Sarah Nagy, grundlægger & CEO af Seek AI – Interview Serie

Sarah Nagy er grundlægger og CEO af Seek AI, en platform, der giver forretningsbrugere mulighed for at stille Seek de samme spørgsmål, som de i øjeblikket stiller til dataholdet, lige i Slack, Teams og e-mail. Ingen “finesse” af, hvordan de skriver deres spørgsmål, og ingen læring af en ny platform.

Du startede oprindeligt som forsker med data fra Hubble-rumteleskopet. Hvad arbejdede du på?

Jeg arbejdede på UCLA og Caltech, hvor jeg kiggede på nogle af de fjerneste galakser, der kunne observeres med et teleskop, og arbejdede på at analysere nogle af deres egenskaber, såsom deres masse og størrelse. Formålet med denne forskning var at hjælpe os med at forstå forskellen mellem meget fjern galakser og galakser, der er tættere på vores egen, og udvikle modeller for, hvordan disse galakser dannes over tid.

Du arbejdede herefter som data scientist i flere startups. Hvad var nogle af de mere interessante projekter?

Et projekt, der står ud, involverede brug af naturlig sprogbehandling (NLP) til at klassificere ukontrolleret tekst relateret til detailvarer. For eksempel, tagning af rå tekst (f.eks. “air jordans grøn”) og mærkning som den estimerede mærke (“Nike”). Jeg havde en kollega, der specialiserede sig i NLP, der var optaget af et andet projekt, så jeg fik det faktisk ikke oprindeligt til at arbejde på. Det endte med at blive overdraget til mig, da de var optaget. Jeg vidste ikke engang noget om NLP på det tidspunkt, så jeg gennemgik nogle gratis kurser fra Stanford og Fast.ai for at øge min viden. Jeg nød virkelig at lære om NLP og begyndte at forstå, hvorfor det er så vigtigt, og hvorfor kunstig intelligens (AI), der kan forstå sprog, er et stort skridt mod såkaldt “generel AI”. Denne oplevelse gjorde mig bestemt parat til at være hurtig til at forstå vigtigheden af GPT-3, da det først kom ud.

Kan du dele historien bag Seek AI?

Da OpenAI’s GPT-3-model kom ud, genkendte jeg straks, hvor stor en fremgang det var, og blev særligt begejstret for anvendelser, der involverede GPT-3, der skrev kode. Efter alt, jeg skrev kode hele dagen som data scientist, og at se AI gøre dette – og generere koden perfekt – var åndssvagende. Jeg ville sammenligne min reaktion på GPT-3 med, da jeg første gang lærte om VR i 2013, som var en anden åndssvag oplevelse for mig. Jeg endte med at beslutte, at jeg måtte danne et startup for at satse på denne teknologi. Jeg vidste ikke nøjagtig, hvad jeg skulle bygge, men jeg havde en fornemmelse af, at hvis jeg lærte mere om disse modeller, ville noget værdifuldt falde på plads.

Når jeg havde virkelig lært om modellerne, var det, da jeg realiserede, at jeg kunne løse et problem, jeg stødte på overalt, hvor jeg havde arbejdet som kvant eller data scientist. Problemet i spørgsmålet var, at forretningsfolk ikke havde de rigtige værktøjer til at besvare deres egne data-spørgsmål. Som data scientist arbejdede jeg ofte på problemer, der krævede meget fokus, men jeg blev ofte afbrudt af kollegaer på forretnings siden, der havde spørgsmål om data, hvilket tvang mig til at stoppe, hvad jeg gjorde. Processen syntes arkaisk og ineffektiv. Jeg realiserede, at hvis jeg fokuserede på denne nye teknologi til at løse problemet, ville det være en kategori-definerende løsning til dette meget vigtige og uberyggelige problem.

Seek AI bruger generativ AI. Kan du forklare vores læsere, hvad dette er?

“Generativ AI” er et meget hypet buzzord, men til forskel fra andre buzzwords, tror jeg ikke, at hypen er uforsvarlig. Begrebet refererer til store maskinlæringsmodeller med hundredvis af milliarder af parametre, såsom Open AI’s DALL-E og GPT-3. Innovationen i disse modeller er, at de kan forstå naturligt sprog og generere tekst, billeder, kode og mere. Hvis du nogensinde leger med DALL-E eller Stable Diffusion, for eksempel, vil du hurtigt forstå, hvorfor disse modeller er så hypede; de har en utrolig menneske-lignende evne til at forstå naturligt sprog og kan generere kunst, der kan måle sig med de bedste menneskelige kunstnere.

