Richard Boyd, Mitgründer und CEO von Tanjo Inc – Interview-Serie

Richard Boyd ist ein Unternehmer, Autor und Redner auf einer Reihe von Themen, von Bildung bis Gesundheitswesen, virtuellen Welten, Computer-Gaming, maschinellem Lernen und menschlichem/computer-gestützten Schnittstellen. Über drei Jahrzehnte hinweg hat Richard einige der innovativsten Technologieunternehmen und -dienstleistungen in verschiedenen Branchen geleitet oder mitgegründet, darunter die Gründung und Leitung von vier Unternehmen in der Forschungsregion Triangle Park in North Carolina. Richard verkaufte sein letztes Unternehmen an Lockheed Martin (LMT ) und blieb als Direktor des Virtual World Labs tätig.

Richard ist Mitgründer und CEO des Unternehmens für künstliche Intelligenz und maschinelles Lernen Tanjo Inc, das in der Forschungsregion Triangle Park in North Carolina ansässig ist.

Sie haben seit den 90er Jahren an VR gearbeitet und 2001 3Dsolve mitgegründet. Was waren einige der ersten Projekte, an denen 3Dsolve gearbeitet hat?

Das wichtigste erste Projekt für 3dsolve war die Unterstützung des US-Army-Trainings- und Doktrin-Kommandos (TRADOC), um zu lernen, wie man Simulationen für kleine taktische Operationen nutzt. Wir erstellten den ersten “Level-4-Interaktionskurs” (IMI) für die Armee, der die Validierung von TRADOC bestand. Im Wesentlichen handelte es sich dabei um die Nutzung des Wertes von “sicheren Übungen in einer vollständig simulierten 3D-Umgebung für Bodentruppen” Der erste Kurs umfasste über 100 Stunden Unterricht in einer kollaborativen Simulation einer 3D-Spielwelt für die 25B10-Militärfachrichtung für Kommunikation.

Wir schickten zu dieser Zeit Soldaten nach Afghanistan und Irak und trainierten sie, in digitalen taktischen Operationseinheiten (DTOCs) zu arbeiten, obwohl wir in den USA keine DTOCs hatten, um sie zu trainieren. 3Dsolve reiste nach Fort Hood, Fort Gordon und verschiedenen anderen Einrichtungen, um Ausrüstung zu finden, sich mit Fachleuten zu treffen und virtuelle DTOCs zu erstellen, in denen Soldaten trainieren konnten. Die Validierungsergebnisse zeigten, dass Soldaten, die mit dieser Methode trainiert wurden, in kürzerer Zeit und mit einem höheren Wissensgrad (und Klassenbestehensquoten) ausgebildet wurden als mit herkömmlichen Klassenmethoden. Ich denke, dass dies der Beginn der Serious-Games-Industrie war.

Ich war auch Mitglied des ADL-Beirats (Advanced Distributed Learning), wo die Standards für wiederverwendbare Lerninhalte erstellt wurden. Ich arbeitete mit Phillip Dodds an 3D-Standards für SCORM (Shareable Content Object Reference Model). Eine Randbemerkung: Phillip war der Mann, der in dem Spielberg-Film “Unheimliche Begegnung der dritten Art” die Orgel spielte.

Ich war auch Mitglied eines anderen internationalen Standards-Gremiums namens 3DIF, das von Intel (INTC ) und Boeing geleitet wurde, wo wir einen internationalen ECMA-Standard mit demselben Namen für 3D-Austauschformate erstellten. Die Idee war, den gesamten Wert in den 3D-CAD-Modellen, die für alles auf der Welt erstellt wurden, zu erfassen und ihn für den Einsatz in Serious Games und 3D-technischen Dokumenten umzusetzen. Es lebt in Adobe Acrobat und anderen Plattformen weiter.

Wir arbeiteten weiter an Headsets und verschiedenen VR-Peripheriegeräten und kollaborierten mit Branchenpionieren wie Warren Robinett, Dr. Fred Brooks, Alan Kay und anderen. Mein Mitgründer David Smith erstellte zusammen mit Alan Kay eine komplette Open-Source-Plattform namens OpenCroquet, die noch heute existiert.

Wie hat sich Ihr Leben nach dem Erwerb von 3Dsolve durch Lockheed Martin im Jahr 2007 verändert?

