Richard Boyd, medstifter og administrerende direktør i Tanjo Inc – Interview Serie

Richard Boyd er en iværksætter, forfatter og foredragsholder på en række emner, fra uddannelse til sundhedsvesen til virtuelle verdener, computergaming, maskinlæring og menneske-/computergrænseflader. I mere end tre årtier har Richard ledet eller hjulpet med at skabe nogle af de mest innovative teknologivirksomheder og -tjenester på tværs af flere brancher, herunder starten og fungeren som administrerende direktør for fire virksomheder i North Carolinas Research Triangle Park-område. Richard solgte sin sidste virksomhed til Lockheed Martin (LMT ) og blev direktør for Virtual World Labs.

Richard er medstifter og administrerende direktør for kunstig intelligens- og maskinlæringsvirksomheden Tanjo Inc, der er beliggende i North Carolinas Research Triangle Park-område.

De har arbejdet med VR siden 90’erne, og i 2001 co-stiftede de 3Dsolve. Hvad var nogle af de første projekter, som 3Dsolve arbejdede på?

Det mest betydningsfulde første projekt for 3dsolve var at hjælpe den amerikanske hærs uddannelses- og doktrinkommando (TRADOC) med at udnytte simulationslæring til små taktiske operationer. Vi skabte den første “Level 4 interaktive multimedieinstruktion” (IMI)-kursus for hæren, der blev valideret af TRADOC. Det var essentiel at udnytte værdien af “sikker praksis i en fuldstændig simuleret 3D-miljø” for jordenheder. Det første kursus var over 100 timers undervisning i en samarbejdende simulations-3D-spilverden for 25B10 MOS (militær faglighed) for kommunikation.

Vi sendte soldater til Afghanistan og Irak på det tidspunkt og trænede dem til at arbejde i DTOC’er (digitale taktiske operationscentre), selvom vi ikke havde nogen DTOC’er i USA til at træne dem. 3Dsolve rejste til Fort Hood, Fort Gordon og andre faciliteter for at finde udstyr, møde sagkyndige og bygge de virtuelle DTOC’er, hvor soldaterne kunne træne. Valideringsresultaterne viste, at soldater, der brugte denne metode, blev trænet på en kortere tid med en højere grad af viden (og klassebeståelsesprocenter) end i nogen klasselokale metoder, der var blevet brugt før. Jeg betragter dette som begyndelsen på den seriøse spilindustri.

Jeg fungerede også som medlem af ADL (Advanced Distributed Learning) Colab-rådet, hvor standarderne for genbrugbar læringsindhold blev skabt. Jeg arbejdede med Phillip Dodds der på 3D-standarder for SCORM (Shareable Content Object Reference Model). Bemærk: Phillip var manden, der spillede orgel i Spielberg-filmen Close Encounters of the Third Kind.

Jeg fungerede også som medlem af et andet internationalt standardiseringsorgan kaldet 3DIF, der blev ledet af Intel (INTC ) og Boeing, hvor vi skabte en international ECMA-standard med samme navn for 3D-udvekslingsformater. Ideen var at til sidst fange hele værdien i de 3D-CAD-modeller, der var bygget til alt, der blev lavet i verden, og oversætte det til brug i seriøse spil og 3D-tekniske dokumenter. Det lever stadig i Adobe Acrobat og andre platforme.

Vi fortsatte med at arbejde med hovedsæt og forskellige VR-tilbehør, samarbejdende med branchepionerer som Warren Robinett, Dr. Fred Brooks, Alan Kay og andre. Min medstifter David Smith skabte en hel åben kildeplatform sammen med Alan Kay kaldet OpenCroquet, der stadig lever i dag.

Hvordan ændrede livet sig for dig efter, at Lockheed Martin overtog 3Dsolve i 2007?

Et af de andre banebrydende projekter, vi arbejdede på i 3Dsolve, og som fik Lockheed til at købe os, var en simulation af en hel Los Angeles-klassen ubåd. På det tidspunkt satte flåden stadig hele skibe til side til træning. Vi banebrydende idéen om “Total Ship Simulation”, der replicerede hele ubåden i en multiplayer-spilmiljø. Vi brugte Epic Games Unreal Engine og forandrede virkelig træningen for disse fartøjer. Hos Lockheed skabte vi simulationer af destroyere, Littoral Combat Ship samt alle under-systemer.

