Birago Jones, Συνιδρυτής και Διευθύνων Σύμβουλος της Pienso – Σειρά Συνεντεύξεων

Birago Jones είναι ο Διευθύνων Σύμβουλος και Συνιδρυτής της Pienso, μιας πλατφόρμας no-code/low-code για επιχειρήσεις να εκπαιδεύουν και να αναπτύσσουν μοντέλα AI χωρίς την ανάγκη για προηγμένα δεδομένα επιστήμης ή προγραμματιστικές δεξιότητες. Σήμερα, οι πελάτες του Birago περιλαμβάνουν την κυβέρνηση των Ηνωμένων Πολιτειών και το Sky, τον μεγαλύτερο ραδιοτηλεοπτικό σταθμό του Ηνωμένου Βασιλείου. Η Pienso βασίζεται στην έρευνα του Birago από το Massachusetts Institute of Technology (MIT), όπου ο ίδιος και ο συνιδρυτής του Karthik Dinakar υπηρέτησαν ως ερευνητές στο MIT Media Lab. Είναι một διακεκριμένος αυθεντία στο σημείο τομής της τεχνητής νοημοσύνης (AI) και της αλληλεπίδρασης ανθρώπου-υπολογιστή (HCI) και ένας υποστηρικτής της υπεύθυνης AI.

Pienso‘s διαδραστικό περιβάλλον μάθησης σχεδιάστηκε για να επιτρέψει στους χρήστες να εκμεταλλευτούν την AI στο μέγιστο δυνατό χωρίς κανένα κώδικα. Η πλατφόρμα οδηγεί τους χρήστες μέσω της διαδικασίας εκπαίδευσης και ανάπτυξης μεγάλων γλωσσικών μοντέλων (LLMs) που έχουν αποτυπωθεί με την εμπειρία τους και έχουν προρυθμιστεί για να απαντήσουν στις συγκεκριμένες ερωτήσεις τους.

Τι σας έκανε να आकरσετε να ακολουθήσετε τις σπουδές σας στην AI, HCI (Ανθρώπινη-Υπολογιστική Αλληλεπίδραση) και εμπειρία χρήστη;

Είχα ήδη αναπτύξει προσωπικά προγράμματα που επικεντρώνονταν στην δημιουργία εργαλείων προσβασιμότητας και εφαρμογών για τυφλούς, όπως ένα ψηφιακό αναγνώστη Braille χρησιμοποιώντας ένα smartphone και ένα σύστημα εσωτερικής οδήγησης (ψηφιακό μπαστούνι). Πίστευα ότι η AI θα μπορούσε να ενισχύσει και να υποστηρίξει αυτές τις προσπάθειες.

Η Pienso αρχικά συλλάφθηκε κατά τη διάρκεια της θητείας σας στο MIT, πώς προέκυψε η έννοια της εκπαίδευσης μοντέλων μηχανικής μάθησης για να είναι προσβάσιμα σε μη τεχνικούς χρήστες;

Ο συνιδρυτής μου Karthik και εγώ γνωριστήκαμε στη διδακτορική σχολή ενώ проводίσαμε έρευνα στο MIT Media Lab. Είχαμε συνεργαστεί για ένα σχολικό πρόγραμμα για να xây dựng ένα εργαλείο που θα βοηθούσε τις πλατφόρμες κοινωνικών μέσων να μεσολαβούν και να σηματοδοτήσουν το περιεχόμενο του εκφοβισμού. Το εργαλείο αποκτούσε πολλή δημοτικότητα και μας είχαν προσκαλέσει στο Λευκό Οίκο για να δώσουμε μια επίδειξη της τεχνολογίας κατά τη διάρκεια eines συνεδρίου για τον κυβερνοεκφοβισμό.

Υπήρχε μόνο ένα πρόβλημα: ενώ το μοντέλο λειτουργούσε όπως ήταν προγραμματισμένο, δεν είχε εκπαιδευτεί με τα σωστά δεδομένα, οπότε δεν ήταν σε θέση να αναγνωρίσει επικίνδυνο περιεχόμενο που χρησιμοποιούσε την εφηβική αργκό. Ο Karthik και εγώ δούλευα μαζί για να βρούμε μια λύση και αργότερα συνειδητοποιήσαμε ότι θα μπορούσαμε να διορθώσουμε αυτό το ζήτημα αν βρήκαμε έναν τρόπο για τους εφήβους να εκπαιδεύσουν trực tiếp τα δεδομένα του μοντέλου.

