Συνεντεύξεις
Ετιέν Μπερνάρ, Συνιδρυτής & Διευθύνων Σύμβουλος της NuMind – Σειρά Συνεντεύξεων

Βασικά σημείαΗ διαδραστική ανάπτυξη τεχνητής νοημοσύνης της NuMind μιμείται την ανθρώπινη διδασκαλία…
Δείτε περισσότερα
- Η διαδραστική ανάπτυξη τεχνητής νοημοσύνης της NuMind μιμείται την ανθρώπινη διδασκαλία για αποτελεσματική μηχανική μάθηση.
- Το εργαλείο επιτυγχάνει έως και 10 φορές ταχύτερη ανάπτυξη μοντέλων NLP σε σύγκριση με τις παραδοσιακές μεθόδους.
- Η NuMind επιτρέπει τη δημιουργία προσαρμοσμένων μοντέλων με ελάχιστη σήμανση και έλεγχο δεδομένων εντός της εγκατάστασης.
Ο Ετιέν Μπερνάρ, είναι ο Συνιδρυτής & Διευθύνων Σύμβουλος της NuMind μια εταιρεία λογισμικού που ιδρύθηκε τον Ιούνιο του 2022 και ειδικεύεται στην ανάπτυξη εργαλείων μηχανικής μάθησης. Ο Ετιέν είναι εμπειρος στον τομέα της τεχνητής νοημοσύνης και της μηχανικής μάθησης. Μετά το διδακτορικό του (ENS) και το μεταδιδακτορικό του (MIT) στη στατιστική φυσική, ο Ετιέν εντάχθηκε στην εταιρεία Wolfram Research, όπου έγινε ο επικεφαλής της μηχανικής μάθησης για 7 χρόνια. Κατά τη διάρκεια αυτής της περιόδου, ο Ετιέν ηγήθηκε της ανάπτυξης αυτόματων εργαλείων μάθησης, ενός φιλικού προς τον χρήστη πλαισίου βαθιάς μάθησης και διάφορων εφαρμογών μηχανικής μάθησης.
Τι σας έκανε να ενδιαφερθείτε αρχικά για τη μηχανική μάθηση;
Η πρώτη φορά που άκουσα τον όρο «μηχανική μάθηση» ήταν το 2009, νομίζω, χάρη στο βραβείο της Netflix. Βρήκα την ιδέα ότι οι μηχανές μπορούν να μάθουν συναρπαστική και ισχυρή. Ήταν ήδη σαφές ότι αυτό θα οδηγούσε σε πολλές σημαντικές εφαρμογές – συμπεριλαμβανομένης της ενθουσιώδους δυνατότητας δημιουργίας τεχνητής νοημοσύνης. Αποφάσισα αμέσως να το διερευνήσω και δεν γύρισα πίσω.
Μετά το διδακτορικό σας (ENS) και το μεταδιδακτορικό σας (MIT) στη στατιστική φυσική, εντάχθητε στην εταιρεία Wolfram Research, όπου έγινε ο επικεφαλής της μηχανικής μάθησης για 7 χρόνια. Ποια ήταν κάποια από τα πιο ενδιαφέροντα προγράμματα στα οποία εργαστήκατε;
Το αγαπημένο μου είδος προγραμμάτων στην Wolfram ήταν η ανάπτυξη αυτόματων συναρτήσεων μηχανικής μάθησης για τη γλώσσα Wolfram (γνωστή και ως Mathematica). Το πρώτο ήταν το Classify, όπου του δίνετε τα δεδομένα και επιστρέφει έναν ταξινομητή. Για μένα, η μηχανική μάθηση έχει πάντα να κάνει με την αυτοματοποίηση. Δεν ρυθμίζετε τις υπερπαράμετρους του ανθρώπινου μαθητή σας και δεν πρέπει να το κάνετε ούτε για την μηχανή σας! Ήταν αρκετά απαιτητικό από επιστημονική άποψη και από την πλευρά της μηχανικής λογισμικού να δημιουργηθούν πραγματικά ανθεκτικές και αποδοτικές αυτόματες συναρτήσεις μηχανικής μάθησης.