Eines der anderen bahnbrechenden Projekte, an denen wir bei 3Dsolve gearbeitet haben und die Lockheed dazu veranlassten, uns zu kaufen, war eine Simulation eines gesamten U-Boots der Los-Angeles-Klasse. Zu dieser Zeit stellte die Marine noch ganze Schiffe für die Ausbildung bereit. Wir haben die Idee der “Total Ship Simulation” entwickelt, bei der das gesamte U-Boot in einer Mehrspieler-Spielumgebung nachgebildet wird. Wir verwendeten die Unreal-Engine von Epic Games und revolutionierten die Ausbildung für diese Schiffe. Bei Lockheed erstellten wir Simulationen von Zerstörern, dem Littoral Combat Ship sowie aller Unter-systeme.

Es war anfangs eine Herausforderung, sich von einem Gaming-Technologie-Unternehmen an die zusätzlichen Kontroll- und Berichterstattungsebenen anzupassen, die in einem 100-jährigen Verteidigungsunternehmen wie Lockheed Martin erforderlich sind. Wir lernten, unsere eigene Realität zu schaffen. Ich gründete eine informelle Organisation namens Virtual World Labs und modellierte sie nach dem berühmten LM Skunkworks in Kalifornien. Tatsächlich wurde Skunkworks ein Mitglied von VWL. Wir lernten im ersten Jahr, dass wir jedes Mal, wenn wir ein Patentvorschlag einreichten, einen Scheck erhielten, und einen weiteren, wenn es genehmigt wurde. Also wurde dies unser Anreizprogramm. Wir saßen herum und erfanden Dinge in AR, VR und KI. Bis zum Ende meiner fünfjährigen Amtszeit dort hatten wir über 100 Patentanträge in einer kleinen Gruppe von etwa 40 Personen anhäufend.

Eines der unterhaltsamsten und relevantesten Programme war die Erstellung des DOD-Virtual-World-Frameworks. Wir hatten an mehreren großen gemeinsamen Kriegsspielen teilgenommen und die Frustration über die mangelnde Interoperabilität zwischen proprietären Systemen gesehen, die in diesen großen Live-, konstruktiven und virtuellen Simulationen zusammenarbeiten mussten. Unsere erste Reaktion war, dass dies ein gelöstes Problem war… Es heißt Internet! Wenn die Beschaffungsgemeinschaft alle dazu bringen könnte, Webdienste zu verwenden, könnten wir bessere integrierte Trainingsysteme aufbauen. Und WebGL hatte gerade die Prüfung durch das World Wide Web Consortium bestanden. Die Zeit war gekommen, um das Geschäft wie üblich auf den Kopf zu stellen. Das Pentagon veröffentlichte eine Ausschreibung für einen “gemeinsamen virtuellen Welt-Rahmen” für integrierte Simulation. Der Leiter dieses Programms im Pentagon war ein kreativer ehemaliger Air-Force-Pilot namens Frank Digiovanni. Wir nannten ihn D9. Er erinnert mich an die Geschichten von Col John Boyd, der die kreative Zerstörung unserer Kampfjet-Programme und die Denkweise in der Air Force vorantrieb.

Das Problem war, dass D9 seinem Beschaffungsteam ausdrücklich sagte, dass er “keine Lockmart-ähnlichen Unternehmen” für den Bau dieses neuen Rahmens wollte. Aber David und ich gingen mit der üblichen Liste von etwa 17 Anbietern, die auf das Programm boten, und gewannen es. Wir lernten später, dass alle anderen mit einem proprietären Lösungsvorschlag auftraten und versuchten, die Regierung dazu zu bringen, es zu übernehmen. Wir traten mit nichts auf, sagten aber, dass die Lösung für dieses tiefere Problem in der Architektur des Internets liegt. Wir sagten, wir könnten es in einigen Monaten entwerfen und in sechs Monaten ein funktionierendes Prototyp haben. Wir sagten auch, es sollte Open-Source sein. Wir gewannen “hands down slam dunk” laut D9, weil unser Ansatz so frisch und anders und “außerhalb der Box” war.

