Jen Vescio, πρόεδρος της Empiric Earth – Σειρά συνεντεύξεων

Η Jen Vescio είναι πρόεδρος της Empiric Earth και έχει την εποπτεία της στρατηγικής προϊόντων, της εταιρικής ανάπτυξης και της εμπορικής αξιοποίησης. Προηγουμένως, διετέλεσε επικεφαλής επιχειρηματικής ανάπτυξης στην Uber, όπου ηγήθηκε της παγκόσμιας επιχειρηματικής ανάπτυξης και της σύναψης νέων συνεργασιών στους τομείς της κινητικότητας και της αυτονομίας. Η εμπειρία της περιλαμβάνει επίσης επενδύσεις σε εταιρείες αναδυόμενης τεχνολογίας και παροχή συμβουλευτικών υπηρεσιών σε αυτές, με έμφαση στην προώθηση της φυσικής τεχνητής νοημοσύνης από την έρευνα στην εμπορική εφαρμογή.

Η Empiric Earth συνενώνει τις Nexar και Nauto, προσφέροντας νοημοσύνη οδήγησης από τον πραγματικό κόσμο, μοντέλα ασφάλειας και δυνατότητες επικύρωσης. Η εταιρεία συνδυάζει δισεκατομμύρια μίλια ιστορικών δεδομένων οδήγησης με καταγραφές σπάνιων συμβάντων, ώστε να βοηθά τους προγραμματιστές, τους διαχειριστές στόλων και άλλους οργανισμούς να κατανοούν τις επιδόσεις και τους κινδύνους. Σε αυτή τη συνέντευξη, η Vescio μιλά για την ανεξάρτητη αξιολόγηση, την υπεύθυνη διακυβέρνηση δεδομένων, την εμπορική αξιοποίηση και τις υποδομές που απαιτούνται για την κλιμάκωση της φυσικής τεχνητής νοημοσύνης.

Έχετε διαγράψει μια εκτενή πορεία, με εμπειρία στην παγκόσμια επιχειρηματική ανάπτυξη στην Uber, σε επενδύσεις σε αναδυόμενες τεχνολογίες και στην παροχή συμβουλών σε εταιρείες του χώρου της Φυσικής ΤΝ. Αρχικά, ενταχθήκατε στο διοικητικό συμβούλιο της Empiric Earth τον Απρίλιο και πρόσφατα αναλάβατε τη θέση της προέδρου. Τι σας προσέλκυσε στην εταιρεία και τι σας έπεισε τελικά να αναλάβετε έναν πιο ενεργό ηγετικό ρόλο;

Ως επενδύτρια και σύμβουλος στον χώρο της φυσικής τεχνητής νοημοσύνης, έβλεπα διαρκώς το ίδιο κενό. Πολλές ομάδες διεξήγαν πειράματα, αλλά ελάχιστες διέθεταν δεδομένα από τον πραγματικό κόσμο για να αποδείξουν ότι τα συστήματά τους λειτουργούσαν εκτός περιβάλλοντος δοκιμών. Η Empiric Earth διέθετε ήδη αυτά τα δεδομένα. Περισσότερα από 10 δισεκατομμύρια μίλια πραγματικής οδήγησης και 60 εκατομμύρια ακραίες περιπτώσεις είναι κάτι που δεν μπορείς ούτε να αγοράσεις ούτε να κατασκευάσεις.

Αυτό φέρνει την εταιρεία σε μια ασυνήθιστη θέση. Δεν χρειάζεται να ανταγωνιστούμε τις εταιρείες που κατασκευάζουν ρομπότ, οχήματα ή μοντέλα. Μπορούμε να τις βοηθήσουμε όλες να φτάσουν ταχύτερα στην αγορά, παρέχοντάς τους τη νοημοσύνη από τον πραγματικό κόσμο που χρειάζονται για να διαχειρίζονται τους κινδύνους, να επικυρώνουν τις επιδόσεις και να οικοδομούν εμπιστοσύνη. Ως μέλος του διοικητικού συμβουλίου, είδα την ευκαιρία να δημιουργήσουμε κάτι θεμελιώδες για ολόκληρο το οικοσύστημα της Φυσικής ΤΝ.

Αυτό που με οδήγησε στη θέση της προέδρου ήταν ο Zach και το όραμά του. Τον γνωρίζω από τότε που χτίζαμε και οι δύο συνεργασίες στον τομέα της κινητικότητας — εγώ στην Uber και εκείνος στη Lyft. Όταν κάποιος που εμπιστεύεσαι εδώ και τόσο καιρό σου παρουσιάζει ένα δύσκολο πρόβλημα και ένα περιουσιακό στοιχείο που κανείς άλλος δεν διαθέτει, τον ακούς. Οι δεξιότητές μας αλληλοσυμπληρώνονται. Εκείνος σκέφτεται τον κλάδο και την πορεία του. Εγώ έχω περάσει την επαγγελματική μου ζωή μετατρέποντας νέες τεχνολογίες σε επιχειρήσεις που μπορούν να αναπτυχθούν σε μεγάλη κλίμακα. Η φυσική τεχνητή νοημοσύνη περνά αυτή τη στιγμή από την έρευνα στην εφαρμογή στον πραγματικό κόσμο και δεν ήθελα να παρακολουθώ αυτή την εξέλιξη μόνο από τις συνεδριάσεις του διοικητικού συμβουλίου.

