Ο Δρ. Vishal Sikka, Ιδρυτής & Διευθύνων Σύμβουλος της Vianai – Σειρά Συνεντεύξεων

Ο Vishal Sikka είναι ο Ιδρυτής και Διευθύνων Σύμβουλος της Vianai, πρώην CTO της SAP AG και πρώην CEO της Infosys. Σήμερα, υπηρετεί επίσης στο διοικητικό συμβούλιο της Oracle , στο εποπτικό συμβούλιο του Ομίλου BMW και ως σύμβουλος στο Ινστιτούτο Ανθρωποκεντρικής Ιν텔ιγέντσας του Στάνφορντ.

Η πλατφόρμα Vianai συνδυάζει στοιχεία ανοικτού κώδικα, τεχνικές και βελτιώσεις Vianai και ανθρωποκεντρικό σχεδιασμό για να φέρει την τεχνητή νοημοσύνη στις επιχειρήσεις σε κλίμακα, σε διάφορες τοποθεσίες. Με τη πλατφόρμα, οι μεγάλες οργανώσεις μπορούν να δημιουργήσουν, να βελτιώσουν, να αναπτύξουν και να διαχειριστούν σύνθετα μοντέλα μηχανικής μάθησης σε υφιστάμενη υποδομή και να βελτιώσουν τις λειτουργίες και την απόδοση των μοντέλων μηχανικής μάθησης σε ολόκληρη την επιχείρηση,

Τι σας έκανε να ενδιαφερθείτε για την μηχανική μάθηση;

Γίναμε ενδιαφέροντες για την τεχνητή νοημοσύνη ως εφήβοι, όταν διάβασα τις σκέψεις του Marvin Minsky για τους νους μας ως κοινωνίες απλών πρακτόρων και έμαθα για το Eliza του Joe Weizenbaum (ένα πολύ πρώιμο chatbot) και την κριτική του John McCarthy για αυτό. Αργότερα, είχα την τιμή να έχει ο McCarthy προεδρεύσει της εξεταστικής επιτροπής μου για την τεχνητή νοημοσύνη στο Στάνφορντ. Ο McCarthy και ο Minsky ήταν οι δύο πατέρες του πεδίου της Τεχνητής Νοημοσύνης και και οι δύο είχαν βαθιά έρευνα για τις δυνάμεις καθώς και τους περιορισμούς της, και είχα τη τύχη να μελετήσω με και τους δύο.

Μπορούμε ακόμα να δούμε σήμερα ότι η τεχνητή νοημοσύνη έχει μεγάλο δυναμικό και ταυτόχρονα σημαντικούς περιορισμούς. Οι ίδιες προκλήσεις με τις οποίες ασχοληθήκαμε πριν από 30 χρόνια είναι ακόμα ορατές σήμερα, ιδιαίτερα όταν κοιτάζουμε την τεχνητή νοημοσύνη στις επιχειρήσεις. Είχα εμπνευστεί από το έργο ως φοιτητής, για να δω αν η αξία της τεχνητής νοημοσύνης θα μπορούσε κάπως να ξεκλειδωθεί και συνέχισα να είμαι παθιασμένος γι’ αυτό.

Έχετε γραψει κάποια ουσιαστικά έγγραφα, ποιο από αυτά πιστεύετε ότι ήταν το πιο ουσιαστικό για την εξέλιξη των απόψεών σας για την τεχνητή νοημοσύνη;

Ως φοιτητής, πρέπει να έχω διαβάσει χιλιάδες έγγραφα. Τα έγγραφα του McCarthy για τον “Συμβουλή” για ορισμένα βασικά φιλοσοφικά προβλήματα της τεχνητής νοημοσύνης, τα έγγραφα του Marvin για τον νου ως μια κοινωνία, για την ένωση της συνδετικής (νευρωνικής δικτύου) και συμβολικής προσεγγίσεως της τεχνητής νοημοσύνης, τα έγγραφα του Judea Pearl για την πιθανοτική συλλογιστική και την αιτιακή νοημοσύνη και τα έγγραφα του David Marr (για την όραση), του Pat Winston (για την εκμάθηση περιγραφών αντικειμένων από παραδείγματα), του Waldinger για την σύνθεση προγραμμάτων και πολλά άλλα έδρασαν τις απόψεις μου. Πρόσφατα, έχω διαβάσει τα έργα του Hinton, Lecun, των ανθρώπων της προσοχής, καθώς και τα έργα της Cynthia Rudin, Fernanda Viegas και άλλων.

