Sarah Nagy, Gründerin und CEO von Seek AI – Interview Series

Sarah Nagy ist Gründerin und CEO von Suchen Sie nach KI, eine Plattform, die es geschäftlichen Endbenutzern ermöglicht, Seek genau die gleichen Fragen zu stellen, die sie derzeit dem Datenteam stellen, direkt in Slack, Teams und E-Mail. Keine „Verfeinerung“ der Art und Weise, wie sie ihre Frage formulieren, und kein Erlernen einer neuen Plattform.

Sie haben zunächst als Forscher mit Daten des Hubble-Weltraumteleskops begonnen. Woran haben Sie gearbeitet?

Ich forschte an der UCLA und am Caltech, schaute mir einige der am weitesten entfernten Galaxien an, die mit einem Teleskop beobachtet werden konnten, und arbeitete an der Analyse einiger ihrer Eigenschaften wie ihrer Masse und Größe. Der Zweck dieser Forschung bestand darin, uns zu helfen, den Unterschied zwischen sehr weit entfernten Galaxien und näher an unseren Galaxien zu verstehen und Modelle dafür zu entwickeln, wie sich diese Galaxien im Laufe der Zeit bilden.

Anschließend hast Du als Data Scientist bei verschiedenen Startups gearbeitet. Welche Projekte waren besonders interessant?

Ein herausragendes Projekt befasste sich mit der Verwendung natürlicher Sprachverarbeitung (NLP), um unstrukturierten Text zu Einzelhandelsartikeln zu klassifizieren. Nehmen Sie beispielsweise den Rohtext (z. B. „Air Jordans Green“) und kennzeichnen Sie ihn als geschätzte Marke („Nike“). Ich hatte einen auf NLP spezialisierten Kollegen, der mit einem anderen Projekt beschäftigt war, also sollte ich ursprünglich nicht an diesem Projekt arbeiten. Am Ende wurde es mir ausgehändigt, da sie beschäftigt waren. Da ich damals noch nicht einmal etwas über NLP wusste, belegte ich einige kostenlose Kurse von Stanford und Fast.ai, um mein Wissen zu erweitern. Es hat mir wirklich Spaß gemacht, etwas über NLP zu lernen, und ich begann zu verstehen, warum es so wichtig ist und warum künstliche Intelligenz (KI), die Sprache verstehen kann, einen großen Schritt in Richtung der sogenannten „allgemeinen KI“ darstellt. Diese Erfahrung hat mich definitiv darauf vorbereitet, die Bedeutung von GPT-3 schnell zu verstehen, als es zum ersten Mal herauskam.

Könnten Sie die Entstehungsgeschichte hinter Seek AI erzählen?

Als das GPT-3-Modell von OpenAI herauskam, erkannte ich sofort, was für ein unglaublicher Fortschritt es war, und war besonders begeistert von Anwendungen, bei denen GPT-3-Schreibcode zum Einsatz kommt. Schließlich habe ich als Datenwissenschaftler den ganzen Tag Code geschrieben, und zu sehen, wie KI dies tat – und den Code perfekt generierte – war umwerfend. Ich würde meine Reaktion auf GPT-3 damit vergleichen, dass ich 2013 zum ersten Mal etwas über VR gelernt habe, was für mich eine weitere atemberaubende Erfahrung war. Am Ende entschied ich, dass ich ein Startup gründen musste, um auf diese Technologie zu setzen. Ich wusste nicht genau, was ich bauen würde, aber ich hatte das Gefühl, dass sich etwas Wertvolles ergeben würde, wenn ich mehr über diese Modelle erfuhr.