Det var en udfordring at starte med at tilpasse os fra en spilteknologivirksomhed til de ekstra lag af tilsyn og rapportering, der var nødvendige i en 100-årig forsvarsleverandør. Vi lærte at skabe vores egen virkelighed. Jeg dannede en uformel organisation kaldet Virtual World Labs og modellerede det efter den berømte LM Skunkworks i Californien. Faktisk blev Skunkworks medlem af VWL. Vi lærte i det første år, at hver gang vi kom op med en patenteringsforslag, fik vi en check, og endnu en, når det blev bevilget. Så det blev vores incitamentsprogram. Vi sad og opfandt ting i AR, VR og AI. Ved slutningen af min 5-års periode der havde vi samlet over 100 patenter i en lille gruppe på omkring 40 mennesker.

Et af de mest sjove og relevante programmer var skabelsen af DOD Virtual World Framework. Vi havde været en del af flere store joint krigsspilløvelser og så frustrationer over manglen på interoperabilitet mellem proprietære systemer, der skulle arbejde sammen i disse store live-, konstruktive og virtuelle simulationsøvelser. Vores første reaktion var, at dette var et løst problem… Det er kaldet Internettet! Hvis erhvervscommunityet bare kunne få alle til at overholde webtjenester, kan vi bygge bedre integrerede træningssystemer. Og WebGL havde lige passeret målet med World Wide Web Consortium. Tiden var kommet til en omvæltning af business as usual. Pentagonen udsendte en anmodning om forslag til en “fælles virtuel verden ramme” til integreret simulation. Chefen for dette program hos Pentagon var en kreativ tidligere luftvåbenpilot ved navn Frank Digiovanni. Vi kaldte ham D9. Han minder mig meget om historierne om oberst John Boyd, der fik os til at ødelægge vores jagerflyprogrammer og tænke på en anden måde i luftvåbnet.

Problemet var, at D9 utvivlsomt sagde til sin erhvervsgruppe, at han “ikke ville have nogen Lockmart-lignende virksomheder” til at bygge denne nye ramme. Men David og jeg gik derind sammen med den sædvanlige liste på omkring 17 leverandører, der bud på programmet, og vi vandt. Vi lærte senere, at alle andre var dukket op med et proprietært løsning og prøvede at få regeringen til at antage det. Vi dukkede op til vores mundtlige præsentation på Reagan-bygningen i DC med ingenting, men sagde, at svaret på dette dybe problem lå i Internettets arkitektur. Vi sagde, at vi kunne designe det på få måneder og have en fungerende prototype på seks måneder. Vi sagde også, at det skulle være åbent kilde. Vi vandt “hånden ned slam dunk” ifølge D9, fordi vores tilgang var så frisk og anderledes og “uden for boksen”.

Når jeg vendte tilbage til Orlando for at forklare denne nye sejr til ledelsen i vores Lockheed Martin-afdeling blev jeg lidt kaldt ud på gulvet. Jeg blev tilkendegivet, men så spurgte de om det åbne kildeaspekt. “Hvad vil dette betyde for vores eksisterende konstruktive sim-forretning?” spurgte de. Min svar – “Det vil fuldstændig afbryde det.” Der var en pause, så det uundgåelige spørgsmål “Så, hvordan vil vi tjene penge? Hvad er forretningsmodellen?” Mit svar – “Forretningsmodellerne vil være legions.” Jeg nyder stadig de forvirrede bryn, som dette svar fremkaldte. Jeg gennemgik alle måder, hvorpå Red Hat lykkedes at bygge en multibillion-dollar-forretning på ryggen af fri software, men jeg tror ikke, de nogensinde blev komfortable med afbrydelsen.

