James Kaplan, Co-Founder & CEO von MeetKai – Interview-Serie

James Kaplan ist der Co-Founder und CEO von MeetKai, einem KI-Assistenten, der das Leben durch Konversation, Personalisierung und Kuratierung einfacher macht.

Sie haben mit dem Programmieren begonnen, als Sie erst sechs Jahre alt waren. Was hat Sie ursprünglich für das Codieren begeistert, und welche Sprachen haben Sie gelernt?

Der Anstoß war das Oregon-Trail-Spiel, das für Windows 95 entwickelt wurde. Ich war süchtig und spielte es jeden Tag nach der Schule. Ich war in der ersten Klasse, also gab es nicht viel anderes zu tun! Ich begann, über alle Dinge nachzudenken, die ich am Spiel ändern wollte. Als ich jünger war, kaufte ich ein Exemplar von “Game Programming for Teens”, einem grundlegenden Programmierbuch in einem lokalen Buchladen. Ich war sofort davon angezogen und vergaß schnell meine ursprünglichen Oregon-Trail-Motivationen. Aber ich liebte immer Spiele, und sie dienten als meine Motivation, neue Programmiersprachen zu lernen. In den nächsten Jahren lernte ich Visual Basic, als ich versuchte, einen Bot für NeoPets zu schreiben (es funktionierte) und dann PHP, als ich 12 Jahre alt war, um dynamische Websites zu erstellen. Selbst damals war meine Motivation für das Lernen von PHP, Geld zu verdienen, um Videospiele zu kaufen.

Ihre vorherige Unternehmung war die Leitung eines KI-basierten Hedgefonds. Was haben Sie aus dieser Erfahrung gelernt?

Meine größte Erkenntnis war, die Vorstellung aufzugeben, dass man nicht mit Riesen in einem überfüllten Raum konkurrieren kann. Es kann sehr verlockend sein, zu denken, dass in der Finanzwelt alles Profitable bereits von einem großen Spieler abgedeckt wurde. Ich erkannte jedoch schnell, dass man seine Konkurrenten nicht überschätzen sollte. Faulheit und organisatorische Trägheit verhindern neue Ideen. Manchmal kann eine Idee oder Kampagne auch zu spezifisch für ein größeres Unternehmen sein. Überraschenderweise können sie auch denken, dass etwas zu riskant ist, um es zu entwickeln, also lohnt es sich nicht, außerhalb ihrer Komfortzone zu gehen.

Können Sie die Entstehungsgeschichte hinter der Lancierung des MeetKai-KI-Assistenten teilen?

Ich war müde von der Finanzwelt. Alles musste in Bezug auf Sharpe-Verhältnis und PnLs gemessen werden. Das nahm viel von der Freude an der Technologie und war weit entfernt von dem, was mich ursprünglich auf den Weg des Programmierens gebracht hatte. Ende 2018 sprach ich mit Weili Dai, dem Co-Founder von MeetKai, über das, was ich in der Technologie-Landschaft im Allgemeinen sah. Eine meiner Hauptbeobachtungen war, dass der Bereich der Sprachassistenten stagnierte. Alle Schlüsselspieler hielten an alten Ansätzen fest, und die Benutzer profitierten nicht von der Technologie. Niemand war bereit, neue Ansätze auszuprobieren, “da dies nicht so ist, wie X es macht”. Es gab keine Differenzierung. Wenn ich von vorne beginnen und alle (oder fast alle) vorherigen Vorstellungen von “wie man einen Sprachassistenten baut” aufgeben würde, könnte ich die Benutzererfahrung grundlegend ändern. Wir begannen, einen echten KI-Assistenten zu bauen, anstatt einen sprachgesteuerten Chatbot. Die Lektionen, die ich in meiner vorherigen Unternehmung gelernt hatte, kombiniert mit Weilis Mentoring, führten uns dazu, MeetKai zu gründen.

Was sind einige der Herausforderungen beim Aufbau eines KI-Assistenten?

Es gibt zwei Klassen von Problemen beim Aufbau eines echten KI-Assistenten – Benutzererwartungen und technische Umsetzung. Das erste Problem wird übersehen, aber es ist anwendbar auf MeetKai. Benutzer werden trainiert, was in Bezug auf einen Sprachassistenten in und außerhalb der Grenzen liegt. Insbesondere nehmen sie an, dass sie in einer kommandoorientierten Weise suchen müssen. Wir arbeiten daran, Benutzer zu trainieren, in natürlicher Sprache zu suchen. Das ermöglicht viel reichere Arten von Fähigkeiten, wie z.B. die Verwendung von Negationen “Finden Sie mir einen Dwayne ‘The Rock’ Johnson-Film, der nicht Moana ist”. Wir können das problemlos in der alltäglichen Sprache handhaben, aber aktuelle Sprachassistenten schaffen es nicht, uns zu antworten.