Η δημιουργία ενός πλαισίου υψηλού επιπέδου για νευρωνικά δίκτυα ήταν επίσης ένα πολύ ενδιαφέρον πρόγραμμα. Πολλές δύσκολες αποφάσεις σχεδιασμού σχετικά με το πώς να αντιπροσωπεύουν νευρωνικά δίκτυα συμβολικά, πώς να τα οπτικοποιήσουν και πώς να τα χειριστούν (δηλαδή να μπορούν να κόψουν κάποια κομμάτια, να κολλήσουν άλλα μαζί, να αντικαταστήσουν στρώματα κ.λπ.). Νομίζω ότι κάναμε μια αξιοπρεπή δουλειά, και αν ήταν ανοικτό λογισμικό, είμαι σίγουρος ότι θα χρησιμοποιούνταν πολύ 😉
Κατά τη διάρκεια αυτής της περιόδου, γράψατε επίσης ένα θεμελιώδες βιβλίο με τίτλο «Εισαγωγή στη Μηχανική Μάθηση», ποια ήταν κάποια από τα προβλήματα πίσω από τη συγγραφή ενός τόσο ολοκληρωμένου βιβλίου;
Ω, υπήρχαν πολλά! Πήρε δύο χρόνια συνολικά να γράψω. Θα μπορούσα να αποφασίσω να γράψω ένα «πώς να» βιβλίο, το οποίο θα ήταν ευκολότερο, αλλά μέρος του ταξιδιού μου στη Wolfram ήταν η μάθηση της μηχανικής μάθησης, και ένιωσα την ανάγκη να μεταφέρω αυτό το στοιχείο. Το κύριο πρόβλημα ήταν να καθορίσω τι να μιλήσω ακριβώς, και σε ποια σειρά, για να το κάνω ενδιαφέρον και εύκολο να κατανοηθεί. Τότε υπήρχε οι παιδαγωγικές λεπτομέρειες: πρέπει να χρησιμοποιήσω έναν μαθηματικό τύπο για αυτή την έννοια; Ή κάποιο κώδικα; Ή απλά μια οπτικοποίηση; Ήθελα να κάνω αυτό το βιβλίο όσο το δυνατόν πιο προσιτό και αυτό με έκανε να πονάω πολύ. Συνολικά είμαι ευχαριστημένος με το αποτέλεσμα. Ελπίζω ότι θα είναι χρήσιμο σε πολλούς!
Μπορείτε να μοιραστείτε την ιστορία πίσω από τη NuMind;
Εντάξει. Ήθελα να δημιουργήσω μια εταιρεία για κάποιο χρόνο, αρχικά το 2012 για να δημιουργήσω ένα αυτόματο εργαλείο μηχανικής μάθησης, αλλά η δουλειά στη Wolfram ήταν πολύ διασκεδαστική. Τότε γύρω στο 2019-2020, τα πρώτα μεγάλα μοντέλα γλωσσών (LLMs) άρχισαν να εμφανίζονται, όπως το GPT-2 και το GPT-3. Ήταν ένα σοκ για μένα πόσο καλά μπορούσαν να κατανοήσουν και να δημιουργήσουν κείμενο. Ταυτόχρονα, μπορούσα να δω πόσο επίπονο ήταν να δημιουργηθούν μοντέλα NLP: χρειαζόταν να αντιμετωπίσω μια ομάδα επισημείωσης δεδομένων, να έχω εμπειρογνώμονες που τρέχουν πολλά πειράματα κ.λπ. Σκέφτηκα ότι πρέπει να υπάρχει ένας τρόπος να χρησιμοποιηθούν αυτά τα LLMs μέσω ενός εργαλείου για να βελτιώσουν δραματικά την εμπειρία δημιουργίας μοντέλων NLP. Ο συνιδρυτής μου, Σαμουέλ (ο οποίος τυχαίνει να είναι ο ξάδερφός μου), μοιράστηκε το ίδιο όραμα, και έτσι αποφασίσαμε να δημιουργήσουμε αυτό το εργαλείο.
