Birago Jones, Co-Founder und CEO von Pienso – Interview-Serie

Birago Jones ist der CEO und Co-Founder von Pienso, einer no-code/low-code-Plattform für Unternehmen, um AI-Modelle ohne fortgeschrittene Datenwissenschafts- oder Programmierkenntnisse auszubilden und zu bereitstellen. Heute gehören Biragos Kunden zum US-Regierung und Sky, dem größten Fernsehsender im Vereinigten Königreich. Pienso basiert auf Biragos Forschung am Massachusetts Institute of Technology (MIT), wo er und sein Co-Founder Karthik Dinakar als Forschungsassistenten im MIT Media Lab tätig waren. Er ist eine anerkannte Autorität im Bereich der künstlichen Intelligenz (KI) und der Mensch-Computer-Interaktion (HCI) und ein Befürworter verantwortungsvoller KI.

Pienso‘s interaktive Lernoberfläche ist darauf ausgelegt, es Benutzern zu ermöglichen, die volle Potenzial von KI ohne Codierung zu nutzen. Die Plattform führt Benutzer durch den Prozess der Ausbildung und Bereitstellung großer Sprachmodelle (LLMs), die mit ihrer Expertise ausgestattet und auf ihre spezifischen Fragen abgestimmt sind.

Was hat Sie ursprünglich dazu bewogen, Ihre Studien in KI, HCI (Human-Computer-Interaktion) und Benutzererfahrung zu verfolgen?

Ich hatte bereits persönliche Projekte entwickelt, die darauf abzielten, barrierefreie Tools und Anwendungen für Blinde zu erstellen, wie z.B. einen digitalen Blindenlesegerät mit einem Smartphone und ein Indoor-Navigationsystem (digitale Blindenstock). Ich glaubte, dass KI diese Bemühungen unterstützen und verbessern könnte.

Pienso wurde ursprünglich während Ihrer Zeit am MIT konzipiert. Wie entstand die Idee, maschinelles Lernen so zugänglich zu machen, dass nicht-technische Benutzer es nutzen können?

Mein Co-Founder Karthik und ich trafen uns im Graduiertenstudium, während wir beide Forschungen im MIT Media Lab durchführten. Wir hatten uns für ein Kursprojekt zusammengeschlossen, um ein Tool zu entwickeln, das soziale Medien-Plattformen dabei helfen sollte, belastende Inhalte zu moderieren und zu markieren. Das Tool erlangte viel Aufmerksamkeit, und wir wurden sogar ins Weiße Haus eingeladen, um die Technologie während eines Cyber-Mobbing-Gipfels vorzustellen.

Es gab jedoch ein Problem: Obwohl das Modell selbst funktionierte, wie es sollte, war es nicht auf die richtigen Daten trainiert, so dass es nicht in der Lage war, schädliche Inhalte zu identifizieren, die jugendliche Umgangssprache verwendeten. Karthik und ich arbeiteten zusammen, um eine Lösung zu finden, und wir erkannten später, dass wir dieses Problem lösen konnten, wenn wir eine Möglichkeit fanden, damit Teenager das Modell direkt trainieren konnten.

Dies war der “Aha”-Moment, der später Pienso inspirieren würde: Fachexperten, nicht KI-Ingenieure wie wir, sollten in der Lage sein, leichter Input auf die Modell-Trainingsdaten zu geben. Wir entwickelten point-and-click-Tools, die es nicht-Experten ermöglichen, große Mengen an Daten im großen Maßstab auszubilden. Wir nahmen diese Technologie zu den lokalen Schulen in Cambridge, Massachusetts, und baten lokale Teenager, ihre Algorithmen auszubilden, was es uns ermöglichte, mehr Nuancen in den Algorithmen zu erfassen, als zuvor möglich. Mit dieser Technologie arbeiteten wir mit Organisationen wie MTV und dem Brigham and Women’s Hospital zusammen.

Können Sie die Geschichte von Pienso erzählen, wie es aus dem MIT als eigenes Unternehmen hervorging?

Wir wussten immer, dass diese Technologie über den Anwendungsfall hinaus, den wir entwickelt hatten, einen Mehrwert bieten konnte, aber es war nicht bis 2016, dass wir endlich den Sprung wagten, sie zu kommerzialisieren, als Karthik seinen PhD abschloss. Zu diesem Zeitpunkt explodierte das Deep Learning in Popularität, aber es waren hauptsächlich KI-Ingenieure, die es nutzten, weil niemand anders die erforderliche Expertise hatte, um diese Modelle auszubilden und bereitzustellen.