Η Empiric Earth δημιουργήθηκε από τη συγχώνευση των Nexar και Nauto, συνενώνοντας δύο εταιρείες με βαθιά εξειδίκευση στη νοημοσύνη οδήγησης από τον πραγματικό κόσμο και στην ασφάλεια με τεχνητή νοημοσύνη. Ποιες μοναδικές δυνατότητες προκύπτουν από αυτόν τον συνδυασμό και πώς φαντάζεστε ότι η ενιαία εταιρεία θα διαφοροποιηθεί στην ταχέως εξελισσόμενη αγορά της Φυσικής ΤΝ;

Οι Nexar και Nauto ιδρύθηκαν το 2015 και, αθροιστικά, αφιέρωσαν πάνω από δύο δεκαετίες στη μελέτη του ίδιου προβλήματος από δύο διαφορετικές οπτικές. Μαζί, μπορούμε να κατανοήσουμε τι συμβαίνει στον δρόμο και πώς αντιδρούν οι οδηγοί, αποκτώντας έτσι μια πολύ πληρέστερη εικόνα της συμπεριφοράς και των κινδύνων στον πραγματικό κόσμο.

Για την ευρύτερη αγορά, αυτό αποτελεί τη γέφυρα ανάμεσα στην προσομοίωση και τον πραγματικό κόσμο. Οι περισσότερες ομάδες κατασκευάζουν και δοκιμάζουν τα συστήματά τους σε προσομοιώσεις, αλλά η δύσκολη πρόκληση είναι να αποδείξουν ότι ένα σύστημα μπορεί να λειτουργεί αξιόπιστα σε πραγματικές συνθήκες. Μπορούμε να βοηθήσουμε τους συνεργάτες μας να εντοπίζουν σενάρια που δεν έχουν αντιμετωπίσει τα συστήματά τους, να βελτιώνουν τα μοντέλα τους και να επικυρώνουν τις επιδόσεις με βάση όσα συμβαίνουν στην πράξη. Αυτό μπορεί να συντομεύσει τους κύκλους ανάπτυξης, να μειώσει τους κινδύνους και να επιταχύνει την εμπορική αξιοποίηση.

Αυτό που μας ξεχωρίζει είναι η δυνατότητά μας να διευκολύνουμε την ανεξάρτητη αξιολόγηση σε ολόκληρο το οικοσύστημα της Φυσικής ΤΝ. Δεν κατασκευάζουμε τα οχήματα, τα ρομπότ ή τα αυτόνομα συστήματα που αναπτύσσουν οι πελάτες μας. Παρέχουμε νοημοσύνη από τον πραγματικό κόσμο, η οποία τους βοηθά να κατανοούν τις επιδόσεις, να διαχειρίζονται τους κινδύνους και να οικοδομούν εμπιστοσύνη. Αυτό απαιτεί δέσμευση στην ουδετερότητα, τη φορητότητα και τη διαλειτουργικότητα. Καθώς φέρνουμε στην αγορά νέες εφαρμογές, μοντέλα και υπηρεσίες, θέλουμε οι πελάτες να μπορούν να τα χρησιμοποιούν σε διαφορετικά συστήματα υλικού και τεχνολογίας, χωρίς να εξαρτώνται από έναν και μόνο πάροχο. Στόχος μας είναι να λειτουργούμε ως «διαιτητής» για ολόκληρο το οικοσύστημα, όχι να επιλέγουμε νικητές μέσα σε αυτό.

Η Φυσική ΤΝ αναδύεται ως ένα από τα επόμενα μεγάλα πεδία αιχμής της τεχνητής νοημοσύνης, με εφαρμογές σε αυτόνομα οχήματα, ρομποτική και ευφυείς υποδομές. Ποια θεωρείτε τα μεγαλύτερα εμπόδια που δεν επιτρέπουν σε αυτά τα συστήματα να λειτουργούν αξιόπιστα σε απρόβλεπτα περιβάλλοντα του πραγματικού κόσμου και γιατί είναι τόσο κρίσιμη η πρόσβαση σε δεδομένα από τον πραγματικό κόσμο για την υπέρβασή τους;

Το μεγαλύτερο εμπόδιο είναι ότι ο φυσικός κόσμος δεν καταγράφηκε ποτέ γραπτώς. Τα γλωσσικά μοντέλα βελτιώθηκαν γρήγορα, επειδή εκπαιδεύτηκαν με βάση κείμενα που είχαν ήδη παραγάγει οι άνθρωποι επί δεκαετίες. Δεν υπάρχει κάτι αντίστοιχο για έναν δρόμο, το δάπεδο μιας αποθήκης ή ένα πεζοδρόμιο. Τα περισσότερα από όσα συμβαίνουν εκεί —όπως ένα παρ’ ολίγον ατύχημα ή μια λωρίδα κυκλοφορίας που έκλεισε σήμερα το πρωί— δεν καταγράφονται ποτέ.