Nachdem ich mich wirklich mit den Modellen vertraut gemacht hatte, wurde mir klar, dass ich ein Problem lösen konnte, auf das ich überall stieß, als ich als Quant- oder Datenwissenschaftler gearbeitet hatte. Das Problem war, dass Geschäftsleute nicht über die richtigen Tools verfügten, um ihre eigenen Datenfragen zu beantworten. Als Datenwissenschaftler arbeitete ich häufig an Problemen, die viel Konzentration erforderten, wurde jedoch oft von Kollegen aus der Geschäftswelt unterbrochen, die Fragen zu den Daten hatten, was mich zwang, mit meiner Arbeit aufzuhören. Der Prozess erschien archaisch und ineffizient. Mir wurde klar, dass es eine kategoriedefinierende Lösung für dieses sehr wichtige und allgegenwärtige Problem wäre, wenn ich mich auf die Lösung des Problems durch diese neue Technologie konzentrieren würde.

Seek AI nutzt generative KI. Könnten Sie unseren Lesern erklären, was das ist?

„Generative KI“ ist ein sehr gehyptes Schlagwort, aber im Gegensatz zu anderen Schlagworten glaube ich nicht, dass der Hype ungerechtfertigt ist. Der Begriff bezieht sich auf große Modelle des maschinellen Lernens mit Hunderten Milliarden Parametern, wie beispielsweise Open AI’s DALL-E und GPT-3. Die Innovation dieser Modelle besteht darin, dass sie natürliche Sprache verstehen und Texte, Bilder, Code und mehr generieren können. Wenn Sie beispielsweise schon einmal mit DALL-E oder Stable Diffusion herumgespielt haben, werden Sie schnell verstehen, warum diese Modelle so gehypt sind; Sie haben eine unglaublich menschenähnliche Fähigkeit, Befehle in natürlicher Sprache zu verstehen und können Kunst schaffen, die es mit den besten menschlichen Künstlern aufnehmen kann.

Die Codegenerierung ist eine der Nischenanwendungen der generativen KI, aber auch die wichtigste. Daten werden immer größer und komplexer und daher für Menschen immer schwieriger manuell zu analysieren und zu organisieren. Dennoch sind in diesen Daten so viele Informationen verschlüsselt. Diese Informationen sind nicht nur für Organisationen von großer Bedeutung, sie können auch auf akademischer Seite zu unglaublichen wissenschaftlichen Durchbrüchen führen. Der Aufbau von KI zur Wertschöpfung aus Daten wird einen unglaublichen Wert in Form nützlicher Informationen freisetzen.

Seek AI entwickelt eine Schnittstelle, die es Benutzern ermöglicht, in natürlicher Sprache mit Daten zu interagieren. Wissensarbeiter können über E-Mail, Slack, Text und eine Reihe von CRM-Systemen (Customer Relationship Management) auf die natürlichsprachige Benutzeroberfläche von Seek AI zugreifen.

Welche anderen Arten des maschinellen Lernens werden bei Seek AI eingesetzt?

Während generative KI ein Teil unserer Architektur für maschinelles Lernen ist, umfasst unsere Architektur auch mehrere Zweige von Open-Source-Deep-Learning-Modellen. Transformer-Modelle (von denen „generative KI“ eine Variante ist) umfassen viele (aber nicht alle) der von Seek verwendeten Modelle.

Warum ist es für technisch nicht versierte Benutzer so wichtig, schnell auf Daten zugreifen zu können?

Was nützen Daten, wenn sie keinen ROI generieren, und wie kann ein Unternehmen diesen ROI erzielen, wenn geschäftsorientierte Benutzer nicht einmal darauf zugreifen können? Aus diesem Grund ist es unbedingt erforderlich, möglichst vielen Menschen Zugang zu gewähren, ohne Kompromisse bei der Genauigkeit einzugehen.

Als ich Datenwissenschaftler war, erhielt ich manchmal Anfragen vom CEO, einige Daten zu analysieren, um die Produkt- oder Markteinführungsstrategie unseres Unternehmens zu unterstützen. Diese Projekte können Wochen oder länger dauern. Als CEO verstehe ich die Bedeutung dieser Projekte jetzt definitiv auf einer tieferen Ebene als damals, als ich noch auf der Datenseite tätig war. Ich wünsche mir oft, ich könnte die Daten einfach zur Hand haben, damit ich meine Entscheidungen schneller treffen kann. Dies ist ein Beispiel dafür, was wir bei Seek lösen.

