Ο James Kaplan, Συνιδρυτής & Διευθύνων Σύμβουλος της MeetKai – Σειρά Συνεντεύξεων

Ο James Kaplan είναι ο Συνιδρυτής & Διευθύνων Σύμβουλος της MeetKai, ενός βοηθού AI που κάνει τη ζωή μας πιο εύκολη μέσω συνομιλίας, προσωποποίησης και επιλογής.

Ξεκινήσατε να προγραμματίζετε όταν ήταν μόνο έξι ετών, τι σας ενθούσησε να αρχίσετε με την κωδικοποίηση, και ποιες γλώσσες μάθατε;

Η αρχική ώθηση ήταν το παιχνίδι Oregon Trail που είχε κατασκευαστεί για τα Windows 95. Ήμουν εθισμένος και το έπαιζα κάθε μέρα μετά το σχολείο. Ήμουν στην πρώτη τάξη,所以 δεν υπήρχε πολύ altro να κάνω! Άρχισα να σκέφτομαι όλα τα πράγματα που ήθελα να αλλάξω στο παιχνίδι. Όταν ήμουν νεότερος, αγόρασα ένα αντίγραφο του “Game Programming for Teens”, einem βασικού βιβλίου προγραμματισμού σε ένα τοπικό βιβλιοπωλείο. Ήμουν αμέσως προσελκυσμένος από αυτό και γρήγορα ξέχασα τις αρχικές μου мотιβές Oregon Trail. Αλλά πάντα αγαπούσα τα παιχνίδια, και αυτά ενεργούσαν ως η мотιβασία μου να μάθω νέες γλώσσες προγραμματισμού. Τα επόμενα χρόνια, έμαθα Visual Basic όταν προσπαθούσα να γράψω ένα bot για το NeoPets (δούλεψε) και στη συνέχεια PHP όταν ήμουν 12 ετών για να ξεκινήσω να δημιουργώ δυναμικές ιστοσελίδες. Ακόμη και τότε, η мотιβασία μου για το μάθημα PHP ήταν να κερδίσω χρήματα για να αγοράσω βιντεοπαιχνίδια.

Η προηγούμενη επιχείρησή σας ήταν η λειτουργία ενός AI-βασισμένου hedge fund, τι μάθατε από αυτή την εμπειρία;

Η μεγαλύτερη μου απόκτηση ήταν να απορρίψω την ιδέα ότι δεν μπορείτε να ανταγωνιστείτε τους γίγαντες σε ένα πολυσύχναστο χώρο. Μπορεί να είναι πολύ δελεαστικό να σκεφτείτε ότι, στις финансы, όλα τα κερδοφόρα έχουν ήδη εξασφαλιστεί από einen großen παίκτη. Ωστόσο, γρήγορα κατέληξα στο συμπέρασμα ότι δεν πρέπει να υπερεκτιμάτε τους ανταγωνιστές σας. Η λένεια και η οργανωτική αδράνεια απαγορεύουν νέες ιδέες. Άλλες φορές, μια ιδέα ή μια εκστρατεία μπορεί να είναι πολύ ιδιαίτερη για eine μεγαλύτερη εταιρεία. Εκπληκτικά, μπορεί επίσης να σκέφτονται ότι κάτι είναι πολύ ρίσκο να αναπτύξουν, इसलिए δεν αξίζει να βγουν έξω από τη ζώνη τους.

Μπορείτε να μοιραστείτε την ιστορία πίσω από την εκκίνηση του βοηθού AI MeetKai;