Αυτό δημιουργεί δύο προβλήματα. Το πρώτο είναι ότι ο φυσικός κόσμος αλλάζει διαρκώς. Ένα σύστημα πρέπει να γνωρίζει τι ισχύει τώρα, και μια φωτογραφία από την περασμένη άνοιξη δεν μπορεί να το ενημερώσει για έναν δρόμο που άλλαξε σήμερα το πρωί. Επίσης, δεν μπορείς να επιστρέψεις στο παρελθόν και να συλλέξεις τα δεδομένα της χθεσινής ημέρας. Το δεύτερο πρόβλημα είναι ο κατακερματισμός. Καμία εταιρεία δεν έχει από μόνη της επαρκή εικόνα του κόσμου, με αποτέλεσμα οι προγραμματιστές να διεξάγουν χωριστά πειράματα, χρησιμοποιώντας διαφορετικά σύνολα δεδομένων, μοντέλα και τεχνολογικές πλατφόρμες. Έτσι δυσκολεύει η σύγκριση των αποτελεσμάτων, η ανταλλαγή όσων αποδίδουν και η μετατροπή υποσχόμενης έρευνας σε εμπορικά βιώσιμα προϊόντα.

Τα δεδομένα από τον πραγματικό κόσμο είναι ο τρόπος για να ξεπεραστούν και τα δύο προβλήματα. Τα σπάνια περιστατικά που προκαλούν αστοχία σε ένα σύστημα συμβαίνουν κάπου κάθε μέρα, και μπορείς να τα εντοπίσεις μόνο παρατηρώντας διαρκώς ένα τεράστιο εύρος πραγματικών συνθηκών. Στα δεδομένα μας από τις ΗΠΑ, για κάθε σύγκρουση αντιστοιχούν περίπου 19 παρ’ ολίγον συγκρούσεις, και σχεδόν καμία από αυτές δεν καταγράφεται σε αστυνομική αναφορά ή ασφαλιστική απαίτηση. Όπως το έθεσε εύστοχα ο Zach σε πρόσφατο δοκίμιό του: η ασφάλεια είναι η μελέτη όσων δεν συνέβησαν. Δεν μπορείς να τα μελετήσεις αν κανείς δεν τα κατέγραψε.

Η Empiric Earth έχει συγκεντρώσει ιστορικά δεδομένα από περισσότερα από 10 δισεκατομμύρια μίλια οδήγησης και πάνω από 60 εκατομμύρια ακραίες περιπτώσεις, ενώ καταγράφει κάθε μήνα εκατοντάδες εκατομμύρια επιπλέον μίλια. Πώς μπορεί αυτό το τεράστιο σύνολο δεδομένων να βοηθήσει τους προγραμματιστές ΤΝ να εκπαιδεύσουν και να επικυρώσουν πιο αξιόπιστα αυτόνομα συστήματα, ιδίως σε σπάνια ή επικίνδυνα σενάρια που οι παραδοσιακές προσομοιώσεις δυσκολεύονται να αναπαραγάγουν;

Τα περισσότερα συστήματα ανταποκρίνονται πλέον καλά στη συνηθισμένη οδήγηση. Αυτό που εξακολουθεί να τα δυσκολεύει είναι η μακρά ουρά των σπάνιων περιστατικών: μια σύγκρουση, ένας πεζός που πετάγεται ανάμεσα από σταθμευμένα αυτοκίνητα, ένα ζώο στον δρόμο, μια ζώνη έργων που δεν υπήρχε την περασμένη εβδομάδα. Αυτά τα περιστατικά είναι πολύ σπάνια για να τα καταγράψει ένας στόλος δοκιμών σε χρήσιμο αριθμό, ενώ η προσομοίωση μπορεί να αναπαραγάγει μόνο όσα κάποιος έχει ήδη σκεφτεί να μοντελοποιήσει.

Η Empiric Earth δημιουργήθηκε για να τα εντοπίζει. Δεν επεξεργαζόμαστε κάθε μίλι που διανύει το δίκτυό μας. Κρατάμε το μικρό ποσοστό που τα μοντέλα μας επισημαίνουν ως ασυνήθιστο ή επικίνδυνο, και έτσι τα 10 δισεκατομμύρια μίλια μετατρέπονται σε 60 εκατομμύρια ακραίες περιπτώσεις που μπορούν πράγματι να αξιοποιήσουν οι προγραμματιστές.