Έχετε δηλώσει ότι η εμπειρία του προγραμματιστή στη δημιουργία ενός συστήματος τεχνητής νοημοσύνης είναι θραυσματική και κατεστραμμένη, ποια είναι κάποια από τα τρέχοντα προβλήματα πίσω από την δημιουργία ενός συστήματος τεχνητής νοημοσύνης;

Τα συστήματα τεχνητής νοημοσύνης σήμερα μπορούν πραγματικά να εξηγηθούν μόνο από ένα σχετικά μικρό αριθμό ανθρώπων — οι στατιστικές ποικίλλουν, αλλά φαίνεται ότι μπορεί να υπάρχουν μόνο περίπου 20-30.000 στον κόσμο που κατανοούν τις πραγματικές μεθόδους με τις οποίες λειτουργούν τα συστήματα τεχνητής νοημοσύνης. Αυτό είναι πολύ μικρότερο από τους 52.000 ή περίπου ανθρώπους που εκτιμάμε ότι είναι επαγγελματίες MLOps, ή τους 1 εκατομμύριο που εκτιμάμε ότι είναι επιστήμονες δεδομένων. Πολλοί από αυτούς δεν θα μπορούσαν να σας πουν γιατί το σύστημα κάνει αυτό που κάνει, γιατί δίνει τις συστάσεις που δίνει ή τι θα μπορούσε να πάει στραβά, ή πώς λειτουργούν οι υποκείμενες τεχνικές.

Τοποθετήστε αυτό στο υπόβαθρο ενός εξαιρετικά σύνθετου τοπίου. Υπάρχουν πάνω από 300 προμηθευτές MLOps που παρακολουθεί η Gartner σε οποιοδήποτε δεδομένο χρόνο. Κάθε ένας από αυτούς έχει μια εξειδικευμένη προσφορά. Οι μεγάλοι προμηθευτές cloud από την άλλη πλευρά έχουν τη δική τους γεύση από όλα και συχνά επιδιώκουν να κλειδώσουν τις εταιρείες στις οικονομίες και την υποδομή τους.

Τότε, ο υπολογισμός είναι συχνά πολύ ακριβός για τις εταιρείες να χτίσουν και να εκπαιδεύσουν κάποια από τα πιο προηγμένα μοντέλα που υπάρχουν. Αυτά αφήνονται σε μερικές εταιρείες που έχουν το ταλέντο και τους πόρους που απαιτούνται για να διαχειριστούν τις απαιτήσεις ενός συστήματος τεχνητής νοημοσύνης.

Η έλλειψη κατανόησης, η复잡κότητα του εργαλείου και το κόστος του υπολογισμού συνδυάζονται για να δημιουργήσουν ένα ασυνεχές και προκλητικό τοπίο για οποιαδήποτε εταιρεία που επιδιώκει να είναι ικανή στην τεχνητή νοημοσύνη. Στη Vianai, χτίζουμε μεθόδους για να κάνουμε την τεχνητή νοημοσύνη πιο εύκολη στη χρήση και πιο εύκολη να κατανοηθεί και να παρατηρηθεί, ενώ μειώνουμε δραστικά τους πόρους και τα κόστη που συνδέονται με την απόδοση.

Μπορείτε να μοιραστείτε την ιστορία της Vianai;

Είχα περάσει πολλά χρόνια εργαζόμενος για να φέρω νέες, επαναστατικές καινοτομίες στις επιχειρήσεις. Οι ομάδες μου και εγώ χτίσαμε πολλά προϊόντα που έφτασαν σε δεκάδες χιλιάδες επιχειρήσεις και θεωρήθηκαν ως επαναστατικά. Επίσης, ηγήθηκα δύο θεμελιωδών μετασχηματισμών στις δύο προηγούμενες πορείες μου πριν από την ίδρυση της Vianai και συμμετείχα σε μετασχηματισμούς σε εκατοντάδες επιχειρήσεις. Προσθέτοντας σε αυτό ήταν τα πολλά χρόνια μελέτης της τεχνητής νοημοσύνης και εστίασης σε το πώς να κάνουμε την τεχνητή νοημοσύνη καλύτερη, πιο σχετική και στην υπηρεσία της ανθρωπότητας.

