, hvor deres teams færdighedsforkellene er, føles som at lede efter en nål i en høstak. Det er endnu en ting, som vi kan hjælpe med. Vores platform bruger analyser til at vise, hvor der er et gab i træningen, og enable træningshold til at brokke dette gab ved at skabe det specifikke indhold, de har brug for.

Forældede træningsmaterialer: Ting ændrer sig hurtigt, ikke? Standarder og procedurer ændrer sig konstant. Vi sørger for, at jeres træningsmaterialer aldrig bliver efterladt. Redigering og opdatering er hurtig og smertefri, og det er muligt at dele disse opdateringer på tværs af forskellige lokaliteter og skifter med en enkel færdighedsopgave, så alle er informerede om den seneste information.

On-demand-læring: Bekvemmelighed er kongen! Alle vil have adgang til, hvad de har brug for, når de har brug for det. Det er filosofien bag DeepHow. Vi tror, at træning ikke skal være en planlagt begivenhed, der afbryder hele dagen, men en fleksibel ressource, der er der, når du har brug for den. At være begrænset af et sted og en tid er ikke ideelt. Har brug for at lære noget specifikt lige nu? Søg og se. Det kunne ikke være nemmere.

Forbedring af medarbejderengagement: Vi alle ved, at træning kan være kedelig. Men det behøver ikke at være sådan. DeepHow giver skabere mulighed for at være kreative. Læring skal være en sjov, engagerende og behagelig oplevelse.

Fremme af kommunikation: Kommunikation kan være svær, især når det handler om komplekse processer eller procedurer. Vores platform gør kommunikation lettere ved at enable trin-for-trin-guider, der giver medarbejdere mulighed for at let forstå og udføre opgaven, og fremmer klare og konsekvente beskeder på tværs af hele organisationen. Vores platform forstår, oversætter og transkriberer næsten 50 sprog og flere. Denne funktion alene har vist sig at være en af de mest værdifulde værktøjer, mange virksomheder besidder. At give mulighed for at lære på sit modersmål sikrer bedre forståelse og booster moral.

Hvordan giver DeepHow virksomheder mulighed for at skabe et adaptivt træningsprogram?

Lad os overveje den traditionelle træningsmiljø. Du har statisk materiale, stive tidsplaner og en en-size-fits-all-tilgang. Disse metoder tager ikke i betragtning, at alle lærer forskelligt og i forskelligt tempo. De er ikke skalerbare eller fleksible nok til at tilpasse sig det hurtigt skiftende landskab eller den enkelte medarbejders fremgang. Disse er betydelige smertepunkter for enhver virksomhed, ikke?

Det er præcis, hvor DeepHow kommer ind i billedet. Vi hjælper dig med at ændre disse udfordringer. Vi enable virksomheder med at udvikle agile træningsprogrammer, der er dynamiske, personlige og meget responsive til forretningsbehov og medarbejderlæringsmønstre.

Vores platform fanger eksperternes viden i let-for-at-følge, video-baserede læringsmoduler. Men vi stopper ikke der. Vi udnytter kraften af AI til at analysere medarbejderes interaktioner med disse modeller, og giver dybere indsigt i, hvor deres færdighedsforkellene består. Det handler om at omdanne svagheder til styrker og udnytte enkeltpersoners ekspertise til at fremme en kontinuerlig læringskultur.

Hvordan spiller DeepHow en rolle i at øge arbejdspladssikkerheden?

Sikkerhed er en så kritisk aspekt af enhver arbejdsplads, men det er ofte svært at få det rigtigt, hvilket fører til ulykker og overtrædelser af regler. Dette er desværre sandt i industrier som fremstilling, bygge- og anlægsarbejde eller sundhedssektoren, hvor selv en lille laps kan have betydelige konsekvenser.

Så hvor passer DeepHow ind i dette billede? Vi er passioneret om at sikre, at sikkerhedspraktikker er tydeligt forstået og konsekvent implementeret på tværs af hele organisationen.