Οι ομάδες αξιοποιούν αυτό το αρχείο με τρεις τρόπους. Το αναζητούν: μια ομάδα που εργάζεται σε ζώνες έργων μπορεί να αντλήσει χιλιάδες πραγματικά παραδείγματα ανθρώπινων οδηγών που τις διασχίζουν, αντί να δημιουργήσει μερικά τεχνητά σενάρια. Ζητούν όσα λείπουν: αν ένα σύστημα δυσκολεύεται στις αριστερές στροφές σε πολυσύχναστες διασταυρώσεις, μπορούμε να κατευθύνουμε το δίκτυο ακριβώς σε αυτές και να συλλέγουμε νέα παραδείγματα καθώς προκύπτουν. Και ελέγχουν την προσομοίωσή τους αντιπαραβάλλοντάς την με την πραγματικότητα. Όταν ένας συνεργάτης αναπαριστά πραγματικές συγκρούσεις και παρ’ ολίγον συγκρούσεις στις οποίες εμπλέκονται πεζοί και ποδηλάτες, μπορεί να διαπιστώσει αν ο προσομοιωμένος κόσμος του συμπεριφέρεται όπως ο πραγματικός, προτού διαθέσει το σύστημά του.

Αυτό είναι που καθιστά το υλικό αυτό πολύτιμο πέρα από τα ίδια τα δεδομένα. Η προσομοίωση είναι απαραίτητη, αλλά πρέπει να βασίζεται σε όσα συμβαίνουν πραγματικά στον κόσμο. Η πρόσβαση των προγραμματιστών σε αυτά τα στοιχεία τούς βοηθά να εντοπίζουν νωρίτερα τα κενά, να βελτιώνουν τα συστήματά τους ταχύτερα και να αποφασίζουν με καλύτερη πληροφόρηση πότε είναι έτοιμα για ανάπτυξη. Παράλληλα, δημιουργεί τις βάσεις για πιο συνεπή και ανεξάρτητη αξιολόγηση καθώς ο κλάδος αναπτύσσεται.

Μία από τις θεμελιώδεις αρχές της Empiric Earth είναι η ανεξαρτησία της από τους κατασκευαστές αυτόνομων συστημάτων και οχημάτων των οποίων τις λύσεις αξιολογεί. Γιατί αποκτά ολοένα μεγαλύτερη σημασία η ανεξάρτητη επαλήθευση καθώς η ΤΝ που αλληλεπιδρά με τον φυσικό κόσμο οδεύει προς την ευρεία εφαρμογή, και ποια πρότυπα θα πρέπει να υιοθετήσει ο κλάδος για να καθιερώσει ουσιαστικά κριτήρια αναφοράς για την ασφάλεια της ΤΝ;

Καθώς η ΤΝ που αλληλεπιδρά με τον φυσικό κόσμο περνά από τα ερευνητικά περιβάλλοντα στους δημόσιους χώρους, η εμπιστοσύνη γίνεται εξίσου σημαντική με τις τεχνικές επιδόσεις.

Σήμερα, μεγάλο μέρος του κλάδου βασίζεται στους προγραμματιστές για να δοκιμάζουν τα δικά τους συστήματα και να αναφέρουν τις επιδόσεις τους. Αυτό είναι κατανοητό στο παρόν στάδιο, αλλά, καθώς όλο και περισσότερα αυτόνομα συστήματα εντάσσονται στην καθημερινότητα, οι πελάτες, οι ρυθμιστικές αρχές και το κοινό θα ζητούν ολοένα συχνότερα ανεξάρτητα στοιχεία που να αποδεικνύουν ότι τα συστήματα αυτά λειτουργούν αξιόπιστα.

Έχουμε δει παρόμοιες εκδοχές αυτής της πρόκλησης και σε άλλους κλάδους. Όταν μπαίνεις σε ένα αυτοκίνητο, υπάρχει ένα καθιερωμένο πλαίσιο για την αδειοδότηση των οδηγών, τον έλεγχο των οχημάτων και τον καθορισμό των απαιτήσεων ασφάλειας. Η ΤΝ που αλληλεπιδρά με τον φυσικό κόσμο θα χρειαστεί δικές της μεθόδους για να αποδεικνύεται η ετοιμότητα και η απόδοσή της. Στην περίπτωση των αυτόνομων οχημάτων, αυτό θα μπορούσε να μοιάζει με άδεια οδήγησης: μια τυποποιημένη δοκιμασία που θα αποδεικνύει ότι ένα σύστημα αποδίδει τουλάχιστον εξίσου καλά με έναν άνθρωπο οδηγό.

Το ερώτημα είναι πώς θα καθιερώσουμε ουσιαστικά κριτήρια αναφοράς που να αντικατοπτρίζουν τις συνθήκες του πραγματικού κόσμου, αντί να βασιζόμαστε αποκλειστικά σε ελεγχόμενες δοκιμές ή προσομοιώσεις. Τα κριτήρια αυτά πρέπει να θεμελιώνονται σε δεδομένα από τον πραγματικό κόσμο, να λαμβάνουν υπόψη σπάνια και επικίνδυνα σενάρια και να επιτρέπουν τη συνεπή αξιολόγηση των επιδόσεων διαφορετικών συστημάτων.