Min titel på det tidspunkt var direktør for fremvoksende og disruptiv teknologi samt chefarkitekt for Virtual World Labs. Jeg arbejdede i det næste år med at få Lockheed til at omfavne mere selvafbrydelse og Schumpeter-skabende ødelæggelse. Jeg beskrev innovation i store organisationer som Lockheed som lignende fødslen. Folk elsker ideen om at have børn. Det er godt for samfundet og meget tilfredsstillende. Børn er vores fremtid. Men gennem den forkerte linse kan børn også betragtes som parasitter. Fra det øjeblik, de tager fat i livmoderen, begynder de at tage ressourcer væk. Hvis det ikke var for de beskyttende betingelser i livmoderen, ville morens antistoffer komme ud for at ødelægge babyen. Innovation i Lockheed var som det. Alle ønsker og taler om innovation, men ingen ønsker at ofre deres ressourcer for det, når gevinsten er så langt væk. (Se min whiteboard-animaton om, hvordan innovation er som fødslen.)

I løbet af din tid hos Lockheed Martin var en af de patenter, du co-forfatter, noget, der lød som noget ud af en science fiction-blockbuster, kaldet holodeck. Hvad er holodeck?

I 2009 blev jeg inviteret ud til Los Angeles af James Cameron under optagelserne til hans film Avatar. Vi havde arbejdet med Jim før (på “The Abyss”) og han ville vise mig sin nye 3D-kamera, som han havde opfundet med Vince Pace (som vi også kendte fra The Abyss). Men det, der virkelig fangede min opmærksomhed, var den virtuelle scene inde i den enorme Hughes-flyhangar. Jeg tilbragte meget tid derinde med en lille flad skærm og bare vandrede rundt i den virtuelle verden af Pandora. Jeg skrev om dette for Armed Forces Journal og koncepterede sammen med David Smith idéen om at bygge en stor virtuel træningskampplads på størrelse med en fodboldbane. På det tidspunkt arbejdede vi på et program kaldet Future Immersive Training Environment (FITE) for marinekorpset. I dette program ville marinekorpset bære en bærbærbar computer på ryggen og hovedmonteringen. Alt dette ekstra udstyr fik os til at bekymre os om negativ træning. Jeg vil aldrig glemme den første sergeant, der spændte det på og sagde, “vi må træne, som vi kæmper, ikke?” og så dykkede ned på jorden og rullede, knuste alle elektronikken til småstykker. Holodeck-konceptet var mere som James Camerons Volume til optagelser; hvor skuespillerne havde lyssporingsdragter og alle instrumenterne var omkring dem. Hovedmonteringen var stadig nødvendig, men var trådløs og let. Mere som i dagens Oculus Quest. Vi fandt endda en måde at gøre det udenfor i sollys.

I 2015 skrev du, at vi ikke skal bekymre os så meget om, at maskiner overtager, men i stedet skal vi finde ud af, hvordan vi kan opnå den rette balance mellem mennesker og automation for at optimere resultaterne. Er du stadig enig i, at samfundet er for meget bekymret over AGI eller maskiner, der overtager?

Jeg tror, at når rigtig smarte mennesker med en overflod af ekspertise i dette område (som Ray Kurzweil, Stephen Hawking, Elon Musk, James Cameron og Bill Gates) udtrykker bekymring, skal vi alle lytte og følge med i udviklingen mod kunstig almen intelligens og konsekvenserne for samfundet. Hvis vi har lært noget nylig, er det, at domæneekspertise betyder noget, og vi skal altid lytte til advarsler fra mennesker med dybere ekspertise end vores egen.

Det sagde, for det meste, ser vi mere inkremental disruption, der kræver øjeblikkelig opmærksomhed og handling. Min kondenserende citat om, at det 21. århundredes imperativ er at opnå den rette balance mellem mennesker og automation for at optimere resultater, er en kritisk sag lige nu. Jeg tror virkelig, at enhver, der ikke får det rette, er dømt til at være irrelevant snart, ikke bare ikke konkurrencedygtig. Når JP Morgan erstattede 320.000 timers årlig låneanalyse med et maskinlæringsystem kaldet COIN, afbrød de sig selv og skabte straks en $300 million gevinst til deres bundlinje. Og denne gevinst er nu en årlig indtægt. Enhver af deres konkurrenter, der stadig har denne omkostning, kan ikke håbe at konkurrere.

