Francisco Webber, Mitgründer und CEO von Cortical.io – Interview-Serie

Francisco Webber ist Mitgründer und CEO von Cortical.io und Erfinder der firmeneigenen Retina-Technologie. Diese Technologie wendet die Prinzipien der zerebralen Verarbeitung auf Machine Learning und Natural Language Understanding (NLU) an, um reale Anwendungsfälle im Zusammenhang mit großen Textdaten zu lösen. Die Lösungen von Cortical.io basieren auf der tatsächlichen Bedeutung von Texten und nicht auf statistischen Vorkommen.

Franciscos Interesse an Informationstechnologie entwickelte sich während seines Medizinstudiums, als er an der medizinischen Datenverarbeitung beteiligt war. Im Laufe von zwei Jahrzehnten erforschte er Suchtechnologien und Dokumentationssysteme in verschiedenen Kontexten, wurde jedoch zunehmend von den Grenzen der aktuellen statistischen Methoden frustriert.

Im Jahr 2005 gründete er Matrixware Information Services , die die erste standardisierte globale Patentdatenbank entwickelte. Im Jahr 2007 gründete er die Information Retrieval Facility mit dem führenden akademischen Experten für Information Retrieval, Professor Keith van Rijsbergen. Die Einrichtung zielt darauf ab, die Lücke zwischen Wissenschaft und Industrie im Bereich der Information Retrieval zu schließen. Francisco erkannte, dass das Gehirn das einzige existierende Referenzsystem war, wenn es um die Verarbeitung von natürlicher Sprache ging. Während er die Entwicklungen in der Neurowissenschaft genau verfolgte, formulierte er seine Theorie des semantischen Faltens, die modelliert, wie das Gehirn Sprachdaten darstellt.

Was hat Sie ursprünglich dazu bewogen, sich mit Natural Language Understanding (NLU) zu beschäftigen?

Mein Interesse an Informationstechnologie entwickelte sich während meines Medizinstudiums, als ich an der medizinischen Datenverarbeitung beteiligt war. Im Laufe von zwei Jahrzehnten erforschte ich Suchtechnologien und Dokumentationssysteme in verschiedenen Kontexten, wurde jedoch zunehmend von den Grenzen der aktuellen statistischen Methoden frustriert. Ich erkannte, dass das Gehirn das einzige existierende Referenzsystem war, wenn es um die Verarbeitung von natürlicher Sprache ging.

Sie sind sowohl der Gründer als auch der CEO von Cortical.io. Können Sie die Entstehungsgeschichte hinter diesem Unternehmen teilen?

Wir wussten, dass wir eine Technologie hatten, die es Unternehmen ermöglichen würde, schneller, genauer und effektiver zu suchen, Informationen zu extrahieren, zu annotieren und zu analysieren. Unsere auf künstlicher Intelligenz basierende NLU-Technologie konnte ein echter Differenzierungsmerkmal sein, um die Herausforderung der Verarbeitung unstrukturierter Textdaten anzugehen, da sie die Bedeutung von Sätzen, Absätzen und Konzepten versteht, nicht nur Schlüsselwörter, und daher sehr genaue Ergebnisse liefert. Als Branchenführer von dem, was wir hatten, erfuhren, öffnete sich die Tür für uns, um unseren Ansatz unter realen und komplexen Anforderungen zu testen. Dies führte zu zahlreichen Erfolgen bei Fortune-500-Unternehmen. Diese sind zu den Modellen für unsere Vertrags- und Nachrichtenintelligenz-Produkte geworden.

Die Cortical.io-Technologie basiert auf der Theorie des semantischen Faltens (SFT), einer innovativen computergestützten Theorie für die Verarbeitung von Sprachdaten. Was sind einige der aktuellen Grenzen, wie die meisten KI-Ansätze NLU angehen?