Εδώ μπορεί να διαδραματίσει σημαντικό ρόλο η Empiric Earth. Δεν πιστεύουμε ότι οι εταιρείες που αναπτύσσουν αυτόνομα συστήματα θα πρέπει να είναι οι μόνες που αξιολογούν τις επιδόσεις τους. Ο ρόλος μας είναι να παρέχουμε ανεξάρτητη πληροφόρηση από τον πραγματικό κόσμο, μοντέλα και δυνατότητες επικύρωσης, ώστε άλλοι να μπορούν να αξιολογούν τις επιδόσεις, να διαχειρίζονται τους κινδύνους και να οικοδομούν εμπιστοσύνη. Παραμένοντας ουδέτεροι και διαλειτουργικοί, μπορούμε να υποστηρίζουμε την αξιολόγηση διαφορετικών τεχνολογιών και πλατφορμών, αντί να ευνοούμε κάποια συγκεκριμένη προσέγγιση.

Τελικά, η καθιέρωση προτύπων θα απαιτήσει συνεργασία μεταξύ προγραμματιστών, ερευνητών, ρυθμιστικών αρχών και άλλων ενδιαφερόμενων μερών. Θέλουμε να συμβάλουμε στη δημιουργία των βάσεων που καθιστούν δυνατή την ανεξάρτητη αξιολόγηση, ώστε η εμπιστοσύνη να οικοδομείται πάνω σε στοιχεία και όχι σε ισχυρισμούς.

Καθώς όλο και πιο εξελιγμένα συστήματα τεχνητής νοημοσύνης αλληλεπιδρούν με τον φυσικό κόσμο, οι οργανισμοί πρέπει να εξισορροπούν την ανάγκη για εκτενή δεδομένα από πραγματικές συνθήκες με την προστασία της ιδιωτικότητας, την ασφάλεια και την υπεύθυνη διακυβέρνηση των δεδομένων. Πώς προσεγγίζει η Empiric Earth αυτές τις προκλήσεις και ποιες δικλίδες ασφαλείας είναι απαραίτητες για να οικοδομηθεί η εμπιστοσύνη του κοινού σε μεγάλης κλίμακας υποδομές τεχνητής νοημοσύνης για τον φυσικό κόσμο;

Η εμπιστοσύνη ξεκινά από τον τρόπο συλλογής, προστασίας και χρήσης των δεδομένων. Στην Empiric Earth, η προστασία της ιδιωτικότητας αποτελεί αναπόσπαστο μέρος της προσέγγισής μας από την αρχή. Εστιάζουμε στην καταγραφή συμβάντων από τον πραγματικό κόσμο που προσφέρουν ουσιαστική πληροφόρηση, αντί να θεωρούμε εξίσου πολύτιμη κάθε στιγμή οδήγησης. Η αποταυτοποίηση και η υπεύθυνη διαχείριση των δεδομένων είναι θεμελιώδεις για αυτή τη διαδικασία.

Εξίσου σημαντική είναι η προέλευση των δεδομένων. Καθώς η τεχνητή νοημοσύνη για τον φυσικό κόσμο οδεύει προς την εμπορική αξιοποίηση, οι προγραμματιστές πρέπει να γνωρίζουν από πού προέρχονται τα δεδομένα τους, πώς συλλέχθηκαν και ποια δικαιώματα διέπουν τη χρήση τους. Χωρίς αυτή τη βάση, είναι δύσκολο να οικοδομηθεί η εμπιστοσύνη που απαιτείται για την επέκταση σε μεγάλη κλίμακα.

Οι απαιτήσεις σχετικά με την ιδιωτικότητα, τη συναίνεση και τον τόπο αποθήκευσης των δεδομένων διαφέρουν επίσης από αγορά σε αγορά. Η πλατφόρμα μας εφαρμόζει για κάθε χώρα τις αντίστοιχες ρυθμίσεις, ώστε να συμμορφωνόμαστε με τους τοπικούς κανόνες χωρίς να χρειάζεται να ανακατασκευάσουμε το σύστημα. Πρέπει να λαμβάνουμε υπόψη αυτές τις διαφορές όταν αξιολογούμε πού και πώς θα επεκταθούμε.

Η ευρύτερη αρχή είναι η διαφάνεια. Όποιος αναπτύσσει υποδομές για την τεχνητή νοημοσύνη στον φυσικό κόσμο πρέπει να μπορεί να εξηγήσει ποια δεδομένα συλλέγει, πώς τα προστατεύει και ποιος μπορεί να τα χρησιμοποιεί. Οι υπεύθυνες πρακτικές διαχείρισης δεδομένων δεν είναι κάτι ξεχωριστό από τη δημιουργία μιας επιτυχημένης επιχείρησης. Αποτελούν μέρος όσων καθιστούν δυνατή την ευρεία υιοθέτηση.

