James Kaplan, medstifter og administrerende direktør for MeetKai – Interviewserie

James Kaplan er medstifter og administrerende direktør for MeetKai, en AI-assistent, der gør livet lettere gennem samtale, personliggørelse og kuratering.

Du begyndte at programmere, da du kun var seks år gammel, hvad var det, der fik dig til at blive begejstret for kodning, og hvilke sprog lærte du?

Det var Oregon Trail-spillet til Windows 95, der fik mig hooked. Jeg spillede det hver dag efter skole. Jeg var i 1. klasse, så der var ikke meget andet at lave! Jeg begyndte at tænke over alle de ting, jeg ønskede, jeg kunne ændre ved spillet. Da jeg var yngre, købte jeg en bog om “Game Programming for Teens” i en lokal boghandel. Jeg var straks tiltrukket af den og glemte hurtigt mine oprindelige Oregon Trail-motivationer. Men jeg elskede altid spil, og de fungerede som min motivation for at lære nye programmeringssprog. Over de næste få år lærte jeg Visual Basic, da jeg forsøgte at skrive en bot til NeoPets (det virkede) og derefter PHP, da jeg var 12 år gammel, for at lave dynamiske websites. Min motivation for at lære PHP var også for at tjene penge til at købe videospil.

Din tidligere virksomhed var en AI-baseret hedgefond, hvad lærte du af den oplevelse?

Min største indsigt var at forkaste tanken om, at man ikke kan konkurrere med kæmper i et overfyldt marked. Det kan være meget fristende at tro, at i finansverdenen er alt, der er profitable, allerede blevet udnyttet af en stor spiller. Men jeg indså hurtigt, at man ikke skal overvurdere sine konkurrenter. Lediggang og organisationsinertia forhindrer nye ideer. Andre gange kan en idé eller kampagne være for niche for en større virksomhed. Forbløffende nok kan de også tro, at noget er for risikabelt at udvikle, så det er ikke værd at gå uden for deres komfortzone.

Kan du dele historien bag lanceringen af MeetKai AI-assistenten?

Jeg var træt af finansverdenen. Alt skulle måles i forhold til Sharpe-ratio og PnL. Det fjernede en del af sjovet fra teknologien og var langt fra, hvad der oprindeligt havde ført mig ind på programmeringsvejen. I slutningen af 2018 talte jeg med Weili Dai, MeetKais medstifter, om, hvad jeg så i teknologilandskabet generelt. En af mine vigtigste observationer var, at taleassistent-markedet var stagneret. Alle nøgleaktørerne fastholdt gamle tilgange, og brugerne fik ikke glæde af teknologien. Ingen var villige til at prøve nye tilgange, “fordi det er ikke sådan, X gør det”. Der var ingen differentiering. Hvis jeg startede fra scratch og kasserede alle (eller de fleste) forudindtagne forestillinger om, “hvordan man bygger en taleassistent”, så kunne jeg fundamentalt ændre brugeroplevelsen. Vi startede med at bygge en rigtig AI-assistent i stedet for en stemme-baseret chatbot. Lektionerne fra min tidligere virksomhed kombineret med Weilis vejledning førte os til at grundlægge MeetKai.

Hvad er nogle af udfordringerne ved at bygge en AI-assistent?

Der er to typer af problemer ved at bygge en rigtig AI-assistent – brugerforventninger og teknisk implementering. Det første problem er overset, men relevant for MeetKai. Brugere er trænet i, hvad der er og ikke er i orden, når det kommer til en taleassistent. Specifikt antager de, at de skal søge i en kommando-orienteret måde. Vi arbejder på at træne brugere til at søge i naturlig sprog. Dette muliggør rigere typer af funktioner, såsom brug af negationer “Find mig en Dwayne “The Rock” Johnson-film, der ikke er Moana”. Vi kan håndtere det perfekt i hverdagsligt sprog, men nuværende taleassistenter kan ikke svare på det.

Det andet problem er teknisk. Dette viser sig i to underkategorier – søgning og forståelse. For søgning adskiller vi os fra andre virtuelle assistenter, idet vi opretholder vores egen indeks over indholdet. Selvom dette tillader al den magi, der gør os til næste generation, medfører det også udfordringer ved at køre og opretholde en brugerdefineret søgemaskine. Dette er et område, vi kontinuerligt innovrer inden for. Sprogforståelse er det andet område, hvor udfordringer opstår, når man bygger en AI-assistent. For de fleste taleassistenter ville dette betyde at forstå engelsk tekst. MeetKai forstår og understøtter 16 sprog. Dette er ikke 16 gange mere arbejde, da vi bruger multilingvalse tilgange, men det er stadig en betydelig mængde mere end at være “engelsk først, engelsk kun”. Det er værd at investere tiden, da det er utrolig vigtigt for os, at MeetKai er virkelig global.

