Αλόν Εϊρέβ, CTO (AI) της MCE Systems – Σειρά Συνεντεύξεων

Αλόν Εϊρέβ, CTO (AI) της MCE Systems, ηγείται της στρατηγικής της εταιρείας για την τεχνητή νοημοσύνη και την τεχνολογική πυλώνη, που περιλαμβάνει αρχιτεκτονική, ανάπτυξη μοντέλων, υποδομή, ενσωμάτωση προϊόντων και την ευρύτερη υιοθέτηση της τεχνητής νοημοσύνης στις εσωτερικές λειτουργίες. Προηγουμένως, εργάστηκε για περισσότερα από εννέα χρόνια στην Intel (INTC ), προχωρώντας από ανώτερο μηχανικό λογισμικού και αρχιτέκτονα λογισμικού σε Επικεφαλής Ερευνητή Φυσικής Γλώσσας (NLP), όπου διηύθυνε έρευνα για την εξαγωγή γνώσεων, εξασφάλισε финансирование για πολυετή έργα, δημοσίευσε εργασίες σε σημαντικές конференσίες NLP και συμβούλεψε startups μέσω του Intel Ignite. Νωρίτερα στην καριέρα του, ο Εϊρέβ βοήθησε στην ανάπτυξη τεχνολογίας προσωπικών βοηθών στην Telmap, η οποία αργότερα έγινε μέρος της Intel, και από τότε έχει συμβουλεύσει εταιρείες AI σε πρώιμο στάδιο ενώ δίδασκε επιστήμη υπολογιστών, αντικειμενοστραφή προγραμματισμό, εξόρυξη δεδομένων και ανάκτηση πληροφοριών σε διάφορα ισραηλινά πανεπιστήμια.

MCE Systems αναπτύσσει ένα εγγενές επίπεδο εμπειρίας για παρόχους τηλεπικοινωνιών, συνδέοντας συστήματα κληρονομιάς, δεδομένα σε πραγματικό χρόνο και έξυπνες ροές εργασιών για την υποστήριξη των αλληλεπιδράσεων των πελατών σε πολλαπλά σημεία επαφής. Ιδρυθείσα το 2005, η εταιρεία έκτισε την επιχείρησή της γύρω από τη διαχείριση του κύκλου ζωής των ψηφιακών συσκευών, με τεχνολογία που καλύπτει διαγνωστικά συσκευών και φροντίδα, προγράμματα ανταλλαγής, απομακρυσμένη βαθμολόγηση συσκευών και επιστροφές. Η MCE εφαρμόζει ολοένα και περισσότερο γενετικά και αγεντικά μοντέλα AI σε αυτές τις ροές εργασιών, βοηθώντας τους παρόχους να ανιχνεύουν προβλήματα συσκευών, να οδηγούν τους πελάτες μέσω πιθανών λύσεων και να συντονίζουν πιο σύνθετες υπηρεσίες σε ψηφιακά και βοηθούμενα κανάλια.

Πέρασα σχεδόν μια δεκαετία στην Intel εργαζόμενος σε NLP, εξαγωγή γνώσεων, ανάκτηση πληροφοριών και ακόμη και πρώιμες τεχνολογίες προσωπικών βοηθών που προέρχονταν από την Telmap πριν γίνει μέρος της Intel. Όταν κοιτάζω πίσω, ποιες ιδέες από αυτά τα πρώιμα συστήματα AI αποδείχθηκαν να είναι μπροστά στην εποχή τους, και ποιες υποθέσεις έκανε η βιομηχανία完全 λάθος;

Μια ιδέα που rõ ràng ήταν μπροστά στην εποχή της ήταν ο προσωπικός βοηθός που δούλεψαμε πριν από την εποχή των LLM. Αυτά ήταν συστήματα που κατανόησαν την πρόθεση, συνδέθηκαν με το контекст σε διάφορες εργασίες και βοήθησαν τους χρήστες να επιτύχουν τους στόχους τους φυσικά. Αυτά είχαν τις ίδιες φιλοδοξίες με τους σημερινούς πράκτορες. Η διαφορά ήταν η υποκείμενη προσέγγιση: Αντί για γλωσσικά μοντέλα, βασιστήκαμε σε μια συνδυασμένη προσέγγιση μηχανικής μάθησης και αλγορίθμων για να συναγάγουμε την πρόθεση του χρήστη. Αυτή η μέθοδος, ωστόσο, αποδείχθηκε δύσκολη όταν εφαρμόστηκε σε κλίμακα, λαμβάνοντας υπόψη τους διαφορετικούς τρόπους με τους οποίους οι χρήστες εκφράζουν την ίδια αίτηση.

Φανταστείτε να雇οσύνετε έναν εκπρόσωπο υπηρεσίας για να χειριστεί τις ερωτήσεις χιλιάδων πελατών, αλλά αυτός μπορεί να χειριστεί μόνο ερωτήσεις που διατυπώνονται με συγκεκριμένη δομή πρότασης. Όπως μπορείτε να φανταστείτε, θα καλύπτει μόνο một σχετικά μικρό εύρος περιπτώσεων και θα ήταν δύσκολο να χειριστεί πολλά προβλήματα πελατών. Τα LLMs άλλαξαν όλα. Σήμερα, η κατανόηση της πρόθεσης του χρήστη έχει λυθεί σε μεγάλο βαθμό. Έτσι, στο ανάλογό μας, ο εκπρόσωπος είναι τώρα ευέλικτος και μπορεί να μιλήσει σε εκατομμύρια πελάτες.

Ενώ δεν θα ισχυριζόμουν ότι η βιομηχανία έκανε κάτι完全 λάθος, πιστεύω ότι πολλοί υποτιμούσαν πόσο κεντρική θα γινόταν η γλωσσική μοντελοποίηση. Ο μεγάλος άλμα ήρθε όταν εισαχθηκαν τα πρώτα γλωσσικά μοντέλα όπως τα ELMo, BERT και RoBERTa. Την εποχή εκείνη, λίγοι πραγματικά κατανόησαν το μέγεθος της μετασχηματισμού που ήταν στο δρόμο. Αυτά ήταν τα οστικά μοντέλα των σύγχρονων LLM που χρησιμοποιούμε κάθε μέρα και τα οποία几乎 δεν μπορούμε να φανταστούμε χωρίς αυτά.

Οι περισσότερες εταιρείες είδαν αυτά τα αρχικά μοντέλα ως χρήσιμα компоненты σε στενά εφαρμογές, όχι ως την βάση για ένα εντελώς νέο υπολογιστικό παράδειγμα. Με την αναδρομή, πολλοί από αυτούς χάθηκαν την ευκαιρία να τοποθετηθούν ως σημαντικοί παίκτες AI.

… (the translation continues to the end of the source text)