Η εμπειρία σας στην Uber περιλάμβανε τη μετατροπή αναδυόμενων τεχνολογιών και στρατηγικών συνεργασιών σε επιχειρηματικές δραστηριότητες με δυνατότητα κλιμάκωσης. Στον νέο σας ρόλο, είστε υπεύθυνη για τη στρατηγική προϊόντων, την εταιρική ανάπτυξη και την εμπορική αξιοποίηση της Empiric Earth. Ποια διδάγματα από τη θητεία σας στην Uber είναι πιο χρήσιμα για την επέκταση της τεχνητής νοημοσύνης στον φυσικό κόσμο και πώς αποφασίζετε πότε θα αναπτύξετε δυνατότητες εσωτερικά, αντί να επιδιώξετε εξαγορές ή συνεργασίες;

Η Uber με δίδαξε ότι η σωστή απάντηση μπορεί να αλλάξει. Αναπτύξαμε το δικό μας πρόγραμμα αυτόνομης οδήγησης, το ATG, επειδή πιστεύαμε ότι έπρεπε να έχουμε υπό τον έλεγχό μας ολόκληρη την τεχνολογική στοίβα. Αργότερα το εκποιήσαμε στην Aurora και επιστρέψαμε στον τομέα της αυτόνομης οδήγησης μέσω συνεργασιών. Και οι δύο αποφάσεις ήταν λογικές τη στιγμή που τις πήραμε. Αυτό που άλλαξε ήταν τα κριτήριά μας ως προς την ταχύτητα, το κόστος και τον κίνδυνο.

Επομένως, για κάθε απόφαση σχετικά με το αν θα αναπτύξουμε κάτι μόνοι μας, θα το αγοράσουμε ή θα συνεργαστούμε, θέτουμε τα ίδια ερωτήματα. Ποιος είναι ο κίνδυνος; Τι πόρους και κεφάλαια απαιτεί; Πόσο γρήγορα θα μας οδηγήσει στην αγορά και τι κάνει στο μεταξύ ο ανταγωνισμός; Συνάδει με τη στρατηγική μας;

Η Empiric Earth ξεκινά από διαφορετική αφετηρία σε σχέση με τις περισσότερες εταιρείες, επειδή διαθέτουμε ήδη το δυσκολότερο στοιχείο που μπορεί να αναπτύξει κανείς: τα δεδομένα. Αναπτύσσουμε τις δραστηριότητές μας εκεί όπου αυτή η βάση μάς προσφέρει ένα πλεονέκτημα που δύσκολα αντιγράφεται. Οι εξαγορές έχουν νόημα όταν προσθέτουν συμπληρωματικές δυνατότητες ή επιταχύνουν τη στρατηγική μας. Οι συνεργασίες, επίσης, μπορούν συχνά να αποτελέσουν τον ταχύτερο δρόμο προς τους πελάτες, τις νέες αγορές και την εμπορική ανάπτυξη σε μεγάλη κλίμακα. Η τεχνητή νοημοσύνη για τον φυσικό κόσμο έχει τόσο ευρύ πεδίο, ώστε καμία εταιρεία δεν μπορεί να αναπτύξει τα πάντα μόνη της. Γι’ αυτό θέλουμε να συνεργαζόμαστε με εταίρους που μπορούν να ενισχύσουν ολόκληρο το οικοσύστημα και να ιεραρχούμε τα βήματά μας με βάση τις συνθήκες της αγοράς, σε συνάρτηση με το ανταγωνιστικό μας πλεονέκτημα — τα περιουσιακά μας στοιχεία.

Έχετε επίσης συμμετάσχει στο οικοσύστημα τεχνητής νοημοσύνης ανοιχτού κώδικα, μεταξύ άλλων μέσα από τη συνεργασία σας με την κοινότητα OpenClaw. Πώς πιστεύετε ότι η καινοτομία ανοιχτού κώδικα μπορεί να συμβάλει στην πρόοδο της τεχνητής νοημοσύνης για τον φυσικό κόσμο; Μπορούν η μεγαλύτερη διαφάνεια και η συνεργασία να επιταχύνουν την υιοθέτησή της, διατηρώντας παράλληλα τα πρότυπα ασφάλειας και διακυβέρνησης που απαιτούν αυτά τα συστήματα;

Ο ανοιχτός κώδικας άλλαξε τον ρυθμό εξέλιξης της τεχνητής νοημοσύνης στον χώρο του λογισμικού. Όταν περισσότεροι άνθρωποι μπορούν να αξιοποιούν τα ίδια εργαλεία, οι κύκλοι έρευνας συντομεύουν και οι καλές ιδέες προέρχονται από παντού, όχι μόνο από τα μεγαλύτερα εργαστήρια. Η τεχνητή νοημοσύνη για τον φυσικό κόσμο βρίσκεται νωρίτερα σε αυτή την πορεία. Μεγάλο μέρος του κλάδου παραμένει στο στάδιο της έρευνας και των επιδείξεων, και το ερώτημα τώρα είναι πώς θα μετατραπεί αυτή η δουλειά σε βιώσιμες επιχειρήσεις.