Hvordan bruger MeetKai personlig AI til at differentiere sig?

Vi bruger personlig AI på to måder – forståelse og søgning.

Når en bruger siger, “Kan du finde noget kinesisk i aften?”, kan det betyde, at de ønsker en kinesisk recept, et kinesisk restaurant eller en kinesisk show at se. Med vores personlige, dybe forståelse kan vi afklare og give brugeren et resultat, som de forventer. Dette sker uden, at deres data nogensinde behøver at forlade vores platform.

Vi bager personliggørelse ind i søgningen selv. Et af de største problemer, som andre virtuelle assistenter står over for, er, at mange af søgningerne overføres til tredjeparts-fuldbyrdelsesudbydere. Når du søger efter en restaurant med en konventionel assistant, overfører den søgningen til Yelp. Ulemperne ved det er, at Yelp ikke kender brugeren personligt, og hvis de gør, så er det et problem med privatlivetsbeskyttelse. Fordi MeetKai er en first-party-app hele vejen til resultaterne, har vi sand personliggørelse.

Hvad er nogle af brugsområderne for MeetKai?

MeetKais mål er at være den første AI-concierge. Vi ønsker at hjælpe brugere i deres daglige liv. Vi ønsker ikke at være en kommando-orienteret assistant. Vi understøtter ikke funktioner som “volume op”, “volume ned”, “30-sekunders-timer”,… du får billedet. Jeg mener stærkt, at disse funktioner ikke er AI, men blot stemme-baseret input. Hvis du tænker tilbage på dage med AskJeeves, var hele idéen, at det var din butler, ingen ville nogensinde antropomorfisere Google Assistant. Ligesom Apple Siri eller Amazon (AMZN ) Alexa ville have det, men ingen tænker på dem som andet end en app. Vi er stadig i vores tidlige faser, men vi har bygget ud alle de nødvendige teknologier til at føre vores tre til fem års vej til en rigtig AI-assistent.

Hvordan kan industrien forhindre, at en AI-assistent introducerer fordomme eller forstærker eksisterende fordomme hos en bruger?

Der er en delikat balance mellem at give personlige resultater og ikke skabe fordomme. Vi har set, hvad der sker, når forskere optimerer for engagement-målinger på sociale medie-platforme – det skaber bobler af fordomme. Det første skridt mod dette som industri er at omdefinere vores målinger og KPI’er. Hos MeetKai optimerer vi for en balance mellem klik-gennemgang og nytænkning af klikket. AI’en skal belønnes langt mere for at finde et nyt resultat, der klikkes på i 30% af tilfældene, end blot det “top”-resultat, der klikkes på i 50% af tilfældene. Men denne tilgang har dog en ret åbenbar faldgrube ved nærmere betragtning. Hvis resultaterne, som AI’en kommer op med, blot er fordomsfulde resultater for brugerens lille boble? Vi bygger vores AI til at skubbe i begge retninger af brugerens personlige zone. Hvis en bruger beder om en liste over artikler om kød, så præsenterer vi dem ikke blot med artikler, der matcher deres overbevisninger, men vi kan også sprede artikler, der er på kanten eller lidt uden for kanten af deres præferencer. Dette kan inkludere en artikel om dyreetik og klimaforandring samt en artikel om de potentielle sundhedsfordele ved animalsk fedt. Den tekniske intuition bag den tilgang, vi har valgt, er rodfæstet i accepten af, at det er svært at træne AI til at bestemme, om Y er fordomsfuldt, men det er langt lettere at træne det til at vide, at X og Z ligger på kanten af samme zone som Y.

Hvor ser du fremtiden for AI-assistenter om 5 eller 10 år?

AI-assistenter vil bevæge sig mere og mere mod en first-party-baseret tilgang, som MeetKai har. Gennem hele deres levetid har Alexa og Google forsøgt at dyrke et økosystem af tredjeparts-udvidelser og færdigheder. Dette løber ind i nogle alvorlige problemer med privatlivetsbeskyttelse. Desuden siger dette intet om de øvre grænser, det placerer på funktioner. Jeg forventer, at flere industripersoner vil adoptere samme tilgang, som vi har valgt, og der er tegn på det over hele linjen.

Tak for det gode interview, læsere, der ønsker at lære mere om denne personlige AI-assistent, skal besøge MeetKai.