Standard-KI- und ML-Ansätze beinhalten den Aufbau großer statistischer Modelle, die mit großen Mengen an Trainingsdaten trainiert werden. Oftmals sind ausreichende Mengen an Trainingsdaten nicht sofort verfügbar, noch haben die Fachexperten die Zeit, große Mengen an Dokumenten zu annotieren. Darüber hinaus erfordert das Training großer Modelle (mit Milliarden von Parametern) enorme Rechenressourcen, was sehr teuer und energieintensiv ist. Ein typisches Sprachmodell verbraucht mehr Energie als fünf Autos über ihre gesamte Lebensdauer!

Die Theorie des semantischen Faltens basiert auf der Theorie des hierarchischen temporalen Gedächtnisses (HTM). Können Sie diese Theorie kurz beschreiben?

Hierarchisches temporales Gedächtnis (HTM) ist eine biologisch determinierte Theorie der Intelligenz, die ursprünglich in Jeff Hawkins’ Buch “On Intelligence” beschrieben wurde. Es ist ein Rahmenwerk für maschinelles Lernen, das streng auf Neurowissenschaft und Physiologie und Interaktion von Neuronen im Gehirn basiert. In dieser Theorie fungiert das Gehirn als Gedächtnissystem, das Muster speichert und auf der Grundlage gespeicherter Muster Vorhersagen über aktuelle Erfahrungen trifft. Um wirklich intelligent zu sein, müssen Maschinen dieses Gedächtnis-Vorhersagesystem nachbilden. Hawkins beschreibt sparse verteilte Repräsentationen als das einzige Datenformat, das vom Neokortex verwendet wird. Die semantischen Fingerabdrücke, die in unserer Technologie verwendet werden, sind sparse verteilte Repräsentationen von Text (Wörtern, Sätzen oder Absätzen).

Können Sie uns erzählen, wie die SFT-Methode im Vergleich zu anderen NLU-Strategien überlegen ist?

Die Theorie des semantischen Faltens, die die Cortical.io-Technologie unterstützt, hat mehrere große Vorteile. Erstens benötigt sie keine riesige Sammlung von Beispieldaten, um genaue Ergebnisse zu liefern. Zweitens ist sie schnell und benötigt weniger Rechenressourcen als die aktuellen maschinellen Lernalgorithmen. Schließlich ist der Trainingsprozess viel einfacher und kann von den Fachexperten, die das System verwenden werden, auch ohne AI-Erfahrung, verwaltet werden.

Eines von Cortical.ios Produkten ist Message Intelligence. Was ist diese Anwendung genau?

Message Intelligence fällt in die Kategorie der sogenannten Intelligenten Dokumentenverarbeitung. Unternehmen sind überfordert von der Verarbeitung einer Vielzahl von Nachrichten und Dokumenten. Message Intelligence ist eine out-of-the-box-Lösung, die die Cortical.io-Technologie nutzt, um wichtige Informationen in diesen Nachrichten und Dokumenten genau zu extrahieren und zu klassifizieren und sie auf Unternehmensebene zu verarbeiten. Aufgrund der patentierten Herangehensweise von Cortical.io können benutzerdefinierte Klassifizierungen in Stunden und Extraktionsmodelle in Tagen entwickelt werden.

Ein weiteres Produkt ist Contract Intelligence. Können Sie uns einige Details darüber teilen?

Cortical.io Contract Intelligence nutzt einen neuen Ansatz für Natural Language Understanding, um relevante Informationen aus großen Mengen an Dokumenten schnell und mit einer Genauigkeit zu analysieren, die aufgrund von manueller Arbeit oder anderen Vertragsanalyse-Tools schwer zu erreichen ist. Die Lösung bietet ein leistungsfähiges, bedeutungsorientiertes Werkzeug, um wichtige Informationen zu extrahieren und zu klassifizieren, innerhalb einzelner Dokumente oder über die gesamte Datenbank zu suchen sowie Dokumente mit einem Template oder früheren Versionen zu vergleichen.

Gibt es noch etwas, das Sie über Cortical.io teilen möchten?

Wir sind begeistert, die Reife von künstlicher Intelligenz und Natural Language Understanding von einer interessanten Technologie zu ihrer Integration in Anwendungen zu sehen, die reale Geschäftsprobleme lösen.

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