Kode-generering er en af de mere niche, men vigtigste, anvendelser af generativ AI. Data bliver større og mere kompleks, og derfor sværere at analysere og organisere manuelt af mennesker. Dog er der så meget information indkodet i denne data. Denne information er ikke kun kraftfuld for organisationer, men kan også føre til utrolige videnskabelige gennembrud på den akademiske side. Bygning af AI til at udtrække værdi fra data vil låse utrolig værdi op i form af nyttig information.

Seek AI bygger en grænseflade, der giver brugerne mulighed for at interagere med data ved hjælp af naturligt sprog. Videnarbejdere kan få adgang til Seek AI’s naturlige sproggrænseflade via e-mail, Slack, tekst og en række kundeservice-systemer.

Hvad andre typer maskinlæringsmodeller bruges der i Seek AI?

Selvom generativ AI er en del af vores maskinlæringsarkitektur, omfatter vores arkitektur også flere grene af open-source dyb-læringsmodeller. Transformer-modeller (hvoraf “generativ AI” er en variant) udgør mange (men ikke alle) af modellerne, som Seek bruger.

Hvorfor er det så vigtigt for ikke-tekniske brugere at kunne få adgang til data hurtigt?

Hvad godt er data, hvis det ikke genererer en ROI, og hvordan kan en forretning få denne ROI, hvis forretnings-orienterede brugere ikke engang kan få adgang til det? Dette er hvorfor det er absolut essentiel at give adgang til så mange mennesker som muligt, uden at kompromittere med nøjagtigheden.

Da jeg var data scientist, fik jeg nogle gange anmodninger fra CEO’en om at analysere nogle data for at hjælpe med vores virksomheds produkt eller markedsstrategi. Disse projekter kunne tage uger eller længere. Som CEO nu forstår jeg vigtigheden af disse projekter på et dybere niveau, end jeg gjorde, da jeg var på data-siden. Jeg finder ofte mig selv ønskende, at jeg kunne få dataene ved mine fingre, så jeg kan træffe mine beslutninger hurtigere. Dette er et eksempel på, hvad vi løser i Seek.

Hvordan gør Seek AI det så let at hente data?

Noget, der er interessant at tænke over, er, at data kun kan analysere med kode. Det er sandt, at der er platforme, der er abstraktioner over denne kode (f.eks. data-dashboard), men under overfladen er der kode, der er skrevet manuelt af data-analytikere, som giver data til forretnings-brugere.

De fleste videnarbejdere kender ikke til kode, ønsker ikke at kode eller kan simpelthen ikke få adgang til data, selv hvis de ønsker at skrive kode for at analysere det. Derfor, når de har brug for data, enten finder de det i et dashboard eller beder dataholdet, om de ikke kan finde det. Jo større, datasets bliver, jo mere vil dette ske.

Dataholdene har derfor brug for at være “oversættere” af naturligt sprog-spørgsmål rettet mod dem, og data selv, som de forespørger ved hjælp af kode. Fjernelse af denne “oversætter”-mægler er hjertet af, hvad Seek gør.

Hvordan sikrer virksomheder, at de data, de bruger, er nøjagtige?

At håndtere kompromisset mellem data-nøjagtighed og tilgængelighed er en enorm udfordring. Som jeg sagde i et nylig interview, på den ene side giver tilgængelighed ikke-tekniske folk mulighed for at begynde at interagere med videnkilden, der er en virksomheds data. På den anden side, hvad godt er en videnkilde af forurenet vand (dvs. dårlig data)?

De bedste datahold er dem, der håndterer dette kompromis på den mest optimale måde, og en stor del af det er at kalibrere og verificere alle værktøjer, som ikke-tekniske brugere kan interagere med.

Hvad er nogle eksempler på brugs Tilfælde for Seek AI-platformen?

Vi leverer allerede værdi til kunder og designpartnere i B2B SaaS, Fintech, Forbrugsvarer (CPG) og B2C e-handel.

Battlefin, for eksempel, er den førende marked for alternative finansielle datasets. De mener, at at give hurtige, højkvalitets-svar på deres egne kunders spørgsmål er forskellen mellem at vinde og tabe over for deres konkurrenter. Selskabets CEO, Tim Harrington, bemærkede: “Seek AI spillede en afgørende rolle i vores virksomheds strategi i 2023 på grund af den fordel, det giver os i at få adgang til og analysere vores 2.400+ datasets i svaret på kundespørgsmål. Jeg ville anslå, at vores ROI på Seek AI er omkring 10 gange, baseret på hvad vi ville have brugt for at opnå dette niveau af effektivitet uden platformen.”

Er der noget andet, du gerne vil dele om Seek AI?

Dette kan være det rette sted for en skamless plug. Seek tilbyder i øjeblikket gratis prøver af vores platform, som kan tilgås på seek.ai. Vi er begejstret for at være en pioner i at bringe generativ AI til datahold, og jeg ser frem til at gå på denne rejse med vores kunder.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Seek AI.