Wie nutzt MeetKai personalisierte KI, um sich zu differenzieren?

Wir nutzen personalisierte KI in zwei unterschiedlichen Bereichen – Verständnis und Suche.

Wenn ein Benutzer sagt: “Können Sie mir etwas Chinesisches für heute Abend finden?”, könnte das bedeuten, dass er ein chinesisches Rezept, ein chinesisches Restaurant oder einen chinesischen Film zum Ansehen sucht. Mit unserem personalisierten, tiefen Verständnis können wir die Bedeutung aufklären und dem Benutzer ein Ergebnis liefern, das er erwartet. All dies geschieht, ohne dass seine Daten jemals unsere Plattform verlassen müssen.

Was sind einige Anwendungsfälle für MeetKai?

MeetKais Ziel ist es, der erste KI-Concierge zu sein. Wir möchten Benutzern in ihrem Alltag helfen. Wir möchten keinen kommandoorientierten Assistenten sein. Wir unterstützen keine Funktionen wie “Lautstärke hoch”, “Lautstärke runter”, “30-Sekunden-Timer”,… Sie verstehen, worauf ich hinauswill. Ich bin fest davon überzeugt, dass diese Funktionen kein KI sind, sondern nur sprachgesteuerte Eingaben. Wenn Sie an die Tage von AskJeeves zurückdenken, war die gesamte Idee, dass es Ihr Butler war, niemand würde jemals Google Assistant anthropomorphisieren. So sehr wie Apple Siri oder Amazon (AMZN ) Alexa es auch versuchen, denkt niemand an sie als etwas anderes als eine App. Wir sind noch in unseren Anfängen, aber wir haben alle notwendige Technologie aufgebaut, um unsere drei- bis fünfjährige Roadmap für einen echten KI-Assistenten umzusetzen.

Wie kann die Branche verhindern, dass ein KI-Assistent Vorurteile einführt oder bestehende Vorurteile bei einem Benutzer verstärkt?

Es gibt ein feines Gleichgewicht zwischen der Bereitstellung personalisierter Ergebnisse und der Vermeidung von Vorurteilen. Wir haben gesehen, was passiert, wenn Forscher Engagement-Messungen auf sozialen Medien-Plattformen optimieren – es schafft Vorurteils-Blasen. Der erste Schritt in dieser Richtung als Branche ist, unsere Metriken und KPIs neu zu bewerten. Bei MeetKai optimieren wir für ein Gleichgewicht zwischen Klickdurchsatz und Neuheit des Klicks. Der KI sollte viel mehr für das Finden eines neuen Ergebnisses belohnt werden, das in 30% der Fälle angeklickt wird, anstatt nur das “Top”-Ergebnis, das in 50% der Fälle angeklickt wird. Dieser Ansatz hat jedoch einen ziemlich offensichtlichen Nachteil bei näherer Betrachtung. Was, wenn die Ergebnisse, die der KI findet, einfach voreingenommene Ergebnisse für die kleine Blase des Benutzers sind? Wir bauen unseren KI so, dass er in beide Richtungen der Personalisierungszone des Benutzers drängt. Wenn ein Benutzer nach einer Liste von Artikeln über Rindfleisch fragt, präsentieren wir ihm nicht nur Artikel, die seinen Überzeugungen entsprechen, sondern auch Artikel, die am Rande oder leicht außerhalb seines Vorliegens liegen. Dies kann einen Artikel über Tierethik und Klimawandel sowie einen Artikel über die potenziellen gesundheitlichen Vorteile von tierischen Fetten umfassen. Die technische Intuition für den Ansatz, den wir gewählt haben, wurzelt in der Erkenntnis, dass es schwierig ist, KI zu trainieren, um zu bestimmen, ob Y voreingenommen ist, aber es ist viel einfacher, KI zu trainieren, um zu wissen, dass X und Z am Rande der gleichen Zone wie Y liegen.

Wo sehen Sie die Zukunft für KI-Assistenten in 5 oder 10 Jahren?

KI-Assistenten werden immer mehr auf den ersten Ansatz umsteigen, den MeetKai gewählt hat. Für die gesamte Existenz ihres Lebens haben Alexa und Google versucht, ein Ökosystem von Drittanbieter-Erweiterungen und Fähigkeiten zu kultivieren. Dies führt zu ernsthaften Problemen bei der Privatsphäre. Darüber hinaus sagt dies nichts über die Obergrenzen aus, die es für Fähigkeiten setzt. Ich erwarte, dass mehr Branchenakteure den gleichen Ansatz wie wir wählen werden, und es gibt Anzeichen dafür überall.

Vielen Dank für das großartige Interview. Leser, die mehr über diesen personalisierten KI-Assistenten erfahren möchten, sollten MeetKai besuchen: MeetKai.