Ήμουν κουρασμένος από τις финансы. Όλα έπρεπε να μετρηθούν σε σχέση με το Sharpe ratio και PnLs. Αυτό αφαιρούσε πολύ από τη διασκέδαση της τεχνολογίας και ήταν μακρυά από αυτό που με οδήγησε αρχικά στο μονοπάτι του προγραμματισμού. Στα τέλη του 2018 μίλησα με τον Weili Dai, Συνιδρυτή της MeetKai, για αυτό που έβλεπα στο τεχνολογικό τοπίο γενικά. Μια από τις κύριες παρατηρήσεις μου ήταν ότι ο χώρος των βοηθών φωνής είχε σταματήσει. Όλοι οι βασικοί παίκτες κρατούσαν παλιές προσεγγίσεις και οι χρήστες δεν επωφελούνταν από την τεχνολογία. Κανείς δεν ήταν διατεθειμένος να δοκιμάσει νέες προσεγγίσεις, “επειδή δεν είναι così που το κάνει ο X”. Δεν υπήρχε διαφοροποίηση. Αν ξεκινήσω από την αρχή και απορρίψω όλες (ήほとんど) τις προκαταλήψεις για “πώς να κατασκευάσετε einen βοηθό φωνής”, τότε θα μπορούσα να αλλάξω θεμελιωδώς την εμπειρία του χρήστη. Ξεκινήσαμε να κατασκευάζουμε einen πραγματικό βοηθό AI αντί για einen voice-powered chatbot. Τα μαθήματα που έμαθα από την προηγούμενη επιχείρησή μου, σε συνδυασμό με την καθοδήγηση του Weili, μας οδήγησαν να ιδρύσουμε την MeetKai.

Ποια είναι κάποια από τα προβλήματα πίσω από την κατασκευή ενός βοηθού AI;

Υπάρχουν δύο κατηγορίες προβλημάτων στην κατασκευή ενός πραγματικού βοηθού AI – οι προσδοκίες του χρήστη και η τεχνική υλοποίηση. Το πρώτο πρόβλημα είναι παραμελημένο, αλλά εφαρμόσιμο στην MeetKai. Οι χρήστες έχουν εκπαιδευτεί σε αυτό που είναι και δεν είναι εντός των ορίων όταν πρόκειται για einen βοηθό φωνής. Συγκεκριμένα, υποθέτουν ότι πρέπει να αναζητήσουν με έναν τρόπο που είναι προσανατολισμένος σε εντολές. Εργαζόμαστε για να εκπαιδεύσουμε τους χρήστες να αναζητήσουν με φυσική γλώσσα. Αυτό μας επιτρέπει να προσφέρουμε πολύ πλουσιότερες ικανότητες, όπως η χρήση αρνητικών “Βρείτε μου eine ταινία του Dwayne “The Rock” Johnson που δεν είναι η Moana”. Μπορούμε να χειριστούμε αυτό το πρόβλημα άψογα στην καθημερινή ομιλία, αλλά οι τρέχοντες βοηθοί φωνής αποτυγχάνουν να απαντήσουν.

Πώς χρησιμοποιεί η MeetKai τον προσωποποιημένο AI για να διαφοροποιηθεί;

Χρησιμοποιούμε προσωποποιημένο AI σε δύο διαφορετικές περιοχές – κατανόηση και αναζήτηση.

Όταν ένας χρήστης λέει, “Μπορείτε να βρείτε κάτι Κινέζικο για το βράδυ;”, αυτό μπορεί να σημαίνει ότι θέλει eine Κινέζικη συνταγή, ένα Κινέζικο εστιατόριο ή eine Κινέζικη ταινία για να δει. Με την προσωποποιημένη, βαθιά κατανόησή μας, μπορούμε να αποσαφηνίσουμε και να παρέχουμε ένα αποτέλεσμα για τον χρήστη που περιμένει. Αυτό γίνεται χωρίς να χρειάζεται ποτέ να αφήσει τα δεδομένα του χρήστη να φύγουν από την πλατφόρμα μας.

Ποια είναι κάποια παραδείγματα χρήσης για την MeetKai;

Ο στόχος της MeetKai είναι να γίνει ο πρώτος AI Concierge. Θέλουμε να βοηθήσουμε τους χρήστες στην καθημερινή τους ζωή. Δεν θέλουμε να είμαστε ένας βοηθός που βασίζεται σε εντολές. Δεν υποστηρίζουμε λειτουργίες όπως, “αύξηση του ήχου”, “μείωση του ήχου”, “χρονομετρητής 30 δευτερολέπτων”,… καταλαβαίνετε την εικόνα. Νιώθω ισχυρά ότι αυτές οι λειτουργίες δεν είναι AI, είναι απλά φωνητικές εισόδους. Αν θυμηθείτε τις μέρες του AskJeeves, η ολόκληρη ιδέα ήταν ότι ήταν ο βουλάρχης σας, κανείς δεν θα ανθρωποποιούσε τον βοηθό Google (GOOGL ). Όσο η Apple Siri ή η Alexa της Amazon (AMZN ) θα ήθελαν να είναι, κανείς δεν τις θεωρεί τίποτα άλλο παρά eine εφαρμογή. Είμαστε ακόμη στις πρώτες μας φάσεις, αλλά κατασκευάσαμε όλη την απαραίτητη τεχνολογία για να φέρουμε την τριετή πενταετή οδική μας χάρτη προς einen πραγματικό βοηθό AI.