Αυτή ήταν η “Αha” στιγμή που θα έμπνεε αργότερα την Pienso: οι εμπειρογνώμονες του αντικειμένου, όχι οι μηχανικοί AI όπως εμείς, θα πρέπει να είναι σε θέση να παρέχουν πιο εύκολα είσοδο στα δεδομένα εκπαίδευσης του μοντέλου. Καταλήξαμε να αναπτύσσουμε εργαλεία point-and-click που επιτρέπουν στους μη ειδικούς να εκπαιδεύσουν μεγάλες ποσότητες δεδομένων σε κλίμακα. Μετά φέραμε αυτή τη τεχνολογία σε τοπικά σχολεία του Κέιμπριτζ, Μασαχουσέτη και ζητήσαμε τη βοήθεια των τοπικών εφήβων για να εκπαιδεύσουν τα αλγόριθμους, που μας επέτρεψε να πιάσουμε περισσότερη νюανς στα αλγόριθμους από ό,τι προηγουμένως ήταν δυνατό. Με αυτή τη τεχνολογία, συνεργαστήκαμε με οργανισμούς όπως το MTV και το Νοσοκομείο Brigham and Women’s.

Μπορείτε να μοιραστείτε την ιστορία της γέννησης της Pienso και πώς εξελίχθηκε σε μια εταιρεία;

Γνωρίζαμε ότι αυτή η τεχνολογία θα μπορούσε να προσφέρει αξία πέρα από την περίπτωση που την κατασκευάσαμε, αλλά δεν ήταν μέχρι το 2016 που τελικά κάναμε το άλμα για να την εμπορευματοποιήσουμε, όταν ο Karthik ολοκλήρωσε το διδακτορικό του. Μέχρι εκείνη την εποχή, η βαθιά μάθηση εξελισσόταν με ραγδαίο ρυθμό, αλλά ήταν κυρίως οι μηχανικοί AI που την χρησιμοποιούσαν, επειδή κανείς άλλος δεν είχε την εμπειρία για να εκπαιδεύσει και να αναπτύξει αυτά τα μοντέλα.

Ποια είναι οι βασικές καινοτομίες και αλγόριθμοι που επιτρέπουν το no-code περιβάλλον της Pienso για την κατασκευή μοντέλων AI; Πώς η Pienso διασφαλίζει ότι οι εμπειρογνώμονες του τομέα, χωρίς τεχνικό υπόβαθρο, μπορούν να εκπαιδεύσουν αποτελεσματικά μοντέλα AI;

Η Pienso εξαφανίζει τα εμπόδια της “MLOps” — καθαρισμού δεδομένων, ετικετών δεδομένων, εκπαίδευσης μοντέλων και ανάπτυξης. Η πλατφόρμα μας χρησιμοποιεί μια ημι-επιβλεπόμενη προσέγγιση μηχανικής μάθησης, η οποία επιτρέπει στους χρήστες να αρχίσουν με μη ετικετωμένα δεδομένα εκπαίδευσης και στη συνέχεια να χρησιμοποιήσουν την ανθρώπινη εμπειρία για να αναzeichνουν μεγάλες ποσότητες κειμένου δεδομένων γρήγορα και ακριβώς χωρίς να χρειάζεται να γράψουν κανέναν κώδικα. Αυτή η διαδικασία εκπαιδεύει μοντέλα βαθιάς μάθησης που είναι ικανά να ταξινομήσουν και να παράγουν νέο κείμενο με ακρίβεια.

Πώς η Pienso προσφέρει προσαρμογή στην ανάπτυξη μοντέλων AI για να εξυπηρετήσει τις συγκεκριμένες ανάγκες των διαφορετικών οργανισμών;

Είμαστε ισχυροί υποστηρικτές ότι κανένα μοντέλο δεν μπορεί να λύσει κάθε πρόβλημα για κάθε εταιρεία. Θα πρέπει να είμαστε σε θέση να κατασκευάσουμε και να εκπαιδεύσουμε προσαρμοσμένα μοντέλα εάν θέλουμε η AI να καταλάβει τις νυάνσεις κάθε συγκεκριμένης εταιρείας και περίπτωσης. Για αυτόν τον λόγο, η Pienso καθιστά δυνατό να εκπαιδεύσετε μοντέλα απευθείας στα δεδομένα της εταιρείας. Αυτό απομακρύνει τις ανησυχίες για την ιδιωτικότητα που σχετίζονται με τη χρήση θεμελιωδών μοντέλων και μπορεί επίσης να παράσχει πιο ακριβείς πληροφορίες.