Jeg tror, dette er sandt og imperativt for virksomheder, regeringer, selv for enkeltpersoner. Jeg sidder i bestyrelsen for en community college i North Carolina med 70.000 studerende. Jeg prøver konstant at guide studerende og vores læreplan mod de job, der stadig vil blive udført af mennesker om fem år. Når jeg finder studerende, der vil gå i radiologi, forklarer jeg dem, at maskiner allerede er bedre end mennesker til at læse røntgenbilleder. Overvej et nyt felt eller hvordan dette felt sandsynligvis vil ændre sig med denne realitet. Dette er ikke futurisme. Det er Nuisme.

De har arbejdet med VR siden 90’erne, hvordan føler du om nogle af de nuværende forbrugerapplikationer af VR, såsom Oculus Quest?

Hver gang jeg ser rutsjebanen af VR-hype køre op ad bakken, begynder jeg at mindske alle om de tre hovedbegrænsninger, der forhindrer bred anvendelse.

1. Nogle mennesker vil altid være fysisk ude af stand til at nyde stereoskopisk 3D VR.
2. Frictionen ved opsætning og tilslutning gør det til en oplevelse, der ikke er behagelig for de fleste.
3. Brittleness af systemerne betyder, at kun eksperthobbyister vil ønske at lege med det og fejlfinde fejlede forbindelser

Mennesker har ikke haft en opgradering i lang tid (siden Pleistocæn ifølge min vurdering) og nogle af os har en meget svær tid med at tilpasse os til stereoskopiske 3D-skærme. En betydelig del af befolkningen vil aldrig blive komfortable med immersiv VR på grund af, hvordan de er fysisk forbundet. Så, hvis vi sætter dem til side for øjeblikket, er vi tilbage med det andet store problem: den forfærdelige friction ved at tilkoble disse enheder. For meget kabler og finjustering før, man kan komme i gang med en oplevelse. Og tredje er systemernes skrøbelighed og brittleness.

Oculus Quest overgik mine forventninger ved at blæse fuldstændig ud af de to begrænsninger. I min familie bruger vi tid i Oculus Quest-indhold næsten hver dag. Dette er, ifølge min mening, det store gennembrud, som VR havde brug for. Nu skal vi bare gå den sidste mil og se, hvordan vi kan tilpasse teknologien til at møde dem, der har fysiske begrænsninger, der forhindrer dem i at nyde VR.

Hvad var din inspiration til at lancere Tanjo?

Jeg opdagede maskinlæring i 2009, mens jeg var direktør for Virtual World Labs hos Lockheed Martin. Maskinlæring eksisterede allerede, men det var det år, jeg fuldstændig forstod, hvor langt det var kommet, og hvor fundamentalt forskelligt det var fra den “kunstig intelligens”, vi havde brugt i computer-spil og DOD-simulationer før.

Jeg tænker nu på, at AI udvikler sig i 3 faser. I den første fase, der varede fra omkring 1958 til 2009 (mit arbitrære mærke), ville vi ikke bede en computer om at beregne noget, før mennesker fuldstændig forstod det og kunne bryde det ned i små, skrøbelige logiske porte og hvis/då-udtalelser. Vi ville så indsætte det i computere som endelige tilstandsmaskiner eller hierarkiske adfærds-træer og køre programmerne. Til sidst var det bare kode. Intet mystisk om det.