Σε ένα κάπως ασυνήθιστο τρόπο – αυτά τα πράγματα ήρθαν μαζί. Ήμουν σε διακοπές με την οικογένειά μου στη Νοτιοανατολική Ασία [στα τέλη του 2018]. Ψωνίζαμε σε μια μικρή αγορά και ο πωλητής είχε όμορφα, χειροποίητα κοσμήματα. Ήταν φτιαγμένα με παραδοσιακές τεχνικές και τοπικά πέτρες και ήταν εκπληκτικά, αλλά, φυσικά, κανείς έξω από αυτή τη μικρή πόλη δεν είχε ακούσει γι’ αυτά. Και είχα αυτή την ερώτηση να έρθει στο μυαλό μου, “Τι θα συνέβαινε αν ο πωλητής μπορούσε να χρησιμοποιήσει την τεχνητή νοημοσύνη; Τι θα ήταν αυτό; Πώς θα λειτουργούσαν τα συστήματα;” Σε εκείνη τη στιγμή, μου ήρθε ότι κάθε επιχείρηση στον κόσμο θα μετασχηματιζόταν με την τεχνητή νοημοσύνη και ότι αυτή η μετασχηματισμός δεν θα μπορούσε να εξεταστεί με τα γυαλιά της χθες, αλλά χρειαζόταν προϊόντα και ιδέες που θα έπρεπε να αρχίσουν από μια κενή σελίδα.

Λίγο περισσότερο από einen μήνα αργότερα, ίδρυσα τη Vianai με αποστολή να φέρω την αληθινή, ανθρωποκεντρική τεχνητή νοημοσύνη στις επιχειρήσεις παγκοσμίως. Αυτό σημαίνει παροχή προϊόντων και υπηρεσιών, εφαρμογών και τεχνολογιών, εργαλείων που θα επιτρέψουν στους επιχειρηματίες, τους επιστήμονες δεδομένων, τους μηχανικούς μηχανικής μάθησης και ακόμη και τους πωλητές σε απομακρυσμένες περιοχές του κόσμου να επωφεληθούν πραγματικά από την τεχνητή νοημοσύνη.

Από τότε, δημιουργήσαμε εφαρμογές για να βοηθήσουμε τις επιχειρήσεις να ξεκινήσουν με την τεχνητή νοημοσύνη, μια πλατφόρμα για να βοηθήσουμε τους πρακτικούς της μηχανικής μάθησης να διαχειριστούν και να παρακολουθήσουν τα μοντέλα τους και τεχνικές βελτίωσης για να επιτρέψουμε σε περισσότερες εταιρείες να έχουν πρόσβαση στην τεχνητή νοημοσύνη.

Μέσω όλων αυτών, βρήκαμε ότι το σημαντικό δυναμικό της φέρνοντας τη δύναμη της ανθρώπινης κατανόησης, κρίσης και συνεργασίας μαζί με δεδομένα και τις καλύτερες τεχνικές τεχνητής νοημοσύνης παραμένει ανεκμετάλλευτο. Βασισμένοι στο έργο μας με τις ηγετικές εταιρείες, είδα ότι οι ίδιες τεχνικές που θα βοηθούσαν τον μικρό πωλητή θα βοηθούσαν τις μεγαλύτερες εταιρείες στον κόσμο.

Η Vianai είναι όλα για την ανθρωποκεντρική τεχνητή νοημοσύνη, μπορείτε να ορίσετε τι είναι αυτό και γιατί είναι σημαντικό;

Η ανθρωποκεντρική τεχνητή νοημοσύνη είναι η τεχνητή νοημοσύνη που επιδιώκει να ενισχύσει την ανθρώπινη εργασία και να βελτιώσει την ανθρώπινη κρίση. Η μηχανική μάθηση θεωρείται πολύ συχνά ως αντικατάσταση της ανθρώπινης εργασίας. Αλλά η τεχνητή νοημοσύνη είναι συμπληρωματική προς τους ανθρώπους — προσφέρει κλίμακα και επαναλαμβανόμενη ακρίβεια που οι άνθρωποι δεν μπορούν να αναπαράγουν. Αλλά η τεχνητή νοημοσύνη δεν μπορεί να αναπαράγει την ανθρώπινη κρίση, τις ανθρώπινες εμπειρίες ή την κατανόησή μας για το контέκστ.

Υπάρχουν προφανείς παραδείγματα αυτού, της τεχνητής νοημοσύνης που συγχέει μια χελώνα με ένα τουφέκι, για παράδειγμα, αλλά πολύ πιο συχνά τοποθετούμε υπερβολική εμπιστοσύνη στην τεχνητή νοημοσύνη όταν δεν έχει αποδείξει ακόμη ότι είναι αξιόπιστη. Ένα φημισμένο παραδείγμα έρχεται από πριν από μια δεκαετία, όταν η τεχνητή νοημοσύνη μιας εταιρείας επιτρεπόταν να κάνει συναλλαγές χωρίς ανθρώπινη παρέμβαση. Το αλγόριθμο έχασε 440 εκατομμύρια δολάρια σε λιγότερο από μια ώρα.