Was sind die wichtigsten Innovationen und Algorithmen, die Pienso’s no-code-Schnittstelle für die Erstellung von KI-Modellen ermöglichen? Wie stellt Pienso sicher, dass Domänen-Experten ohne technische Vorkenntnisse KI-Modelle effektiv ausbilden können?

Pienso eliminiert die Barrieren von “MLOps” – Datenreinigung, Datenbeschriftung, Modellausbildung und -bereitstellung. Unsere Plattform verwendet einen semi-beaufsichtigten maschinellen Lernalgorithmus, der es Benutzern ermöglicht, mit unbefleckten Trainingsdaten zu beginnen und dann menschliche Expertise zu verwenden, um große Mengen an Textdaten schnell und genau ohne Codierung zu annotieren. Dieser Prozess trainiert Deep-Learning-Modelle, die in der Lage sind, Texte genau zu klassifizieren und neue Texte zu generieren.

Wie bietet Pienso Anpassungsmöglichkeiten bei der Entwicklung von KI-Modellen, um den spezifischen Bedürfnissen verschiedener Organisationen gerecht zu werden?

Wir sind überzeugte Befürworter der Meinung, dass kein Modell jedes Problem für jedes Unternehmen lösen kann. Wir müssen in der Lage sein, benutzerdefinierte Modelle zu erstellen und auszubilden, wenn wir wollen, dass KI die Nuancen jedes spezifischen Unternehmens und Anwendungsfalls versteht. Deshalb ermöglicht Pienso es, Modelle direkt auf die Daten eines Unternehmens auszubilden. Dies lindert die Datenschutzbedenken bei der Verwendung von Grundmodellen und kann auch genauere Einblicke liefern.

Pienso integriert sich auch in bestehende Unternehmenssysteme über APIs, um Inferenzergebnisse in verschiedenen Formaten bereitzustellen. Pienso kann auch ohne die Nutzung von Drittanbieterdiensten oder APIs betrieben werden, was bedeutet, dass Daten niemals außerhalb einer sicheren Umgebung übertragen werden müssen. Es kann auf großen Cloud-Anbietern sowie vor Ort bereitgestellt werden, was es zu einer idealen Lösung für Branchen macht, die starke Sicherheits- und Compliance-Anforderungen haben, wie z.B. Regierungsbehörden oder Finanzinstitute.

Wie sehen Sie die Entwicklung der Plattform in den nächsten Jahren?

In den nächsten Jahren wird Pienso weiterentwickelt, indem es sich auf noch größere Skalierbarkeit und Effizienz konzentriert. Wenn die Nachfrage nach hochvolumigen Textanalysen wächst, werden wir unsere Fähigkeit verbessern, größere Datensätze mit schnelleren Inferenzzeiten und komplexeren Analysen zu verarbeiten. Wir sind auch bestrebt, die Kosten zu reduzieren, die mit der Skalierung großer Sprachmodelle verbunden sind, um sicherzustellen, dass Unternehmen einen Mehrwert erhalten, ohne auf Geschwindigkeit oder Genauigkeit verzichten zu müssen.

Wir werden auch weiterhin daran arbeiten, KI zu demokratisieren. Pienso ist bereits eine no-code/low-code-Plattform, aber wir planen, die Zugänglichkeit unserer Tools noch weiter zu erhöhen. Wir werden unsere Oberfläche kontinuierlich verfeinern, um es einem breiteren Benutzerkreis, von Business-Analysten bis hin zu technischen Teams, zu ermöglichen, Modelle ohne tiefe technische Expertise auszubilden, anzupassen und bereitzustellen.

Wenn wir mit mehr Kunden aus verschiedenen Branchen zusammenarbeiten, wird Pienso sich anpassen, um branchenspezifische Lösungen anzubieten. Ob es sich um Finanzen, Gesundheitswesen oder Regierung handelt, unsere Plattform wird sich weiterentwickeln, um branchenspezifische Vorlagen und Module zu integrieren, um Benutzern zu helfen, ihre Modelle für ihre spezifischen Anwendungsfälle effektiver zu feinjustieren.

Pienso wird noch stärker in das breitere KI-Ökosystem integriert, indem es nahtlos mit Lösungen und / tools von großen Cloud-Anbietern und vor Ort-Lösungen zusammenarbeitet. Wir werden uns auf den Bau stärkerer Integrationen mit anderen Datenplattformen und -tools konzentrieren, um einen kohärenteren KI-Arbeitsablauf zu ermöglichen, der in bestehende Unternehmens-Technologie-Stacks passt.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Pienso besuchen.