Næste fase er maskinlæring, hvor et menneske ikke nødvendigvis forstår, hvordan man beder en computer om at køre en bil. Nu indsætter vi bare en masse træningsdata i en gruppe vel-designede maskinlæringsbiblioteker, der så selvstændigt infører deres egen forståelse. I dag kan et maskinlærings-system blot se 100 timers video og så køre en selvstændig bil perfekt overalt. (Jeg laver normalt joke om, at “hvor som helst, undtagen i Rom”)

Hos Tanjo bruger vi maskinlæring i korte projekter til at give banker og institutioner for højere uddannelse og Fortune 2000-virksomheder den intelligensforstærkning og automation, der transformerer, hvordan de arbejder. Vi ser regelmæssigt en afkast på investeringen på 10 gange fra vores implementeringer. Og denne afkast er normalt en årlig indtægt. Hvor mange teknologiinvesteringer har vi set før, der skaber disse slags produktivitetsgevinster? Vi har haft validerede ROI-målinger på op til 600 gange; og en pinlig resultat på 1600 gange. Vi bruger ikke engang det sidste som en case-study, fordi det føles for hyperbolisk.

Kunne du diskutere Tanjo Animated Personas (TAP), og hvordan det fungerer?

Vores store gennembrud kom, da vi indså, at disse fantastiske, underlige maskinintelligenssystemer, vi byggede, så på mennesker på samme måde, som de så på informationsobjekter. Vi kørte et tidligt eksperiment med en sæt træningsdata fra en populær dating-app. Vores lille mini-maskinlæringshjerne skabte interessegrafer og sentimentkort over hver person fra deres data-udstødning, der kom til at se ud som en Myers-Briggs-profil. Vi overvejede kort at lave en maskinlærings-dating-app i 2014. Det var en meget kort overvejelse, fordi det ikke opfyldte de høje mål, vi havde for at udføre meningsfuld arbejde.

I stedet kaldte vi det “Empathy Engine” og byggede, hvad vi kaldte “Tanjo Animated Personas” fra disse maskinlæringsmønstre af menneskeligt adfærd.

Analysefirmaet Gartner gav os en “Cool Vendor Award” i 2018 for dette gennembrud. Vi hjælper markedsforskere med at modellere og forstå (såvel som håbe på at skabe dybere meningsfulde samtaler med deres kunder; samt bruge det til at modellere befolkninger af mennesker til at studere sundhed og trivsel. For eksempel kan vi skabe en syntetisk befolkningsmodel af en postnummer eller et county og simulere, hvilke interventioner og beskeder fremmer bedre adfærd til at reducere spredningen af en virus eller til at sænke fedme, rygning osv.

Bruger du overvåget læring til at uddanne Tanjo?

Balancen mellem mennesker og maskiner er lige så vigtig i input som i output af disse systemer. Menneskelig overvåning hjælper absolut med at træne “hjernen” i et af vores maskinlærings-systemer hurtigere. Når vi skabte NC-hjernen, der vil binde alle 58 community colleges i North Carolina sammen, arbejdede vi med fakultet og administratorer på nogle af de bedste colleges her for at sikre, at dens rangering af forskellige områder af viden og hvordan den sorterer indhold var gyldig.

En af Tanjos produkter er ContractBot til kontraktanalyse. Hvad er ContractBot, og hvilke slags virksomheder er det primært designet til?

Vi skabte Contractbot oprindeligt til regnskabsindustrien. I 2017 var FASBI (Financial Accounting Standards Board Interpretations) ved at udgive nye regler omkring revenue recognition og lease recognition for virksomheder. Regnskabsfirmaer holdt konferencer over hele landet for at forberede sig selv og deres kunder på disse ændringer. Med vores maskinlæringslins, indså vi, at dette var en perfekt mulighed for et snævert fokuseret maskinlærings-system til at arbejde sammen med regnskabsfolk til at dramatisk øge hastigheden af analyse samt øge nøjagtigheden. Vi trænede et system på over fire millioner kontrakter: alt fra en enkelt side scannet, håndskrevet købsordre til kontrakter med hundredvis af sider af garantier og disclaimers og milepælsbetaling beskrivelser. Det lærte meget hurtigt at forstå sproget og sortere dokumenter eller sektioner af dokumenter og anvende forretningsregler til næsten øjeblikkeligt at udføre en analyse, der ville tage en menneskelig regnskabsperson en hel dag.

Dette projekt og andre er case-studier, vi giver til at opmuntre enhver i forretning i dag til at tage den nye maskine/menneske-balance-lins og tage et tæt kig på hver aktivitet for at bestemme, hvad der er den rette blanding af menneskelig og maskinindsats til at optimere deres forretning.