Als ich nach Orlando zurückkehrte, um die Führung unseres Lockheed-Martin-Teils über diesen neuen Gewinn zu informieren, wurde ich ein bisschen auf den Teppich gerufen. Man gratulierte mir, fragte aber dann nach dem Open-Source-Teil. “Was bedeutet das für unser bestehendes konstruktives Simulationsgeschäft?” fragten sie. Meine Antwort: “Es wird es vollständig stören.” Es gab eine Pause, dann die unvermeidliche Frage: “Wie werden wir also Geld verdienen? Was ist das Geschäftsmodell?” Meine Antwort: “Die Geschäftsmodelle werden Legion sein.” Ich genieße noch immer die verwirrten Stirnrunzeln, die diese Antwort hervorrief. Ich ging durch alle Möglichkeiten, wie Red Hat es geschafft hat, ein multibillionenschweres Unternehmen auf dem Rücken freier Software aufzubauen, aber ich denke nicht, dass sie jemals wirklich mit der Störung komfortabel wurden.

Mein Titel zu dieser Zeit war Direktor für aufkommende und disruptive Technologie sowie Chefarchitekt von Virtual World Labs. Ich arbeitete das nächste Jahr daran, Lockheed dazu zu bringen, mehr Selbststörung und Schumpetersche kreative Zerstörung zu akzeptieren. Ich beschrieb die Innovation in großen Organisationen wie Lockheed als ähnlich wie eine Geburt. Die Leute lieben die Idee, Kinder zu haben. Es ist gut für die Gesellschaft und sehr lohnend. Kinder sind unsere Zukunft. Aber durch die falsche Linse können Kinder auch als Parasiten angesehen werden. Beginnend damit, dass sie sich im Mutterleib festsetzen, beginnen sie, Ressourcen wegzunehmen. Wenn es nicht für die schützenden Bedingungen des Mutterleibs wäre, würden die Antikörper der Mutter herauskommen und das Baby zerstören. Innovation in Lockheed war wie das. Jeder will und spricht über Innovation, aber niemand will seine Ressourcen dafür opfern, wenn die Auszahlung so weit entfernt ist. (Siehe meine Whiteboard-Animation darüber, wie Innovation wie eine Geburt ist.)

Während Ihrer Zeit bei Lockheed Martin haben Sie an einem Patent gearbeitet, das wie etwas aus einem Science-Fiction-Film klingt, dem Holodeck. Was ist genau das Holodeck?

2009 wurde ich von James Cameron nach Los Angeles eingeladen, während der Produktion seines Films “Avatar”. Wir hatten zuvor mit Jim gearbeitet (an “The Abyss”) und er wollte mir seine neue 3D-Kamera zeigen, die er mit Vince Pace (den wir von “The Abyss” kannten) erfunden hatte. Aber das, was mich wirklich faszinierte, war die virtuelle Kulisse im großen Hughes-Flugzeughangar. Ich verbrachte viel Zeit dort mit einem kleinen Flachbildschirm und erkundete die virtuelle Welt von Pandora. Ich schrieb darüber für das Armed Forces Journal und konzipierte mit David Smith die Idee, einen großen virtuellen Trainingskampfplatz in der Größe eines Fußballfeldes zu bauen. Zu dieser Zeit arbeiteten wir an einem Programm namens Future Immersive Training Environment (FITE) für die Marine. In diesem Programm trug der Marine-Soldat einen Laptop auf dem Rücken und den Head-Mount. All diese zusätzliche Ausrüstung verursachte einige Bedenken hinsichtlich negativer Ausbildung. Ich werde nie vergessen, dass der erste Sergeant, der es anzog, sagte: “Wir müssen so trainieren, wie wir kämpfen, richtig?” und dann auf den Boden fiel und rollte, wodurch alle Elektronik zu nutzlosen Stücken zerschlagen wurde. Das Holodeck-Konzept war eher wie James Camerons Volumen für die Filmaufnahmen, wo die Schauspieler Leichttracking-Anzüge trugen und alle Instrumente um sie herum waren. Der Head-Mount war noch notwendig, aber kabellos und leicht. Ähnlich wie das heutige Oculus Quest. Wir fanden sogar eine Möglichkeit, es im Freien bei Sonnenlicht zu verwenden.

2015 schrieben Sie, dass wir uns nicht so sehr Sorgen machen sollten, dass Maschinen die Kontrolle übernehmen, sondern dass wir herausfinden sollten, wie wir das richtige Gleichgewicht zwischen Mensch und Automatisierung erreichen können, um die Ergebnisse zu optimieren. Denken Sie immer noch, dass die Gesellschaft zu sehr besorgt über AGI oder Maschinen ist, die die Kontrolle übernehmen?

