Marc Sloan, Co-Founder & CEO von Scout – Interview-Serie

Marc Sloan ist der Co-Founder und CEO von Scout, dem weltweit ersten Web-Browser-Chatbot, einem digitalen Assistenten für die Erledigung von Aufgaben im Internet. Scout schlägt nützliche Dinge vor, die es für Sie tun kann, basierend auf dem, was Sie online tun.

Was hat Sie ursprünglich zur KI hingezogen?

Meine erste Erfahrung mit der Arbeit an KI war während eines Gap-Jahres, das ich im Forschungsteam für natürliche Sprachverarbeitung bei GCHQ verbrachte, während meines Bachelor-Studiums. Ich konnte hautnah erleben, wie groß der Einfluss des maschinellen Lernens auf reale Probleme sein kann und welchen Unterschied es machen kann.

Es hat einen Schalter in meinem Kopf umgelegt, wie Computer verwendet werden können, um Probleme zu lösen: Software-Engineering lehrt Sie, Programme zu erstellen, die Daten verarbeiten und Ergebnisse liefern, aber maschinelles Lernen ermöglicht es Ihnen, Daten zu verwenden, um die Ergebnisse zu beschreiben, die Sie produzieren möchten, und so ein Programm zu erstellen. Das bedeutet, dass Sie dasselbe Framework verwenden können, um Tausende von verschiedenen Problemen zu lösen. Für mich fühlte sich das viel einflussreicher an, als wenn ich ein Programm für jedes Problem schreiben müsste.

Ich studierte bereits Optimierungsprobleme in der Mathematik neben Informatik, also konzentrierte ich mich nach meiner Rückkehr an die Universität auf KI und schloss meine Dissertation über Sprachverarbeitung ab, bevor ich mich für einen PhD in Information Retrieval an der UCL bewarb.

Sie haben sich mit dem Reinforcement Learning in der Web-Suche unter der Aufsicht von David Silver, dem Gründer von AlphaGo, beschäftigt. Können Sie einige Aspekte dieser Forschung erläutern?

Meine Promotion behandelte das Thema des Einsatzes von Reinforcement Learning bei Lernalgorithmen in der Informationsbeschaffung, einem Feld, das ich half, zu schaffen, und das als Dynamic Information Retrieval bezeichnet wird. Ich wurde von Prof. Jun Wang und Prof. David Silver betreut, die beide Experten auf dem Gebiet des agentenbasierten Reinforcement Learning sind.

Unsere Forschung untersuchte, wie Suchmaschinen aus Benutzerverhalten lernen können, um Suchergebnisse autonom über die Zeit zu verbessern. Mit einem Multi-Armed-Bandit-Ansatz versuchte unser System unterschiedliche Suchrankings und sammelte Klickverhalten, um zu bestimmen, ob sie effektiv waren oder nicht. Es konnte sich auch an einzelne Benutzer über die Zeit anpassen und war besonders effektiv bei der Behandlung mehrdeutiger Suchanfragen. Zu dieser Zeit konzentrierte sich David tief auf das Go-Problem und half mir, die geeignete Reinforcement-Learning-Einrichtung von Zuständen und Wertfunktionen für dieses spezielle Problem zu bestimmen.

Welche unternehmerischen Lektionen haben Sie aus der Arbeit mit David Silver gelernt?

Forschung an der UCL ist oft unternehmerisch. David hatte zuvor Elixir Studios mit Demis Hassabis gegründet und dann DeepMind, um an AlphaGo zu arbeiten. Andere Mitglieder unserer Media-Futures-Forschungsgruppe haben auch verschiedene Start-ups gegründet: Jun gründete Mediagamma (Reinforcement Learning für Online-Werbeausgaben), Simon Chan startete prediction.io (erworben von Salesforce ) und Jagadeesh Gorla gründete Jaggu (Empfehlungsdienst für E-Commerce). Unsere Gruppe diskutierte oft über die kommerzielle Auswirkung unserer Forschung, denke ich, vielleicht weil die UCL-Basis in London einen natürlichen Ausgangspunkt für die Gründung eines Unternehmens darstellt.

Sie haben kürzlich Scout, den weltweit ersten Web-Browser-Chatbot, gestartet. Was war die Inspiration hinter der Gründung von Scout?

Die Idee entwickelte sich natürlich aus meiner Promotion. Ich ging direkt von der Fertigstellung meiner Promotion zu Entrepreneur First, wo ich begann, über die Möglichkeiten nachzudenken, wie ich meine Forschung in ein Produkt umsetzen konnte.