Για ένα πιο πρόσφατο παράδειγμα, τα state-of-the-art μοντέλα γλωσσών παραμένουν σχετικά εύκολα να μπερδευτούν ή να προκαλέσουν προκατάληψη. Οι γενераторες κειμένου-εικόνας είναι потенτικά ισχυροί, αλλά απαιτούν πολύ συγκεκριμένες εντολές από έναν ανθρώπινο χρήστη για να πάρουν το πλήρες δυναμικό τους.

Η ανθρωποκεντρική τεχνητή νοημοσύνη, λοιπόν, είναι ένας τύπος εστίασης στο σχεδιασμό των προϊόντων μας. Φέρνουμε τη δύναμη της ανθρώπινης κατανόησης – όπως η κρίση και η συνεργασία – μαζί με τα καλύτερα δεδομένα και τις τεχνικές τεχνητής νοημοσύνης, για να δημιουργήσουμε έξυπνα συστήματα που μπορούν να βελτιώσουν σημαντικά τις επιχειρηματικές αποτελέσματα και τις διαδικασίες.

Μπορείτε να εξηγήσετε την ανάγκη για einen βρόχο ανατροφοδότησης πίσω από τους ανθρώπους και την τεχνητή νοημοσύνη;

Υπάρχει ένας整ος κλάδος της τεχνητής νοημοσύνης που ονομάζεται “ανθρώπινος στο βρόχο” που βασίζεται στα μηχανισμοί ανατροφοδότησης των ανθρώπων για να βελτιώσει自然ικά την απόδοση της τεχνητής νοημοσύνης. Αυτό είναι φυσικό και έχει νόημα για οποιοδήποτε σύστημα.

Τα συστήματα τεχνητής νοημοσύνης μπορούν να βελτιωθούν με τον καιρό, μέσω της επαναεκπαίδευσης, η οποία ενσωματώνει όποια δράση έκανε ο χρήστης. Αυτό είναι, φυσικά, μέρος των εφαρμογών μας επίσης. Ας σας δώσω ένα παράδειγμα.

Πριν από την πανδημία, δούλευα με μια μεγάλη εταιρεία χρηματοοικονομικών υπηρεσιών για την πρόβλεψη της ζήτησης. Λόγω του πώς σχεδιάσαμε το σύστημα, όταν ήρθε η πανδημία και έσπασε πολλά άλλα μοντέλα, το δικό μας προσαρμόστηκε γρήγορα στις αλλαγές και δεν χρειαζόταν να ξαναχτιστεί. Αυτό είναι το δεύτερο και πιο σημαντικό μέρος της ανθρωποκεντρικής τεχνητής νοημοσύνης, το σχεδιασμό των συστημάτων από την αρχή για να ενσωματώσουν τις сложκότητες της σύγχρονης ζωής.

Αυτό δημιουργεί εμπιστοσύνη και ένα σύστημα που μεγαλώνει με την οργάνωση και τον χρήστη.

Τι κάνει τη Vianai μια επόμενη γενιά πλατφόρμας τεχνητής νοημοσύνης;

Ενώ υπάρχει πολλή συζήτηση γύρω από τον κίνδυνο, την ρύθμιση και την υπόσχεση της τεχνητής νοημοσύνης, λίγοι έχουν αναζητήσει αυτό που βρήκαμε να είναι η λύση — η концепτός της ανθρωποκεντρικής τεχνητής νοημοσύνης.

Η πλατφόρμα μας είναι έτοιμη για τα προβλήματα που θα έρθουν καθώς η τεχνητή νοημοσύνη γίνεται πιο πραγματική στις επιχειρήσεις. Είναι για να αντιμετωπίσουμε θέματα γύρω από την εμπιστοσύνη, την προκατάληψη και τη διαφάνεια. Επιτρέπει στις εταιρείες να κλιμακώνουν την τεχνητή νοημοσύνη με παρακολούθηση και βελτίωση. Και επιτρέπει στους μη τεχνικούς χρήστες να αξιοποιούν την τεχνητή νοημοσύνη μέσω των εφαρμογών μας.