Ich denke, wenn wirklich intelligente Menschen mit reichlich Expertise in diesem Bereich (wie Ray Kurzweil, Stephen Hawking, Elon Musk, James Cameron und Bill Gates) Bedenken äußern, sollten wir alle aufmerksam zuhören und den Fortschritt hin zu künstlicher allgemeiner Intelligenz und den Auswirkungen auf die Gesellschaft verfolgen. Wenn wir etwas in letzter Zeit gelernt haben, dann ist es, dass Domänen-Expertise wichtig ist und wir immer auf Warnungen von Menschen mit tieferer Expertise als unserer eigenen hören sollten.

Ich denke jedoch, dass wir für die absehbare Zukunft mehr inkrementelle Störungen sehen, die unmittelbare Aufmerksamkeit und Maßnahmen erfordern. Mein verdichteter Satz über die Notwendigkeit, im 21. Jahrhundert das richtige Gleichgewicht zwischen Mensch und Automatisierung zu erreichen, um die Ergebnisse zu optimieren, ist ein kritischer Punkt, der jetzt gilt. Ich denke wirklich, dass jeder, der das nicht richtig macht, bald irrelevant sein wird, nicht nur unkonkurrenzfähig. Als JP Morgan 320.000 Stunden pro Jahr an Rechtsprüfung von Kreditvereinbarungen durch ein maschinelles Lernsystem namens COIN ersetzte, störten sie sich selbst und schufen sofort einen Vorteil von 300 Millionen Dollar pro Jahr. Und dieser Vorteil ist jetzt eine Rente. Jeder ihrer Wettbewerber, der diesen Kosten noch immer hat, kann nicht nur nicht mithalten, sondern ist irrelevant.

Ich glaube, dass dies für Unternehmen, Regierungen und sogar Einzelpersonen gilt. Ich bin im Vorstand eines Community-Colleges in North Carolina mit 70.000 Studenten. Ich versuche ständig, die Studenten und unser Curriculum in Richtung der Jobs zu lenken, die in fünf Jahren noch von Menschen durchgeführt werden. Wenn ich Studenten finde, die in die Radiologie gehen wollen, erkläre ich ihnen, dass Maschinen bereits besser als Menschen darin sind, Röntgenbilder zu lesen. Überlegen Sie sich ein neues Feld oder wie sich dieses Feld mit dieser Realität ändern wird. Dies ist kein Futurismus. Es ist Jetztismus.

Sie haben gesagt, dass Menschen linear denken und Maschinen exponentiell. Offensichtlich sind Sie ein exponentieller Denker. Warum fällt es Menschen so schwer, exponentiell zu denken?

70 % der Amerikaner können den Wissenschaftsteil der New York Times nicht lesen und verstehen (Michigan State-Studie). Autoren wie Dan Ariely, in seinem Bestseller “Predictably Irrational”, und andere sprechen darüber, wie schlecht Menschen statistisch denken. Exponentielles und logarithmisches Denken sind auch nicht sehr universell. Mein Mentor und Held Alan Kay hat einen großartigen TED-Talk über Universelle und nicht-universelle Dinge in der Bildung. Ich schrieb darüber in einem Artikel auf der Getting Smart-Website über die Neukonzeption der Bildung von Grund auf. Im Wesentlichen sind abstraktes und deduktives Denken schwierig, es sei denn, sie werden gelehrt. Wir haben absolut ein Bildungsproblem, das unsere Fähigkeit behindert, den Fortschritt von Moores Gesetz oder die wahrscheinliche Ausbreitung einer Pandemie zu verstehen.

Die aktuelle Pandemie wirft ein weiteres helles Licht auf die Auswirkungen, wenn Führungskräfte nicht exponentiell denken können (oder Expertenrat nicht befolgen).

Sie haben seit den 90er Jahren an VR gearbeitet. Wie denken Sie über einige der aktuellen VR-Verbraucheranwendungen wie die Oculus Quest?

Jedes Mal, wenn ich die Achterbahn der VR-Hype wieder die Rampe hinaufsteigen sehe, beginne ich, jedem zu erinnern, dass es drei Hauptbeschränkungen gibt, die eine weitverbreitete Akzeptanz verhindern.

1. Einige Menschen werden aufgrund ihrer physischen Einschränkungen für immer nicht in der Lage sein, stereoskopisches 3D-VR zu genießen.
2. Die Reibung bei der Einrichtung und Verbindung macht es zu einer Erfahrung, die nicht viele Menschen als angenehm empfinden werden.
3. Die Sprödigkeit der Systeme bedeutet, dass nur Experten-Hobbyisten sie bearbeiten und fehlerhafte Verbindungen debuggen werden.