Ο στόχος της NuMind είναι να εξαπλώσει τη χρήση της μηχανικής μάθησης – και της τεχνητής νοημοσύνης γενικά – δημιουργώντας απλά αλλά ισχυρά εργαλεία. Ποια είναι κάποια από τα εργαλεία που είναι διαθέσιμα αυτή τη στιγμή;
Ναι. Το πρώτο μας εργαλείο είναι για τη δημιουργία προσαρμοσμένων μοντέλων NLP. Για παράδειγμα, ας πούμε ότι θέλετε να αναλύσετε το συναίσθημα των χρηστών σας από τις ανατροφοδοτήσεις τους. Η χρήση ενός έτοιμου μοντέλου δεν είναι γενικά ιδανική, επειδή έχει εκπαιδευτεί σε διαφορετικά δεδομένα και για μια ελαφρώς διαφορετική εργασία (οι εργασίες ανάλυσης συναισθήματος είναι εκπληκτικά διαφορετικές μεταξύ τους!). Αντίθετα, θέλετε να εκπαιδεύσετε ένα προσαρμοσμένο μοντέλο που λειτουργεί καλά στα δεδομένα σας. Το εργαλείο μας επιτρέπει να κάνετε ακριβώς αυτό, με έναν εξαιρετικά απλό και αποτελεσματικό τρόπο. Βασικά, φορτώνετε τα δεδομένα σας, εκτελείτε μια μικρή ποσότητα επισημείωσης δεδομένων και λαμβάνετε ένα μοντέλο που μπορείτε να αναπτύξετε μέσω ενός API. Αυτό είναι δυνατό χάρη στη χρήση LLMs, αλλά και σε αυτό το νέο παράδειγμα μάθησης που ονομάζουμε Interactive AI Development.
Τι είναι κάποια από τα προσαρμοσμένα μοντέλα που βλέπετε να αναπτύσσονται από τους πρώτους πελάτες της NuMind;
Έχουν δημιουργηθεί ορισμένοι αναλυτές συναισθήματος. Για παράδειγμα, ένας πελάτης μας παρακολουθεί το συναίσθημα σε ομαδικές συνομιλίες όπου οι άνθρωποι βοηθούν ο ένας τον άλλον να καταπολεμήσουν τις εθιστικές τους τάσεις. Αυτή η ανάλυση χρειάζεται για να παρέμβει στη σπάνια περίπτωση που το συναίσθημα επιδεινώνεται. Ένας άλλος πελάτης μας χρησιμοποιεί για να βρει ποια εργασίες είναι οι καλύτερες για ένα δεδομένο βιογραφικό. Νομίζω ότι υπάρχει πολύ δυναμική σε αυτά τα είδη matchmaking AIs. Έχουμε επίσης πελάτες που εξάγουν πληροφορίες από ιατρικά και νομικά έγγραφα.
Πόσο χρόνο μπορεί να εξοικονομήσουν οι εταιρείες χρησιμοποιώντας τα εργαλεία της NuMind;
Εξαρτάται φυσικά από την εφαρμογή, αλλά σε σύγκριση με τις παραδοσιακές λύσεις (επισήμανση δεδομένων και εκπαίδευση μοντέλου ξεχωριστά), βλέπουμε μέχρι και 10 φορές βελτίωση της ταχύτητας για να λάβουμε ένα μοντέλο και να το τοποθετήσουμε σε παραγωγή. Περιμένω ότι αυτό το νούμερο θα βελτιωθεί καθώς συνεχίζουμε να αναπτύσσουμε το προϊόν. Τελικά, πιστεύω ότι προγράμματα που θα είχαν πάρει μήνες θα ολοκληρωθούν σε ημέρες και με καλύτερη απόδοση.
