Interviews
Humayun Sheikh, CEO von Fetch.ai – Interview-Reihe
Humayun Sheikh ist ein Innovationsunternehmer, ein Gründungsinvestor von DeepMind und CEO von Fetch.ai, einer innovativen Plattform für die Verbindung von IoT-Geräten und Algorithmen, um kollektives Lernen zu ermöglichen. Die Fetch.ai-Architektur basiert auf einem hochleistungsfähigen, sharded Ledger und liefert eine einzigartige Smart-Contract-Fähigkeit, um ML/AI-Lösungen für dezentrales Problem-solving zu bereitstellen.
Wie sind Sie ursprünglich an künstlicher Intelligenz interessiert geworden?
Mein Hintergrund ist Computer-Ingenieurwesen, aber ich habe meine letzten 20 Jahre im Handel mit Rohstoffen verbracht, bei der Entwicklung von ML/AI-Algorithmen für den Markt-Handel, der Vorhersage von Märkten, der Preisvorhersage und der Arbeit mit verschiedenen AI-Projekten, um kommerziell wertvolle Anwendungen von AI zu entwickeln. Ich wurde vor 15 Jahren mit Demis Hasabis von DeepMind bekannt gemacht und ich wurde mehr mit künstlicher Intelligenz in Spielen beschäftigt. Nach DeepMind gründeten mein Mitbegründer Toby Simpson und Thomas Hain Fetch.ai und unser Ansatz seitdem war, etwas aufzubauen, das wir kommerziell verwerten konnten.
Können Sie uns mehr über Ihre Investition in DeepMind erzählen, bevor es später von Google übernommen wurde?
Ich wurde mit Demis Hasabis von DeepMind bekannt gemacht und wir arbeiteten zusammen für 3 bis 4 Jahre. Während meiner Zeit bei DeepMind verfolgten wir Ideen und Wege, um Maschinen dazu zu bringen, sich wie Menschen zu verhalten und zu interagieren. Letztendlich wurde DeepMind an Google verkauft und ist jetzt eine der führenden Organisationen in der künstlichen allgemeinen Intelligenz.
Glauben Sie, dass der Bau einer künstlichen allgemeinen Intelligenz (AGI) noch eine Möglichkeit ist?
Es mag wie eine weit hergeholte Möglichkeit erscheinen, aber wir haben auch vor 20 bis 30 Jahren nicht gedacht, dass AI-Labors wie DeepMind entstehen oder Unternehmen wie Google, Apple, Microsoft, Amazon und Facebook so viel in AI-Forschung investieren würden, einschließlich Neurowissenschaften. Fähigkeitsmäßig sind wir noch weit entfernt von der Erreichung künstlicher allgemeiner Intelligenz und dann gibt es die Frage der Kommerzialisierung. Wenn Google nicht eingeschritten wäre, wären Unternehmen wie DeepMind wahrscheinlich gescheitert. Angesichts der schnellen Rate, mit der AI entwickelt wird, können wir erwarten, einen Wendepunkt zu erreichen, wenn die AI-Forschungsgemeinschaft uns mit der Entwicklung künstlicher allgemeiner Intelligenz überrascht.
Ihr letztes Projekt ist Fetch.ai, können Sie die Entstehungsgeschichte hinter diesem Startup teilen?
Ich und meine Mitbegründer haben die Ideen hinter Fetch.ai viele Jahre lang diskutiert, bevor wir die Technologie-Kombination fanden, die es liefern würde. Wir glauben an eine effizientere, optimierte und dezentralisierte Welt, in der Identität, Wert und Nutzen dem Einzelnen zurückgegeben werden und in der kollektives Wissen allen Nutzern des Netzwerks zur Verfügung steht. Es verwandelt die Welt in Bausteine für aufregende neue Geschäfte. Die Welt ist komplex und ungenutzt: wir vereinfachen sie und machen besseren Gebrauch von dem, was wir haben.
Eines der ersten Fetch.ai-Projekte ist ein blockchain-basiertes AI-Smart-City-Infrastrukturprojekt in München. Können Sie erklären, was dies ist und wie Blockchain und AI einem Fahrer helfen können, einen Parkplatz zu finden?
Die Datarella-Fetch.ai-Smart-City-Feldversuche verwenden Fetch.ai’s AEAs (Autonome Ökonomische Agenten), um Daten freizugeben und intelligente Mobilitätslösungen in Münchens kommerziellen Immobilien zu bieten, für diese Feldversuche haben wir den Connex-Gebäudekomplex in München ausgewählt.