Ήμουν επικεφαλής συνεργασιών στο OpenClaw Foundation, το οποίο ιδρύθηκε για να υποστηρίξει το όραμα του Peter Steinberger για προσωπική τεχνητή νοημοσύνη ανοιχτού κώδικα με δυνατότητες αυτόνομων πρακτόρων. Είναι ένα από τα σαφέστερα παραδείγματα που έχω δει για το πώς ένα ανοιχτό έργο μπορεί να επιταχύνει την υλοποίηση πραγματικών εργασιών, καθώς οι άνθρωποι μπορούσαν να το πάρουν, να το εκτελέσουν στα δικά τους συστήματα και να το προσαρμόσουν σε όσα κάνουν στην πράξη.

Αυτό είναι, κατά τη γνώμη μου, το δίδαγμα που πρέπει να λάβει σοβαρά υπόψη η τεχνητή νοημοσύνη για τον φυσικό κόσμο. Τα ανοιχτά εργαλεία επιτρέπουν σε περισσότερες ομάδες να αναπτύσσουν λύσεις και να πειραματίζονται χωρίς να ξεκινούν από το μηδέν. Όταν τα δεδομένα παραμένουν στο περιβάλλον του ίδιου του πελάτη, αντί να του ζητείται να τα στείλει αλλού, αίρεται ένας από τους σημαντικότερους λόγους για τους οποίους οι εταιρείες διστάζουν. Ένας στόλος οχημάτων, μια πόλη ή ένας κατασκευαστής μπορούν να αξιοποιήσουν την τεχνητή νοημοσύνη στα δικά τους δεδομένα, υπό τον δικό τους έλεγχο, και να δουν τα οφέλη ταχύτερα.

Αυτές οι δύο ιδέες μαζί είναι που θα οδηγήσουν τον κλάδο από την έρευνα και τις επιδείξεις σε προϊόντα για τα οποία οι άνθρωποι είναι διατεθειμένοι να πληρώσουν. Το άνοιγμα από μόνο του δεν καθιστά ένα σύστημα ασφαλές, επομένως εξακολουθούν να απαιτούνται ουσιαστικές δοκιμές, σαφής διακυβέρνηση και λογοδοσία. Όμως, ένα ανοιχτό οικοσύστημα όπου τα δεδομένα παραμένουν στα χέρια εκείνων στους οποίους ανήκουν επιτρέπει σε περισσότερα συστήματα να χρησιμοποιηθούν στην πράξη, και εκεί η μάθηση συσσωρεύεται.

Στην Empiric Earth, μας ενδιαφέρει πώς τα ανοιχτά εργαλεία και τα δεδομένα που παραμένουν στο περιβάλλον του πελάτη μπορούν να συμβάλουν στην ανάπτυξη ολόκληρου του οικοσυστήματος της ΤΝ για τον φυσικό κόσμο, προστατεύοντας παράλληλα τα δεδομένα από τον πραγματικό κόσμο που καθιστούν πολύτιμη τη δουλειά μας. Δεν πιστεύουμε ότι η πρόοδος του οικοσυστήματος και η δημιουργία μιας βιώσιμης επιχείρησης πρέπει να αποτελούν αντικρουόμενους στόχους.

Έχετε μιλήσει για τη σημασία της ενίσχυσης της γυναικείας παρουσίας σε ηγετικές θέσεις στον χώρο της ΤΝ, ιδίως καθώς ο κλάδος αρχίζει να θεσπίζει πρότυπα ασφάλειας και πλαίσια διακυβέρνησης που θα καθορίσουν τον τρόπο με τον οποίο λειτουργούν οι ευφυείς μηχανές στην κοινωνία. Πώς πιστεύετε ότι η μεγαλύτερη ποικιλομορφία στην ηγεσία μπορεί να επηρεάσει την ανάπτυξη ασφαλέστερων και πιο υπεύθυνων συστημάτων ΤΝ;

Είμαι επιφυλακτική σε αυτό το ζήτημα, γιατί η ιδέα ότι «αν προσθέσουμε περισσότερες γυναίκες, η ΤΝ θα γίνει ασφαλέστερη» αποτελεί και η ίδια μια μορφή μεροληψίας. Το ζήτημα είναι ευρύτερο. Οι πράκτορες που δημιουργούμε μαθαίνουν από όσα έχουν ήδη κάνει οι άνθρωποι και από τον τρόπο με τον οποίο τους διδάσκουμε. Αν όλοι όσοι διαμορφώνουν αυτή τη διδασκαλία σκέφτονται με τον ίδιο τρόπο, τα συστήματα υιοθετούν τα ίδια τυφλά σημεία.

Η ποικιλομορφία στην ηγεσία φέρνει περισσότερες οπτικές στις αποφάσεις σχετικά με τις αξίες που πρέπει να έχει ένας πράκτορας, όπως η ενσυναίσθηση, η φροντίδα και ο τρόπος με τον οποίο βιώνει μια επιλογή το άτομο που βρίσκεται στην άλλη πλευρά. Πολλοί κίνδυνοι της ΤΝ είναι τεχνικής φύσης. Άλλοι προκύπτουν όταν τα συστήματα λαμβάνουν αποφάσεις που δεν αντικατοπτρίζουν τις αξίες ή τις ανάγκες των ανθρώπων που επηρεάζονται από αυτές. Η ενσωμάτωση διαφορετικών οπτικών στις αποφάσεις αυτές μάς βοηθά να εντοπίζουμε τα τυφλά σημεία προτού μετατραπούν σε προβλήματα στον πραγματικό κόσμο.