Πώς μπορεί η βιομηχανία να αποτρέψει einen βοηθό AI από το να εισάγει προκαταλήψεις ή να ενισχύσει τις υφιστάμενες προκαταλήψεις σε einen χρήστη;

Υπάρχει ένας λεπτός ισορροπισμός μεταξύ της παροχής προσωποποιημένων αποτελεσμάτων και της μη δημιουργίας προκαταλήψεων. Έχουμε δει τι συμβαίνει όταν οι ερευνητές βελτιστοποιούν μετρήσεις εμπλοκής σε πλατφόρμες κοινωνικών μέσων – δημιουργούν φούσκες προκαταλήψεων. Ο πρώτος βήματος προς αυτό ως βιομηχανία είναι να ξανασκεφτούμε τα μετρήματα και τις KPI μας. Στην MeetKai, βελτιστοποιούμε για einen ισορροπία μεταξύ κλικ-μέσω και καινοτομίας του κλικ. Ο AI πρέπει να ανταμείβεται πολύ περισσότερο για το να βρει einen καινούριο αποτέλεσμα που κλικ σε 30% των περιπτώσεων, παρά απλά το “κορυφαίο” αποτέλεσμα που κλικ σε 50% των περιπτώσεων. Ωστόσο, αυτή η προσέγγιση έχει einen bastante φανερό fallback κατά τη βαθύτερη σκέψη. Τι αν τα αποτελέσματα που ο AI μας προτείνει είναι απλά προκαταλήψεις για την μικρή φούσκα του χρήστη; Κατασκευάζουμε τον AI μας να πιέζει και στις δύο κατευθύνσεις της προσωποποίησης του χρήστη. Αν ένας χρήστης ζητήσει eine λίστα άρθρων για το bò, τότε αντί να του παρουσιάσουμε άρθρα που ταιριάζουν στις πιστεύω του, μπορεί να μας σπείρει άρθρα που βρίσκονται στο άκρο, ή ελαφρώς έξω από το άκρο, των προτιμήσεών του. Αυτό μπορεί να περιλαμβάνει ένα άρθρο για την ηθική των ζώων και την κλιματική αλλαγή, καθώς και ένα άρθρο για τα πιθανά οφέλη της ζωικής-βασισμένης διατροφής. Η τεχνική直覺 για την προσέγγισή μας είναι ριζωμένη στην αποδοχή ότι είναι δύσκολο να εκπαιδεύσετε einen AI να καθορίσει αν Y είναι προκαταλήψεις, αλλά είναι πολύ πιο εύκολο να εκπαιδεύσετε να γνωρίζει ότι X και Z βρίσκονται στα άκρα της ίδιας ζώνης με Y.

Πού βλέπετε το μέλλον για τους βοηθούς AI σε 5 ή 10 χρόνια;

Οι βοηθοί AI θα μετατοπιστούν όλο και περισσότερο σε μια προσέγγιση πρώτου μέρους, όπως αυτή που έχει η MeetKai. Για όλη τη διάρκεια της ζωής τους, η Alexa και η Google έχουν προσπαθήσει να καλλιεργήσουν einen οικοσύστημα τρίτων-μερών επεκτάσεων και ικανοτήτων. Αυτό δημιουργεί einige σοβαρά προβλήματα στην ιδιωτικότητα. Επιπλέον, αυτό λέει τίποτα για τα ανώτερα όρια που θέτει στις ικανότητες. Περιμένω περισσότερους παίκτες της βιομηχανίας να υιοθετήσουν την ίδια προσέγγιση που έχουμε πάρει, και υπάρχουν σημάδια αυτού σε όλη τη διάρκεια.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα για αυτόν τον προσωποποιημένο βοηθό AI πρέπει να επισκεφθούν MeetKai.