Wie macht Seek AI das Abrufen dieser Daten so einfach?

Es ist interessant, darüber nachzudenken, dass Daten eigentlich nur mit Code analysiert werden können. Es stimmt zwar, dass es Plattformen gibt, die Abstraktionen über diesen Code darstellen (z. B. Daten-Dashboards), aber unter der Haube steckt Code, der von Datenanalysten manuell geschrieben wurde und es ermöglicht, die Daten den geschäftlichen Endbenutzern zu präsentieren.

Die meisten Wissensarbeiter können nicht programmieren, wollen nicht programmieren oder können einfach nicht einmal auf die Daten zugreifen, selbst wenn sie Code schreiben möchten, um sie zu analysieren. Wenn sie Daten benötigen, müssen sie diese entweder in einem Dashboard suchen oder das Datenteam fragen, wenn sie sie nicht finden können. Je größer die Datensätze werden, desto häufiger wird dies passieren.

Datenteams müssen daher „Übersetzer“ der an sie gerichteten Fragen in natürlicher Sprache und der Daten selbst sein, die sie mithilfe von Code abfragen. Die Entfernung dieses „Übersetzers“ als Vermittler ist das Herzstück dessen, was Seek tut.

Wie stellen Unternehmen sicher, dass die von ihnen verwendeten Daten korrekt sind?

Der Kompromiss zwischen Datengenauigkeit und Zugänglichkeit ist eine große Herausforderung. Wie ich kürzlich in einem Interview sagte, ermöglicht die Barrierefreiheit einerseits auch weniger technisch versierten Leuten, mit der Wissensquelle, den Daten eines Unternehmens, zu interagieren. Was nützt andererseits eine Quelle mit verschmutztem Wasser (dh schlechte Daten)?

Die besten Datenteams sind diejenigen, die diesen Kompromiss optimal bewältigen. Ein großer Teil davon besteht darin, alle Tools, mit denen technisch nicht versierte Benutzer interagieren können, sorgfältig zu kalibrieren und zu überprüfen.

Was sind einige Beispiele für Anwendungsfälle für die Seek AI-Plattform?

Wir bieten Kunden und Designpartnern bereits Mehrwert in den vertikalen Märkten B2B-SaaS, Fintech, Konsumgüter (CPG) und B2C-E-Commerce.

Battlefinist beispielsweise der führende Marktplatz für alternative Finanzdatensätze. Sie glauben, dass schnelle und qualitativ hochwertige Antworten auf die Fragen ihrer eigenen Kunden den Unterschied zwischen Sieg und Niederlage gegenüber der Konkurrenz ausmachen. Der CEO des Unternehmens, Tim Harrington, bemerkte: „Seek AI spielte eine entscheidende Rolle in der Strategie unseres Unternehmens für 2023, da es uns einen Vorteil beim Zugriff auf und bei der Analyse unserer über 2,400 Datensätze als Antwort auf Kundenfragen verschafft. Ich schätze, dass unser ROI für Seek AI etwa das Zehnfache beträgt, basierend auf dem, was wir ausgegeben hätten, um dieses Effizienzniveau ohne die Plattform zu erreichen.“

Gibt es noch etwas, das Sie über Seek AI mitteilen möchten?

Dies könnte der richtige Ort für einen schamlosen Stecker sein. Seek bietet derzeit kostenlose Testversionen unserer Plattform an, auf die Sie unter zugreifen können suche.ai. Wir freuen uns, ein Pionier bei der Bereitstellung generativer KI für Datenteams zu sein, und ich freue mich darauf, diese Reise gemeinsam mit unseren Kunden anzutreten.

Vielen Dank für das tolle Interview, Leser, die mehr erfahren möchten, sollten vorbeischauen Suchen Sie nach KI.