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 ΗΠΑ και το Sky, τον μεγαλύτερο ραδιοτηλεοπτικό σταθμό του Ηνωμένου Βασιλείου. Η Pienso βασίζεται στην έρευνα του Birago από το Ινστιτούτο Τεχνολογίας της Μασαχουσέτης (MIT), όπου ο ίδιος και ο συνιδρυτής του Karthik Dinakar υπηρέτησαν ως ερευνητές στο MIT Media Lab. Είναι một διακεκριμένος αυθέντης στη διασταύρωση της τεχνητής νοημοσύνης (AI) και της αλληλεπίδρασης ανθρώπου-υπολογιστή (HCI) και ένας υποστηρικτής της υπεύθυνης AI.

Pienso‘s διαδραστική διεπαφή μάθησης είναι σχεδιασμένη για να επιτρέψει στους χρήστες να εκμεταλλευτούν την AI στο μέγιστο της δυνατότητας χωρίς κανένα κώδικα. Η πλατφόρμα οδηγεί τους χρήστες μέσω της διαδικασίας εκπαίδευσης και αναπτύξεως μεγάλων μοντέλων γλωσσών (LLMs) που είναι επιτυπωμένα με την εμπειρογνωσία τους και εξειδικευμένα για να απαντήσουν στις συγκεκριμένες ερωτήσεις τους.

Τι σας έκανε να προσεγγίσετε τις σπουδές σας στην AI, HCI (Αλληλεπίδραση Ανθρώπου-Υπολογιστή) και την εμπειρία χρήστη;

Είχα ήδη αναπτύξει προσωπικά προγράμματα που επικεντρώνονταν στην δημιουργία εργαλείων και εφαρμογών για τους τυφλούς, όπως ένας ψηφιακός αναγνώστης Braille χρησιμοποιώντας ένα smartphone και ένα σύστημα εσωτερικής πλοήγησης (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 концепτός της εκπαίδευσης μοντέλων μηχανικής μάθησης για να είναι προσβάσιμα σε μη τεχνικούς χρήστες;

Ο συνιδρυτής μου Karthik και εγώ συναντηθήκαμε στη μεταπτυχιακή σχολή ενώ проводούσαμε έρευνα στο MIT Media Lab. Είχαμε συνεργαστεί για ένα έργο τάξης για να xây dựng ένα εργαλείο που θα βοηθούσε τις πλατφόρμες κοινωνικών μέσων να επισημάνουν και να σηματοδοτήσουν το bulling περιεχόμενο. Το εργαλείο αποκτούσε πολλή κίνηση και μας είχαν προσκαλέσει στο Λευκό Οίκο για να δώσουμε μια επίδειξη της τεχνολογίας κατά τη διάρκεια ενός συνεδρίου για το cyberbullying.

Υπήρχε μόνο ένα πρόβλημα: ενώ το μοντέλο λειτουργούσε όπως επρόκειτο να λειτουργήσει, δεν είχε εκπαιδευτεί στα σωστά δεδομένα, οπότε δεν ήταν σε θέση να αναγνωρίσει επικίνδυνο περιεχόμενο που χρησιμοποιούσε την teenage σแลγκ. Ο Karthik και εγώ δούλευε μαζί για να βρούμε μια λύση και αργότερα συνειδητοποιήσαμε ότι θα μπορούσαμε να διορθώσουμε αυτό το ζήτημα αν βρούσαμε 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 θέματος, όχι οι μηχανικοί AI σαν εμάς, θα πρέπει να είναι σε θέση να παρέχουν εύκολη είσοδο στα δεδομένα εκπαίδευσης του μοντέλου. Καταλήξαμε να αναπτύσσουμε εργαλεία point-and-click που επιτρέπουν στους μη εμπειρογνώμονες να εκπαιδεύσουν μεγάλες ποσότητες δεδομένων σε κλίμακα. Μετά πήγαμε να δουλέψουμε με οργανισμούς όπως το MTV και το Νοσοκομείο Brigham και Women’s.