Jeder registrierte Benutzer, der ein regelmäßiger Parkplatznutzer ist, wird motiviert, seinen individuellen Verkehr zum Connex-Bürogebäude zu reduzieren und dafür wird er mit einer bestimmten Anzahl von Tokens pro Minute belohnt, wenn er nicht auf dem Parkplatz parkt. Autonome Agenten werden autonom den “Preis” von Parkplätzen zwischen den Inhabern und den Suchenden verhandeln. Sobald ein Auto oder die damit verbundene Wallet-Adresse als geparkt von der Carpark-AEA registriert wird, hören die Token-Airdrops für diese Wallet auf. Die Anzahl der pro Wallet und Minute belohnten Tokens hängt von der aktuellen Auslastung des Parkplatzes ab.
Das Ziel ist es, die nachhaltige und effiziente Nutzung der Stadtinfrastruktur in München zu unterstützen.
Ein weiteres Projekt in der Pipeline ist das AI-Autonomous-Travel-Agents-Programm. Können Sie erklären, was dies ist?
Fetch.ai’s Autonome AI-Reiseagenten bieten ein dezentralisiertes, multi-agentenbasiertes System, das personalisierte, datenschutzorientierte Reiselösungen bietet. Mit Hilfe von Smart-Contracts und AEA (Autonome Ökonomische Agenten), die die Buchung von Hotelzimmern durch ein direktes Anbieter-Verbraucher-Modell durchführen, möchten wir sicherstellen, dass sowohl Hotels als auch Verbraucher bis zu 10% an Kosten sparen. Darüber hinaus ist unsere Anwendung in Amadeus integriert, das Zugang zu über 770.000 Hotels bietet.
Durch die Bootstrapping zu Amadeus’ Servern können wir den Namen und den Standort eines Hotels sowie andere erforderliche Informationen abrufen, um die Buchung eines Reisenden abzuschließen, ohne eine Online-Reiseagentur oder eine Metasuchmaschine zu verwenden.
Ein Hotelbesitzer kann unsere Anwendung ohne jegliche Einrichtungskosten starten und der Ansatz basiert mehr auf pay-as-you-go. Die Software des Hoteliers wird mit der Software interagieren, die die Verbraucher verwenden, um einzukaufen. Wichtig ist, dass Hoteliers nicht versuchen, ihr gesamtes Inventar auf diesem von künstlicher Intelligenz angetriebenen Kanal zu verkaufen. Es wird ein zusätzlicher Kanal sein, der den aktuellen Mix, den wir in der Hotelbranche sehen, ergänzt.
Die Anwendung der autonomen AI-Reiseagenten, die von Fetch.ai entwickelt wurde, soll nicht dazu dienen, bestehende Systeme vollständig zu ersetzen, sondern eher zu ergänzen. Sie funktioniert sicher, nicht-destruktiv und parallel zu bestehenden Beziehungen, die Hotels möglicherweise haben. Sie bietet eine alternative Methode, um Buchungen vorzunehmen: eine, bei der der Kunde und das Hotel direkt miteinander verhandeln und eine, bei der ein personalisierteres, besseres Wert-Erlebnis geliefert werden kann.
Werden Sie mit OTAs (Online-Reiseagenturen) zusammenarbeiten, wenn nicht, wie werden Sie verschiedene Hotels aufnehmen?
Nein, wir werden nicht mit OTAs zusammenarbeiten. Wir werden es Hoteliers ermöglichen, sich auf einer Software für Hoteliers zu registrieren und ab dem zweiten Quartal 2021 auf das Fetch.ai-Netzwerk zuzugreifen, wenn wir die Anwendungssuite starten.
Welche Arten von Machine-Learning-Algorithmen werden in diesen Anwendungen verwendet?
Wir können hier nicht viele Details preisgeben, außer der ML, die indirekt mit anderen Fetch-Technologien im Zusammenhang mit Suche und Entdeckung verwendet wird. Natürliche Sprachinterfaces und kontinuierliches Lernen dessen, was für eine gegebene Agentensammlung geeignet ist (was unter anderem Reinforcement Learning und RNNs beinhaltet), sind ein wichtiger Teil davon. Aber es wird mehr geben!
Gibt es noch etwas, das Sie über Fetch.ai teilen möchten?
Wir möchten unseren Fokus auf die Erstellung von Anwendungen, Produkt-Suiten mit Wert für unsere Gemeinschaft, unsere Partner, beibehalten und dies auf öffentlich sichtbare Weise tun, damit unsere Gemeinschaft unsere Erfolge teilen kann. Dies schafft Wert, Nutzen und das Wachstum unserer Gemeinschaft. Darüber hinaus können Benutzer durch die Investition in den FET-Token, das Rückgrat des Fetch-Ökosystems, involviert werden. Es ist erforderlich, um autonome ökonomische Agenten zu finden, zu erstellen, zu bereitstellen und zu trainieren, und es ist unerlässlich für Smart-Contracts, Orakel und die Transaktionen, die erforderlich sind, um die neue digitale Wirtschaft zu liefern.
Und sie können immer mit uns über unsere sozialen Kanäle interagieren:
Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, können unsere sozialen Medien oder die Fetch.ai-Website besuchen.