Μπορείτε να εξηγήσετε πώς λειτουργεί η Interactive AI Development της NuMind;
Η ιδέα της Interactive AI Development προέρχεται από το πώς οι άνθρωποι διδάσκουν ο ένας τον άλλον. Για παράδειγμα, ας πούμε ότι προσλαμβάνετε έναν ασκούμενο για να ταξινομήσει τα email σας. Θα του εξηγούσατε την εργασία και το σκοπό της. Τότε μπορείτε να του δώσετε κάποια καλά παραδείγματα, ίσως και ορισμένες οριακές περιπτώσεις. Τότε ο ασκούμενός σας θα αρχίσει να ταξινομήσει τα email και μια συζήτηση θα αρχίσει. Ο ασκούμενος σας θα επιστρέψει με ερωτήσεις όπως «Πώς πρέπει να ταξινομήσω αυτό;» ή «Νομίζω ότι πρέπει να δημιουργήσουμε μια νέα ετικέτα για αυτό» ή ακόμη και να σας ρωτήσει «γιατί» πρέπει να ταξινομήσουμε με έναν συγκεκριμένο τρόπο. Αντίστοιχα, μπορείτε να του κάνετε ερωτήσεις για να αναγνωρίσετε και να διορθώσετε τα κενά γνώσεων του. Αυτός ο τρόπος διδασκαλίας είναι πολύ φυσικός και εξαιρετικά αποτελεσματικός σε όρους ανταλλαγής πληροφοριών. Προσπαθούμε να μιμηθούμε αυτή τη ροή για να διδάξουμε τις μηχανές.
Σε τεχνικούς όρους, αυτή η ροή είναι μια χαμηλής καθυστέρησης, υψηλού εύρους ζώνης, πολυτροπική και αμφίδρομη επικοινωνία μεταξύ του ανθρώπου και της μηχανής, και αποφασίσαμε να την ονομάσουμε Interactive AI Development για να τονίσουμε την αμφίδρομη επικοινωνία και τη χαμηλή καθυστέρηση. Το βλέπω ως ένα τρίτο υπόδειγμα για να διδάξουμε τις μηχανές, μετά το κλασικό προγραμματισμό και το κλασικό machine learning (όπου σας δίνετε μια ποσότητα παραδειγμάτων της εργασίας για τον υπολογιστή να καταλάβει τι να κάνει).
Αυτό το νέο παράδειγμα είναι ανοικτό από τα LLMs. Πράγματι, χρειάζεστε να έχετε κάτι που είναι ήδη κάπως έξυπνο στη μηχανή για να μπορέσετε να αλληλεπιδράσετε μαζί της αποτελεσματικά. Πιστεύω ότι αυτό το παράδειγμα θα γίνει κοινό στο εγγύς μέλλον, και ήδη βλέπουμε στιγμές του με τα LLM που βασίζονται στη συνομιλία και με το εργαλείο μας φυσικά.
Εφαρμόζουμε αυτό το παράδειγμα για να διδάξουμε εργασίες NLP, αλλά αυτό μπορεί – και θα – χρησιμοποιηθεί για πολύ περισσότερα, συμπεριλαμβανομένης της ανάπτυξης λογισμικού.
Υπάρχει κάτι άλλο που θα ήθελε να μοιραστείτε σχετικά με τη NuMind;
Ίσως ότι είναι ένα εργαλείο που μπορεί να χρησιμοποιηθεί τόσο από εμπειρογνώμονες όσο και από μη εμπειρογνώμονες στη μηχανική μάθηση, ότι είναι πολυγλωσσικό, ότι κατέχετε τα μοντέλα σας, και ότι τα δεδομένα μπορούν να παραμείνουν στη μηχανή σας!
Αλλιώς, βρισκόμαστε σε μια ιδιωτική φάση beta, οπότε αν έχετε κάποια ανάγκη NLP, θα ήμασταν χαρούμενοι να μιλήσουμε και να δούμε αν/πώς μπορούμε να σας βοηθήσουμε!
Ευχαριστώ πολύ για τη μεγάλη συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα πρέπει να επισκεφθούν NuMind.