Bevor ich dies tat, absolvierte ich ein Praktikum bei Microsoft (MSFT ) Research, wo ich meine Forschung auf Bing anwendete. Zu dieser Zeit erkannte ich, dass die Informationsfindung auf der Grundlage des Online-Verhaltens der Benutzer vorhergesagt werden kann. Ich wurde jedoch frustriert, dass die einzige Möglichkeit, diese Vorhersagen in einer Suchmaschine zu nutzen, darin bestand, die Auto-Vervollständigung zu verbessern. Also begann ich, über die Möglichkeiten nachzudenken, wie die gesamte Online-Erfahrung des Benutzers mithilfe dieser Vorhersagen verbessert werden kann, und nicht nur die Sucherfahrung.

Es war diese Überlegung, die mich und meinen neuen Mitgründer bei Entrepreneur First dazu brachte, ein Browser-Add-on zu erstellen, das das Benutzerverhalten beobachtet, vorhersagt, welche Informationen der Benutzer online benötigen wird, und sie für ihn abruft. Nach einigen Jahren der Experimente und Prototypen entwickelte sich dies zu einer Chatbot-Schnittstelle, bei der der Browser mit Ihnen über das spricht, was Sie online tun, und versucht, Ihnen auf dem Weg zu helfen.

Mit welchen Web-Browsern wird Scout kompatibel sein?

Wir konzentrieren uns derzeit auf Chrome, da es der beliebteste Web-Browser ist und eine ausgereifte Add-on-Architektur hat, aber wir haben auch Prototypen, die auf Firefox und Safari funktionieren, und sogar eine mobile App.

Die Funktion des Scout-Einkaufsassistenzsounds, als ob sie den Benutzern sowohl Zeit als auch Geld sparen könnte. Angenommen, jemand recherchiert ein Produkt auf Amazon (AMZN ), was passiert im Hintergrund, und wie interagiert Scout mit dem Benutzer?

Die Idee ist, dass Sie, sobald Sie Scout installiert haben, einfach weiterhin das Web wie gewohnt nutzen. Wenn Sie einkaufen, besuchen Sie vielleicht Amazon, um Produkte anzusehen. Zu diesem Zeitpunkt erkennt Scout, dass Sie auf Amazon einkaufen, und das Produkt, das Sie ansehen, und es sagt “Hallo”. Es erscheint als Chat-Widget auf der Webseite, ähnlich wie Intercom, aber Scout kann auf potenziell jeder Webseite erscheinen. Sie können sehen, wie es auf meiner Website aussieht.

Da Sie einkaufen, beginnt es, Möglichkeiten vorzuschlagen, wie es Ihnen helfen kann. Es fragt Sie, ob Sie Bewertungen online sehen, andere Preise, YouTube-Videos des Produkts und mehr möchten. Sie interagieren, indem Sie Buttons drücken, und der Chatbot passt die Erfahrung an das an, was Sie möchten, dass er tut. Wenn er Informationen findet (wie ein YouTube-Video), wird es in den Chat-Thread eingebettet, ähnlich wie ein Freund, der Ihnen Medien über WhatsApp teilt. Im Laufe der Zeit entwickeln Sie ein Gespräch mit dem Browser über das, was Sie online tun, und der Browser hilft Ihnen auf dem Weg.

Die Verarbeitung der Webseite erfolgt innerhalb des Browsers selbst. Unsere Backend sieht nur den Chat-Thread, was bedeutet, dass die Datenschutzimplikationen minimal sind.

Wir haben eine maßgeschneiderte Architektur für das Verständnis des Online-Browser-Verhaltens und das Management von Dialogen mit dem Benutzer. Wir verwenden maschinelles Lernen, um zu bestimmen, welche Aufgaben wir online unterstützen können und wie wir dies tun sollten. Ursprünglich verwendeten wir Reinforcement Learning, um uns an die Benutzervorlieben über die Zeit anzupassen. Allerdings ist eine der größten Lektionen, die ich als Gründer eines KI-Startups gelernt habe, dass man Prozesse einfach halten und maschinelles Lernen nur verwenden sollte, um einen bestehenden Prozess zu optimieren. Stattdessen haben wir jetzt eine fortschrittliche Regelmotorik für die Aufgabenverwaltung über die Zeit, die von Reinforcement Learning gesteuert werden kann, wenn wir skaliert werden müssen.

Welche Beispiele gibt es dafür, wie Scout den Endbenutzern bei der Veranstaltungsplanung helfen kann?

Wir haben erkannt, dass die Veranstaltungsplanung (und die Reisebuchung) nicht so unterschiedlich sind wie das Online-Einkaufen. Sie suchen immer noch nach Produkten, lesen Bewertungen und verpflichten sich zum Kauf/Teilnehmen. Also gilt ein Großteil dessen, was wir für den Einkauf entwickelt haben, auch hier.