Når JP Morgan brugte denne tilgang til at eliminere 320.000 timers årlig låneanalyse, opnåede de ikke kun en 100-gange return på deres investering det år, men vil også modtage denne årlige indtægt i fremtiden. Enhver af deres konkurrenter, der stadig har denne omkostning, vil ikke blot være ukonkurrencedygtig, men irrelevant.

En af de mest spændende produkter, som Tanjo tilbyder, er Tanjos Enterprise Brain. Hvad slags maskinlæring ligger bag dette, og hvad er dets anvendelsesområder?

Når vi brugte maskinlæring til at hjælpe den amerikanske uddannelsesministerium med at skabe Learning Registry, så vi kraften af maskinlæring til at organisere og analysere viden. Når jeg taler om dette, viser jeg normalt en slide med et billede fra den sidste scene af “Raiders of the Lost Ark”; hvor en kontorist er ved at køre en trist udseende kasse gennem en enorm lagerbygning for at arkivere dette utroligt kraftfulde artefakt, der kan redde eller ødelægge planeten, og den har en lille mærkat, der siger ARC.

Det, vi lærte fra Learning Registry-projektet og andre, er, at virksomheds-søgning er brudt. Virksomheder har ikke-mærkede og skjulte informationer gemt væk i små data-søer og -damme, der enten er utilgængelige eller uforståelige og derfor ikke gennemsigtige for forespørgsler. I denne accelererende informationsalder taber vi viden, der er erhvervet hver dag, på grund af dårlig lagring og gendannelse.

Tanjo Enterprise Brain bor inde bag jeres firewall, med fuld kildekode, tilslutter sig alt og har intet andet at gøre end at læse og scannen og organisere alt, det har adgang til, og vente på det spændende øjeblik, hvor det opdager et menneske, der prøver at gøre noget, der kan udnytte den enorme informationskort, der er på dens fingre. Fordi det har så megen tid og kraft og intimitet med jeres organisatoriske viden, nøjes det ikke med at reducere sin læsning af “Krig og Fred” til #RussiskRoman #Tolstoj #krigsfortælling #kærlighedsfortælling. I stedet vil det kortlægge det med, hvad vi kalder en “hyperdimensional fingeraftryk” på op til 4.000 vægtede begreber. Denne åbenbart overdimensionerede indsats giver store dividender for forskningsinstitutioner, banker og colleges med Tanjo Enterprise Brain. Det er almindeligt for dem at realisere en værdi langt over licensgebyret, blot i den organisatoriske viden-kortlægnings-trin, der er en del af træning af jeres Enterprise Brain, hvor ledelsen lærer, hvor meget af den viden, de investerer i og afhænger af, faktisk er der og hvad det hele betyder. Når Enterprise Brain er implementeret, har organisationen nu en linse, hvormed den kan se, hvordan information er kommet ind i systemerne, hvem der har fremmet det, hvem der har udfordret det og til sidst, hvordan beslutninger blev truffet. Det bliver et behov, der er tilbageblikkende åbenlyst. Og som det maskinlærings-system, JP Morgan implementerede, betaler det dividender for altid.

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

Tanjo arbejder hårdt lige nu på en Covid-19-hjerne. I overensstemmelse med den tese, der driver vores virksomhed, bestemmer vi, hvordan vi kan opnå den menneske/maskine-balance for at sikre, at den rette information og de bedste ressourcer er til rådighed for mennesker, der træffer vigtige beslutninger under denne krise. Tanjo Animated Personas-kapaciteten vil blive brugt til at modellere menneskepopulationsdata for at spore virus-spredning, men også bestemme, hvilke foranstaltninger og kommunikationsmetoder og de faktiske ord, der vil få den adfærd, vi har brug for for at lykkes med at navigere ud af denne krise til et sundere økosystem for os alle.

Dette har været en fascinerende samtale, læsere, der måske ønsker at lære mere, skal besøge Tanjo.

https://youtu.be/f0_SbQYD5ec