Μπορείτε να μοιραστείτε την ιστορία της γένεσης του πώς η Pienso δημιουργήθηκε από το MIT σε μια δική της εταιρεία;

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

Ποια είναι οι βασικές καινοτομίες και οι αλγόριθμοι που επιτρέπουν στην Pienso μια διεπαφή no-code 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 εξαλείφει τα εμπόδια της “MLOps” — καθαρισμός δεδομένων, ετικέτα δεδομένων, εκπαίδευση μοντέλου και αναπτύξη. Η πλατφόρμα μας χρησιμοποιεί μια ημι-εποπτική προσέγγιση μηχανικής μάθησης, η οποία επιτρέπει στους χρήστες να ξεκινήσουν με μη ετικετεμένα δεδομένα εκπαίδευσης και στη συνέχεια να χρησιμοποιήσουν την ανθρώπινη εμπειρογνωσία για να αναnota बडους όγκους κειμένου δεδομένων γρήγορα και ακριβώς χωρίς να χρειάζεται να γράψουν κανένα κώδικα. Αυτή η διαδικασία εκπαιδεύει μοντέλα βαθιάς μάθησης που είναι ικανά να ταξινομήσουν και να παράγουν νέο κείμενο ακριβώς.

Πώς η Pienso προσφέρει εξατομίκευση στην ανάπτυξη μοντέλων AI για να ικανοποιήσει τις συγκεκριμένες ανάγκες διαφορετικών οργανισμών;

Πιστεύουμε ότι κανένα μοντέλο δεν μπορεί να λύσει κάθε πρόβλημα για κάθε εταιρεία. Θα πρέπει να είναι σε θέση να κατασκευάσουμε και να εκπαιδεύσουμε μοντέλα που να ταιριάζουν στις ανάγκες κάθε εταιρείας. Για αυτό η Pienso καθιστά δυνατό να εκπαιδεύσετε μοντέλα trực tiếp στα δεδομένα της δικής σας εταιρείας. Αυτό ανακουφίζει τις ανησυχίες ιδιωτικού απορρήτου χρησιμοποιώντας θεμελιώδη μοντέλα και μπορεί επίσης να παράσχει πιο ακριβείς πληροφορίες.

Η Pienso επίσης ενσωματώνεται με υπάρχοντα συστήματα επιχείρησης μέσω API, επιτρέποντας τα αποτελέσματα της εύρεσης 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 eine ιδανική επιλογή για βιομηχανίες που απαιτούν ισχυρή ασφάλεια και πρακτικές συμμόρφωσης, όπως οι κυβερνητικές υπηρεσίες ή η finance.

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. Καθώς η ζήτηση για ανάλυση κειμένου μεγάλου όγκου αυξάνεται, θα ενισχύσουμε την ικανότητά μας να χειριζόμαστε μεγαλύτερες βάσεις δεδομένων με ταχύτερες φορές εύρεσης και πιο σύνθετη ανάλυση. Είμαστε επίσης αφοσιωμένοι στην μείωση του κόστους που συνδέεται με την κλιμάκωση μεγάλων μοντέλων γλωσσών για να διασφαλίσουμε ότι οι επιχειρήσεις λαμβάνουν αξία χωρίς να επηρεάζουν την ταχύτητα ή την ακρίβεια.

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

Καθώς εργαζόμαστε με περισσότερους πελάτες σε διάφορες βιομηχανίες, η Pienso θα προσαρμοστεί για να προσφέρει πιο εξειδικευμένες λύσεις. Ανεξάρτητα από το αν πρόκειται για finance, υγεία ή κυβέρνηση, η πλατφόρμα μας θα εξελιχθεί για να ενσωματώσει προτυποποιημένα πρότυπα και μονάδες για να βοηθήσει τους χρήστες να ρυθμίσουν τα μοντέλα τους πιο αποτελεσματικά για τις συγκεκριμένες περιπτώσεις χρήσης 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 λύσεις. Θα επικεντρωθούμε στην κατασκευή ισχυρότερων ενσωματώσεων με άλλες πλατφόρμες δεδομένων και εργαλεία, επιτρέποντας μια πιο ομοιόμορφη ροή εργασίας AI που ταιριάζει στις υπάρχουσες τεχνολογικές στοίβες επιχείρησης.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα μπορούν να επισκεφθούν Pienso.