Τι είναι κάποια από τα προκλήματα πίσω από την κατασκευή μιας πλατφόρμας που δραματικά απλοποιεί την εμπειρία για την επιχείρηση τεχνητής νοημοσύνης;

Το μεγαλύτερο πρόβλημα που βλέπουμε στις επιχειρήσεις που ενσωματώνουν την τεχνητή νοημοσύνη είναι το ταλέντο, τα εργαλεία και η τεχνολογία. Πρώτα, το ταλέντο τείνει να είναι συγκεντρωμένο σε μερικές τοποθεσίες, ιδιαίτερα στις μεγαλύτερες εταιρείες τεχνολογίας. Αυτό κάνει πολύ δύσκολο για τους εξωτερικούς συνεργάτες να συμμετάσχουν στην εποπτεία, τη διακυβέρνηση και το σχήμα του προγράμματος τεχνητής νοημοσύνης και μπορεί να δημιουργήσει ακόμη περισσότερη προκατάληψη, καθώς μόνο ένας περιορισμένος αριθμός συνεργατών εργάζεται στις λειτουργίες.

Η τεχνολογία και τα εργαλεία μπορούν επίσης να είναι một πρόβλημα στην απλοποίηση της τεχνητής νοημοσύνης. Τώρα, και η τεχνολογία και τα εργαλεία είναι περιορισμένα. Οι chíπ για την τεχνητή νοημοσύνη είναι σπάνιοι και πολύ ακριβοί, και τα εργαλεία είναι κλειδωμένα σε ορισμένους προμηθευτές, οι οποίοι μειώνουν την ελευθερία να βελτιώσουν το κόστος ενώ επεκτείνουν την αξία. Όποια και να είναι η θέση μιας εταιρείας στην πορεία της για την τεχνητή νοημοσύνη, αυτά τα προβλήματα μπορούν να κάνουν την εφαρμογή μιας χρήσιμης και ηθικής τεχνητής νοημοσύνης προκλητική, καθώς δημιουργεί μια αποσυνδεμένη και θραυσματική στρατηγική και αφαιρεί τα εργαλεία που απαιτούνται για την εκτέλεση των σωστών λειτουργιών. Οι οργανώσεις χρειάζεται να μπορέσουν να υποστηρίξουν όλους τους τομείς της τεχνητής νοημοσύνης, από την εφαρμογή έως τη συντήρηση, και να έχουν την υποστήριξη της ομάδας και να προσφέρουν εισροή για να την κάνουν μια επιτυχία.

Για την αληθινή επιτυχία, έχω βρει ότι οι ικανότητες της πλατφόρμας πρέπει να είναι完全 ανοικτές, modulares, fleksibles και όχι εξαρτημένες από ακριβές υλικό και λογισμικό αναβαθμίσεις. Και με μια ανθρωποκεντρική προσέγγιση, οι άνθρωποι είναι ακόμα σε θέση να φέρουν τη γνώση, το контέκστ, τις εμπειρίες και τη δημιουργικότητα για την επίλυση προβλημάτων – αυτό είναι τότε ενισχυμένο από την πλατφόρμα τεχνητής νοημοσύνης, όχι αντικαταστάθηκε.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστεί για τη Vianai;

Σε πολλές ways, ζούμε σε μια εποχή της τεχνητής νοημοσύνης. Υπάρχει πολλή υποστήριξη και συζήτηση γύρω από την τεχνητή νοημοσύνη, η οποία στο σύνολό της είναι καλό. Βλέπουμε πολλές προόδους και μια ευρύτερη υιοθέτηση από το παρελθόν σε περιοχές όπως η Γεννητική Τεχνητή Νοημοσύνη και άλλες περιοχές. Ωστόσο, πρέπει επίσης να εργαστούμε για να αναγνωρίσουμε τους περιορισμούς της τεχνητής νοημοσύνης – τις πραγματικότητες της τεχνολογίας της τεχνητής νοημοσύνης σήμερα, καθώς και τις πραγματικότητες της σπανιότητας του εξειδικευμένου προσωπικού στην τεχνητή νοημοσύνη και την έλλειψη εμπιστοσύνης στην τεχνητή νοημοσύνη, ιδιαίτερα στις επιχειρήσεις. Αν μπορούμε να πλαισιώσουμε την τεχνητή νοημοσύνη ως einen ενισχυτή της ζωής μας, της κοινωνίας, της δουλειάς μας, του δυναμικού μας και να έχουμε την απαραίτητη εποπτεία της τεχνητής νοημοσύνης για να διασφαλίσουμε αυτό, τότε πιστεύω ότι θα δούμε τελικά να έρχεται σε ζωή με σημαντικούς και μετασχηματιστικούς τρόπους.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Vianai.