Η Pienso επίσης ενσωματώνεται με υφιστάμενες επιχειρηματικές συστήματα μέσω API, επιτρέποντας τα αποτελέσματα της εικασίας να παραδοθούν σε διαφορετικά формά. Η Pienso μπορεί επίσης να λειτουργήσει χωρίς να βασίζεται σε υπηρεσίες ή API τρίτων, που σημαίνει ότι τα δεδομένα δεν χρειάζεται να μεταδοθούν έξω από ένα ασφαλές περιβάλλον. Μπορεί να αναπτυχθεί σε μεγάλους παρόχους cloud καθώς και σε εσωτερικές εγκαταστάσεις, καθιστώντας την μια ιδανική επιλογή για βιομηχανίες που απαιτούν ισχυρές πρακτικές ασφαλείας και συμμόρφωσης, όπως κυβερνητικές υπηρεσίες ή χρηματοοικονομικές.

Πώς βλέπετε την εξέλιξη της πλατφόρμας τα επόμενα χρόνια;

Τα επόμενα χρόνια, η Pienso θα συνεχίσει να εξελίσσεται εστιάζοντας σε ακόμη μεγαλύτερη κλιμάκωση και αποδοτικότητα. Όσο η ζήτηση για ανάλυση κειμένου σε μεγάλη κλίμακα αυξάνεται, θα βελτιώσουμε την ικανότητά μας να χειριζόμαστε μεγαλύτερες συνόλους δεδομένων με ταχύτερα χρόνους εικασίας και πιο σύνθετη ανάλυση. Είμαστε επίσης δεσμευμένοι να μειώσουμε το κόστος που σχετίζεται με την κλιμάκωση μεγάλων γλωσσικών μοντέλων, ώστε οι επιχειρήσεις να λαμβάνουν αξία χωρίς να συμβιβάζονται με την ταχύτητα ή την ακρίβεια.

Θα προωθήσουμε επίσης την δημοκρατικοποίηση της AI. Η Pienso είναι ήδη μια no-code/low-code πλατφόρμα, αλλά οραματίζουμε να επεκτείνουμε την προσβασιμότητα των εργαλείων μας ακόμη περισσότερο. Θα συνεχίσουμε να βελτιώνουμε τη διεπαφή μας, ώστε ένας ευρύτερος κύκλος χρηστών, από αναλυτές επιχειρήσεων έως τεχνικές ομάδες, να μπορούν να συνεχίσουν να εκπαιδεύουν, να ρυθμίζουν και να αναπτύσσουν μοντέλα χωρίς να χρειάζεται βαθιά τεχνική εμπειρία.

Όσο εργαζόμαστε με περισσότερους πελάτες σε διάφορες βιομηχανίες, η Pienso θα προσαρμοστεί για να προσφέρει πιο εξατομικευμένες λύσεις. Είτε πρόκειται για χρηματοοικονομικές, υγειονομικές ή κυβερνητικές υπηρεσίες, η πλατφόρμα μας θα εξελιχθεί για να ενσωματώσει βιομηχανικά συγκεκριμένα πρότυπα και μονάδες για να βοηθήσει τους χρήστες να ρυθμίσουν τα μοντέλα τους πιο αποτελεσματικά για τις συγκεκριμένες περιπτώσεις τους.

Η Pienso θα γίνει ακόμη πιο ενσωματωμένη στο ευρύτερο οικοσύστημα AI, εργαζόμενη άψογα μαζί με τις λύσεις / εργαλεία από τους μεγάλους παρόχους cloud και εσωτερικές εγκαταστάσεις. Θα εστιάσουμε στην κατασκευή ισχυρότερων ενσωματώσεων με άλλα πλαίσια δεδομένων και εργαλεία, ενεργοποιώντας μια πιο συνοχή AI ροή εργασίας που ταιριάζει στα υπάρχοντα enterprise τεχνολογικά στοιχεία.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Pienso.