Vi gør dette ved at give virksomheder en platform, hvor de kan let fange og dele eksperternes viden om sikkerhedsprotokoller. I stedet for de gamle, svært-for-at-følge-manualer tilbyder vi interaktive, trin-for-trin-video-guider. De er direkte, let-for-at-forstå og mest vigtigt, tilgængelige når som helst, hvor som helst. Dette betyder, at medarbejdere aldrig har en undskyldning for ikke at holde sig opdateret med de seneste sikkerhedsprotokoller. Sikkerhed skal altid være en top-prioritet, og alle fortjener at føle sig sikre på arbejdet.

Hvordan bruges Generative AI til at enable dette?

I hjertet af vores Generative AI-drevne know-how management-platform, “Maven”, ligger en suite af innovative kapaciteter rettet mod at revolutionere, hvordan industrielle og produktionsorganisationer fanger, administrerer og deler deres institutionelle og stamme-viden. Maven anvender proprietære algoritmer og avancerede maskinlærings-teknikker til at simplificere og forbedre en række processer:

1. Streamlined Video SOP Creation: Ved hjælp af vores unikke Generative AI-algoritmer hjælper Maven med at automatisk generere video-optagelsesguider og narrationsmanuskripter. Dette faciliterer oprettelsen af højkvalitets video-SOP’er med konsekvens, og sætter en ny standard i industrien.
2. Efficient Workflow Optimization: Ved at udnytte avancerede maskinlærings-teknikker enable Maven’s workflow-visualiseringsteknikker brugere til at simplificere komplekse opgaver, og fremmer produktivitet gennem brugervenlige grænseflader og smarte anvendelser af AI.
3. Strategisk Knowledge Mapping: Maven’s AI-algoritmer hjælper organisationer med at kortlægge kritisk viden, identificere viden-lukker og afsløre essentiel indholdsmuligheder. Dette resulterer i udviklingen af målrettet træningsmateriale, der er unikt tilpasset behovene for en faglært arbejdskraft.
4. AI-Forbedret Chat-funktion: Drevet af førende natur-sprog-procesningsalgoritmer enable Maven’s AI-Chat brugere til at få adgang til nødvendig information hurtigt og effektivt ved hjælp af naturlige sprogforespørgsler.
5. Multimodal Content Generation: I situationer, hvor en skrevet SOP ikke er tilgængelig, kan Maven analysere videoindhold og generere multimodal indhold som trin-for-trin video-SOP’er, tekst-SOP’er og workflow-diagrammer, og dermed strømline indholdsskabningsprocessen.

Ved at kombinere avanceret Generative AI med de seneste videnledelsesstrategier tilbyder Maven organisationer et unikt værktøj til at udnytte deres faglærte arbejdskrafts potentiale, og drive kontinuerlig forbedring og innovation.

Er der andre typer maskinlæringsalgoritmer, der anvendes?

Ja, DeepHow udnytter en række avancerede maskinlæringsalgoritmer og AI-teknikker inden for områderne Natural Language Processing (NLP) og Computer Vision. Disse teknikker, både overvåget og uovervåget, underbygger vores proprietære, domænespecifikke AI-teknologi, der er trænet og optimeret til den industrielle og produktionssektor. Nøgleområder for anvendelse omfatter:

1) Workflow Segmentation: Vi anvender maskinlæringsalgoritmer til at udtrække kritisk information og trin fra komplekse, ustrukturerede opgavedemonstrationer fanget i videoer. Dette enable os til at bryde komplekse procedurer ned i håndterbare, undervisnings-trin.

2) Multimodal Step Embedding: Ved at modellere en ‘aktivitets-gen’ er vi i stand til at omkonfigurere instruktion og workflow-vejledning til bedre at tilpasse specifikke driftskontekster.

3) Cross-Modality Retrieval: Vi anvender avancerede video-søgeteknikker til at facilitere multi-sprog, færdigheds-baseret indholdshentning. Dette giver brugere mulighed for at få adgang til relevant information med større effektivitet og præcision.