Menschen hatten seit langem keinen Upgrade mehr (seit dem Pleistozän, meiner Schätzung nach) und einige von uns haben große Schwierigkeiten, sich an stereoskopische 3D-Displays anzupassen. Ein erheblicher Teil der Bevölkerung wird nie in der Lage sein, sich an immersive VR zu gewöhnen, weil sie so physisch verdrahtet sind. Also, wenn wir sie für den Moment beiseite legen, bleiben wir bei dem zweiten großen Problem: der schrecklichen Reibung bei der Verbindung zu diesen Geräten. Es gibt einfach zu viele Kabel und Einstellungen, bevor man in eine Erfahrung eintauchen kann. Und drittens ist die Fragilität und Sprödigkeit all dieser zusätzlichen Stecker und Verbindungen.

Die Oculus Quest hat meine Erwartungen weit übertroffen, indem sie die zweite und dritte Einschränkung vollständig beseitigt hat. In meiner Familie verbringen wir fast jeden Tag Zeit mit Inhalten von Oculus Quest. Dies ist, meiner Meinung nach, der große Durchbruch, den VR benötigte. Jetzt müssen wir nur noch den letzten Schritt gehen und sehen, wie wir die Technologie anpassen können, um Menschen zu erreichen, die aufgrund physischer Einschränkungen nicht in der Lage sind, VR zu genießen.

Was war Ihre Inspiration, Tanjo zu gründen?

Ich entdeckte maschinelles Lernen im Jahr 2009, als ich Virtual World Labs bei Lockheed Martin leitete. Maschinelles Lernen existierte natürlich bereits, aber das war das Jahr, in dem ich vollständig verstand, wie weit es fortgeschritten war und wie es sich grundlegend von der “künstlichen Intelligenz” unterschied, die wir zuvor in Computerspielen und DOD-Simulationen verwendet hatten.

Ich denke jetzt, dass künstliche Intelligenz in drei Stufen voranschreitet. In der ersten Stufe, die von etwa 1958 bis 2009 (mein willkürlicher Marker) andauerte, fragten wir einen Computer nicht, etwas zu berechnen, bis die Menschen es vollständig verstanden und in kleine, brüchige Logikgatter und Wenn-Dann-Anweisungen aufteilen konnten. Wir fütterten es dann in den Computer ein, der es als endliche Zustandsmaschine oder hierarchisches Verhaltensbaum ausführte. Am Ende war es einfach Code. Nichts Mystisches daran.

Die nächste Phase ist maschinelles Lernen, bei dem ein Mensch nicht unbedingt versteht, wie man einem Computer sagt, ein Auto zu fahren. Jetzt füttern wir einfach eine riesige Menge Trainingsdaten in eine Gruppe von gut gestalteten maschinellen Lernbibliotheken, die dann ihre eigene Verständnis ableiten. Heute kann ein maschinelles Lernsystem einfach 100 Stunden Video ansehen und dann ein autonomes Fahrzeug perfekt überall fahren. (Ich mache normalerweise einen Witz darüber, dass es “überall außer in Rom” fahren kann)

Bei Tanjo verwenden wir maschinelles Lernen in kurzen Projekten, um Banken und Institutionen der höheren Bildung und Unternehmen aus der Fortune 2000 die Intelligenzverstärkung und Automatisierung zu geben, die ihre Arbeitsweise verändert. Wir sehen regelmäßig eine Rendite von 10x von unseren Implementierungen. Und diese Rendite ist normalerweise eine Rente. Wie viele Technologieinvestitionen haben wir vorher gesehen, die solche Produktivitätssteigerungen erzielen? Wir haben validierte ROI-Messungen von bis zu 600x; und ein peinliches Ergebnis von 1600x. Wir verwenden das letzte nicht einmal als Fallstudie, weil es zu hyperbolisch klingt.

Könnten Sie die Tanjo-Animated-Personas (TAP) und ihre Funktionsweise erläutern?