Der größte Unterschied besteht darin, dass Zeit und Ort jetzt wichtig sind. Wenn Sie also nach Konzerttickets auf Ticketmaster suchen, kann Scout die Adresse der Veranstaltung erkennen und Ihnen vorschlagen, die Anfahrt von Ihrem aktuellen Standort dorthin zu finden, den Preis für ein Uber zu ermitteln oder zu empfehlen, um welche Uhrzeit Sie losfahren sollten. Wenn Sie Scout mit Ihrem Kalender verknüpft haben, kann Scout überprüfen, ob Sie zum Zeitpunkt der Veranstaltung verfügbar sind, und es Ihrem Kalender hinzufügen.

In Zukunft erwarten wir, dass Scout-Benutzer in der Lage sein werden, über die Plattform mit ihren Freunden über die Dinge zu kommunizieren, die sie online tun, wie z.B. Veranstaltungsplanung, Einkaufen, Arbeit usw.

Dialog-Auslöser werden verwendet, damit Scout die Kommunikation initiiert. Was sind einige dieser Auslöser?

Standardmäßig stört Scout Sie nicht, es sei denn, es trifft auf einen Auslöser, der ihm sagt, dass Sie möglicherweise Hilfe benötigen. Es gibt mehrere Arten von Auslösern:

• Der Besuch einer bestimmten Website.
• Der Besuch einer bestimmten Art von Website (z.B. Nachrichten, Einkaufen usw.).
• Der Besuch einer Website mit einer bestimmten Art von Informationen (z.B. einer Adresse, eines Videos usw.).
• Das Klicken auf Links oder Buttons auf Webseiten.
• Die Interaktion mit Scout durch das Drücken von Buttons
• Das Abrufen bestimmter Arten von Medien wie Videos, Musik, Tweets usw. durch Scout

Wir planen, es den Benutzern zu ermöglichen, die Art von Auslösern, auf die Scout reagiert, fein zu justieren, und letztendlich ihre Präferenz automatisch zu lernen.

Können Sie einige der Schwierigkeiten erläutern, die mit der Gewährleistung verbunden sind, dass Scout tatsächlich hilfreich ist, wenn es sich entscheidet, mit einem Benutzer zu interagieren, ohne ihn zu belästigen?

Wir nehmen die Benutzerbeteiligung sehr ernst und versuchen, zu messen, ob Interaktionen zu positiven oder negativen Ergebnissen führten. Wir versuchen, ein gutes Verhältnis dafür zu halten, wie oft Scout versucht, ein Gespräch zu beginnen, und wie oft es verwendet wird. Es ist jedoch ein schwieriges Gleichgewicht, das richtig zu treffen ist, und wir versuchen ständig, es zu verbessern.

Da dieses Produkt von Natur aus einschüchternd ist, ist es entscheidend, die Schnittstelle und das Benutzererlebnis richtig zu gestalten. Wir haben viel Zeit damit verbracht, völlig unterschiedliche Schnittstellen und Benutzerinteraktionsmethoden auszuprobieren. Diese Arbeit hat uns zur aktuellen Chatbot-Schnittstelle geführt, die uns die größte Flexibilität bietet, um Hilfe zu leisten, verbunden mit der Vertrautheit des Benutzers und minimalem Benutzeraufwand für Interaktionen.

Können Sie weitere Szenarien nennen, in denen Scout den Endbenutzern helfen kann?

Unser Fokus liegt derzeit darin, bestimmte Anwendungen für Scout zu testen. Einkaufen und Veranstaltungsplanung wurden bereits erwähnt, aber wir untersuchen auch, wie Scout Wissenschaftlern (bei der Suche nach Forschungsarbeiten, Autoreninformationen und Zitierungen) und sogar Gitarristen (bei der Suche nach Gitarren-Noten, Musik und Videos neben den Noten online und bei der Einstellung einer Gitarre) helfen kann. Wir haben auch Zeit damit verbracht, professionelle Szenarien wie Online-Rekrutierung, Finanzanalyse und Recht zu erkunden.

Letztendlich kann Scout potenziell auf jeder Website funktionieren und in jedem Szenario helfen, was die Technologie unglaublich aufregend macht, aber auch schwierig zu starten.

Gibt es noch etwas anderes, das Sie über Scout teilen möchten?

Wenn Sie sehen möchten, wie es wäre, wenn Ihr Browser mit Ihnen sprechen könnte, können Sie mehr auf dem Scout-Blog lesen.

Vielen Dank für die faszinierende Darstellung der Entwicklung eines einheitlichen Chatbot-Typs. Wir freuen uns darauf, diesem Projekt zu folgen. Bitte besuchen Sie die Website von Marc Sloan, um mehr zu erfahren.