4) Know-How Mapping: Vi konstruerer en viden-kort, der visuelt repræsenterer en organisations kernekompetencer. Dette kortlægning enable virksomheder til at identificere deres viden-aktiver tydeligt, og enable mere effektive opskolings- og træningsstrategier.

Disse avancerede maskinlærings-teknikker, kombineret med vores fokus på industrielle og produktions-tjenester, giver os mulighed for at tilbyde en komprehensiv løsning til de unikke udfordringer, som organisationer i disse sektorer står over for.

For virksomheder, der ønsker at komme i gang, hvad er processen?

Vi har designet vores platform med simpelhed for øje, så påboarding af jeres virksomhed ikke behøver at være kompleks. Faktisk har mere end 80+ enterprise- og SMB-kunder erfolgreich deployet vores løsninger til over 400 lokaliteter i 24 lande på 6 kontinenter.

Først mødes vores teams og har en samtale om jeres virksomheds specifikke behov og udfordringer. Vi ønsker at forstå jeres mål, de træningsudfordringer, I står over for, den type færdigheder jeres arbejdskraft har brug for – det hele billede.

Derefter guider vi jer gennem processen med at fange jeres eksperternes viden. Dette kan være om hvilken som helst proces eller færdighed, der er vigtig for jeres virksomhed. Vores team vil assistere jer i at skabe disse trin-for-trin video-guider ved hjælp af DeepHow’s intuitive værktøjer.

Vores team er der for at støtte jer på hver eneste skridt, fra den første opsætning til den løbende optimering af jeres træningsprogram. Vi er her for at danne et partnerskab med jer og forbedre jeres arbejdskrafts færdigheder og effektivitet. Gå blot til DeepHow.com for at komme i gang.

Er der noget andet, de gerne vil dele om DeepHow?

I hjertet af DeepHow ligger en klar og overbevisende mission: vi sigter mod at enable hver enkelt faglært arbejder til at blive en ekspert. Vi stræber efter at gøre vidensoverførsel og træning sammenhængende, engagerende og omkostningseffektiv, og udnytter den transformative kraft af AI. Vi er fast overbeviste om, at teknologi skal supplere menneskelige evner, ikke erstatte dem. Denne princip guider alt, hvad vi gør.

I vores hurtigt udviklende teknologiske landskab er denne mission mere relevant end nogensinde. Skiftet mod digital transformation og Industri 4.0 har moderniseret fremstilling, og introduceret en række avancerede teknologier. Disse innovationer har betydeligt ændret jobkrav, og kræver, at arbejdere tilegner sig nye tekniske færdigheder for at operere, vedligeholde og optimere disse avancerede maskiner. Templet for ændring er så hurtigt, at traditionelle træningsmetoder kæmper for at holde trit, og fører til en stadig vækst i færdighedsforkellene.

Vores mål er at tackle denne udfordring frontalt, og enable arbejdere til at “bygge tilbage bedre” ved at opskole til fabrikkerne i morgen. Høje niveauer af automation betyder, at der er mindre behov for manuelt arbejde; i stedet skifter fokus til at udnytte arbejdernes ekspertise og intuition i operationen af avancerede teknologiske systemer.

Fabrikker har udviklet sig betydeligt over de sidste årtier, med integrationen af robotter, cobots og analytiske teknologier, der kontinuerligt optimerer output og minimiserer spild. For at styre disse teknologier er en opskolet arbejdskraft kritisk.

DeepHow giver en moderne træningsmetode, der enable virksomheder til at tiltrække talent, udfylde indledende stillinger og gradvist opskole arbejdere til avancerede roller på tværs af fremstilling, logistik og planlægning. Med fokus på samtidig, engagerende træning hjælper vi med at ændre perceptionen af fremstilling fra en død-end-karriere til et dynamisk, teknologi-drevet felt med ubegrænsede muligheder.