Unser großer Durchbruch kam, als wir erkannten, dass diese erstaunlichen, seltsamen maschinellen Intelligenzsysteme, die wir aufbauten, Menschen genauso ansahen wie Informationen. Wir führten ein frühes Experiment mit einem Satz Trainingsdaten aus einer beliebten Dating-App durch. Unser kleines maschinelles Lern-Gehirn erstellte Interessengraphen und Sentiment-Karten von jedem Menschen, die wie ein Myers-Briggs-Profil aussahen. Wir dachten kurz daran, eine maschinelle Lern-Dating-App im Jahr 2014 zu erstellen. Es war eine sehr kurze Überlegung, weil es nicht unseren hohen Zielen entsprach, sinnvolle Arbeit zu leisten.

Stattdessen nannten wir es den “Empathie-Motor” und bauten, was wir “Tanjo-Animated-Personas” aus diesen maschinellen Lernmustern des menschlichen Verhaltens nannten.

Die Analystenfirma Gartner verlieh uns 2018 einen “Cool-Vendor-Award” für diesen Durchbruch. Wir helfen Marktforschern, Kunden zu modellieren und zu verstehen (sowie tiefe, sinnvolle Gespräche mit ihnen zu führen); sowie verwenden wir es, um Bevölkerungsmodelle von Menschen zu erstellen, um Gesundheit und Wohlbefinden zu untersuchen. Zum Beispiel können wir ein synthetisches Bevölkerungsmodell einer Postleitzahl oder eines Landkreises erstellen und simulieren, welche Interventionen und Nachrichten besseres Verhalten zur Verringerung der Ausbreitung eines Virus oder zur Senkung von Übergewicht, Rauchen usw. fördern.

Verwenden Sie überwachtes Lernen, um den Tanjo zu unterrichten?

Das Gleichgewicht zwischen Mensch und Maschine ist genauso wichtig in der Eingabe wie in der Ausgabe dieser Systeme. Menschliche Überwachung hilft absolut bei der schnelleren Schulung des “Gehirns” eines unserer maschinellen Lernsysteme. Als wir das NC-Gehirn erstellten, das alle 58 Community Colleges in North Carolina verbinden wird, arbeiteten wir mit Fakultätsmitgliedern und Administratoren einiger der besten Colleges hier, um sicherzustellen, dass seine Bewertung der verschiedenen Wissensgebiete und seiner Sortierung des Inhalts gültig war.

Eines der Tanjo-Produkte ist der ContractBot für die Vertragsanalyse. Was ist der ContractBot und für welche Arten von Unternehmen ist er hauptsächlich konzipiert?

Wir erstellten Contractbot ursprünglich für die Rechnungslegungsbranche. 2017 veröffentlichte die Financial Accounting Standards Board (FASB) neue Regeln zur Umsatz- und Leasingerkennung für Unternehmen. Rechnungslegungsunternehmen hielten Konferenzen im ganzen Land ab, um sich und ihre Kunden auf diese Änderungen vorzubereiten. Mit unserem maschinellen Lernansatz erkannten wir, dass dies eine perfekte Gelegenheit für ein eng gefasstes maschinelles Lernsystem war, das neben Rechnungslegern arbeiten und die Analysegeschwindigkeit sowie die Genauigkeit dramatisch erhöhen konnte. Wir trainierten ein System mit über vier Millionen Verträgen: alles von einer einzigen Seite, die gescannt und handschriftlich erstellten Kaufbestellung bis hin zu Verträgen mit hundert Seiten Garantien und Haftungsausschlüssen sowie Meilensteinzahlungsbeschreibungen. Es lernte sehr schnell, die Sprache zu verstehen und die Dokumente oder Dokumententeile zu sortieren und die Geschäftsregeln fast sofort anzuwenden, um Analysen durchzuführen, die einem menschlichen Rechnungslegungsunternehmen einen ganzen Tag kosten würden.

Dieses Projekt und andere sind Fallstudien, die wir bereitstellen, um jeden im Geschäftsleben heute zu ermutigen, die neue menschliche/maschinelle Gleichgewichts-Linse zu verwenden und jeden Vorgang zu untersuchen, um das richtige Maß an menschlichem und maschinellen Bemühungen zu bestimmen, um die Ergebnisse zu optimieren. Wenn JP Morgan mit diesem Ansatz 320.000 Stunden pro Jahr an Kreditanalyse eliminierte, erzielten sie nicht nur eine 100-fache Rendite auf ihre Investition in diesem Jahr, sondern werden auch in Zukunft jährlich diese Rente erhalten. Jeder ihrer Wettbewerber, der immer noch “business as usual” macht und diese Kosten noch hat, wird nicht nur unkonkurrenzfähig, sondern irrelevant sein.

Eines der aufregendsten Produkte, das Tanjo anbietet, ist das Tanjo-Unternehmens-Gehirn. Welche Art maschinellem Lernens steckt dahinter und welche sind seine Anwendungsfälle?

Als wir maschinelles Lernen halfen, das Learning Registry für das US-Bildungsministerium zu erstellen, sahen wir die Macht von maschinellem Lernen, Wissen zu organisieren und zu analysieren. Wenn ich darüber spreche, zeige ich normalerweise eine Folie mit einem Bild aus der letzten Szene von “Jäger des verlorenen Schatzes”, in der ein Kleriker einen unscheinbaren Kasten durch einen riesigen Lagerhaus schiebt, um ihn wegzusperren, und er hat ein kleines Etikett, auf dem “ARC” steht.

Was wir aus dem Learning-Registry-Projekt und anderen gelernt haben, ist, dass Unternehmenssuche kaputt ist. Unternehmen haben unmarkierte und versteckte Informationen in kleinen Datenseen und -teichen, die entweder unzugänglich oder unverständlich sind und daher nicht transparent für Anfragen sind. In diesem beschleunigten Informationszeitalter verlieren wir jeden Tag erworbenes Wissen, weil unsere Speicher- und Abrufmethoden schlecht sind.

Das Tanjo-Unternehmens-Gehirn lebt innerhalb Ihrer Firewall, mit vollständigem Quellcode, verbindet sich mit allem und hat nichts anderes zu tun, als zu lesen und zu scannen und alles zu organisieren, auf das es Zugriff hat, und wartet auf den aufregenden Moment, in dem es einen Menschen erkennt, der versucht, etwas zu tun, das von der umfassenden Informationskarte profitieren könnte, die es hat. Da es so viel Zeit und Kraft und Intimität mit Ihrem organisatorischen Wissen hat, begnügt es sich nicht damit, die Lektüre von “Krieg und Frieden” auf “#RussischerRoman #Tolstoi #Kriegsgeschichte #Liebesgeschichte” zu reduzieren. Stattdessen wird es es mit einem “hyperdimensionalen Fingerabdruck” von bis zu 4.000 gewichteten Konzepten kartieren. Diese scheinbar übermäßige Anstrengung zahlt sich für die Forschungseinrichtungen, Banken und Colleges mit Tanjo-Unternehmens-Gehirnen sehr aus. Es ist üblich, dass sie einen Wert realisieren, der den Lizenzgebühr weit übersteigt, nur durch den Schritt der Kartierung des organisatorischen Wissens, der Teil der Schulung Ihres Unternehmens-Gehirns ist, wenn die Führung lernt, wie viel von dem Wissen, in das sie investieren und auf das sie angewiesen sind, tatsächlich vorhanden ist und was es alles bedeutet. Wenn das Unternehmens-Gehirn implementiert ist, hat die Organisation jetzt eine Linse, durch die sie sehen kann, wie Informationen in ihre Systeme eingeführt wurden, wer sie unterstützte, wer sie in Frage stellte und letztendlich, wie Entscheidungen getroffen wurden. Es wird zu einer Notwendigkeit, die im Nachhinein offensichtlich ist. Und wie das maschinelle Lernsystem, das JP Morgan implementierte, zahlt es sich für immer aus.

Gibt es noch etwas, das Sie über Tanjo teilen möchten?

Tanjo arbeitet derzeit an einem Covid-19-Gehirn. Im Einklang mit der These, die unser Unternehmen antreibt, bestimmen wir, wie wir das richtige Gleichgewicht zwischen Mensch und Maschine erreichen können, um sicherzustellen, dass die richtigen Informationen und die besten Ressourcen für die Menschen, die wichtige Entscheidungen in dieser Krise treffen, verfügbar sind. Die Fähigkeit von Tanjo-Animated-Personas wird verwendet, um menschliche Populationsdaten zu modellieren, um die Virusausbreitung zu verfolgen, aber auch um zu bestimmen, welche Maßnahmen und Kommunikationsmethoden und die tatsächlichen Wörter, die das Verhalten, das wir benötigen, um erfolgreich aus dieser Krise in ein gesünderes Ökosystem für uns alle zu gelangen, fördern werden.

Dies war ein faszinierendes Gespräch. Leser, die mehr erfahren möchten, sollten Tanjo besuchen.

https://youtu.be/f0_SbQYD5ec