Αυτό που θέλω από αυτά τα συστήματα είναι απλό. Πρέπει να βοηθούν τους ανθρώπους να λαμβάνουν καλύτερες αποφάσεις και να μας αφήνουν περισσότερο χρόνο για να περνάμε μαζί στην πραγματική ζωή. Για να το πετύχουμε, χρειάζεται ισορροπία και ουσιαστικοί μηχανισμοί ελέγχου που να λαμβάνουν υπόψη πολλές οπτικές. Καμία ομάδα δεν μπορεί να το πετύχει μόνη της και πρέπει να παρακινήσουμε και να ενθαρρύνουμε τις γυναίκες να συμμετάσχουν και να συμβάλουν στην ανάπτυξη συνδέσεων μεταξύ πράκτορα και ανθρώπου, μεταξύ πρακτόρων και μεταξύ ανθρώπων.

Κοιτάζοντας τα επόμενα τρία έως πέντε χρόνια, πού βλέπετε τις μεγαλύτερες ευκαιρίες για την Empiric Earth πέρα από τις υφιστάμενες εφαρμογές της στην οδική ασφάλεια και την ανάλυση δεδομένων στόλου; Καθώς τα αυτόνομα οχήματα, η ρομποτική και άλλες τεχνολογίες ΤΝ για τον φυσικό κόσμο ενσωματώνονται όλο και περισσότερο στην καθημερινότητα, ποιον ρόλο φαντάζεστε να διαδραματίζει η Empiric Earth στις υποδομές που στηρίζουν αυτή τη μετάβαση;

Ξεκινήσαμε από την οδική ασφάλεια και τους στόλους, και αυτά εξακολουθούν να αποτελούν βασικούς τομείς της δραστηριότητάς μας. Όμως, η μεγαλύτερη ευκαιρία είναι να υποστηρίξουμε την ΤΝ για τον φυσικό κόσμο μειώνοντας τον κίνδυνο, παρέχοντας ένα πρότυπο επικύρωσης και, τελικά, κάνοντας τον πραγματικό κόσμο ασφαλέστερο.

Οι θεμελιώδεις προκλήσεις είναι παρόμοιες είτε αναπτύσσετε ένα αυτόνομο όχημα, ένα ρομπότ διανομής είτε ένα σύστημα ευφυΐας για το λιανεμπόριο που λειτουργεί ένα δίκτυο διαφήμισης και εμπορίου στον πραγματικό κόσμο. Πώς κατανοείτε τι συμβαίνει στον πραγματικό κόσμο; Πώς γνωρίζετε αν ένα σύστημα μπορεί να αντιμετωπίσει απρόβλεπτες καταστάσεις; Και πώς αξιολογείτε τις επιδόσεις και διαχειρίζεστε τον κίνδυνο καθώς αυτά τα συστήματα περνούν στην εμπορική εφαρμογή;

Βλέπω την Empiric Earth να εξελίσσεται σε ένα σημαντικό επίπεδο ευφυΐας για το οικοσύστημα της ΤΝ για τον φυσικό κόσμο, παρέχοντας δεδομένα από τον πραγματικό κόσμο, μοντέλα, εφαρμογές και υπηρεσίες που βοηθούν τους προγραμματιστές, τους συνεργάτες και τους διαχειριστές να απαντούν σε αυτά τα ερωτήματα. Η ουδετερότητα, η φορητότητα και η διαλειτουργικότητα θα είναι σημαντικές για την υλοποίηση αυτού του οράματος. Θέλουμε οι δυνατότητές μας να λειτουργούν σε διαφορετικές τεχνολογίες και πλατφόρμες, ώστε οι πελάτες να μπορούν να υιοθετούν τις λύσεις που ανταποκρίνονται καλύτερα στις ανάγκες τους.

Διαθέτουμε μια εξαιρετική βάση στον τομέα της ευφυΐας οδήγησης στον πραγματικό κόσμο και τώρα έχουμε την ευκαιρία να αξιοποιήσουμε αυτή τη βάση αναπτύσσοντας νέες δυνατότητες, συνεργασίες και εμπορικά μοντέλα.

Η ΤΝ για τον φυσικό κόσμο δεν θα αναπτυχθεί σε μεγάλη κλίμακα επειδή μία εταιρεία κατασκευάζει το καλύτερο ρομπότ ή το καλύτερο μοντέλο. Θα αναπτυχθεί όταν το ευρύτερο οικοσύστημα διαθέτει την ευφυΐα, τα εργαλεία και τα μέτρα ασφάλειας που χρειάζονται για να αξιοποιηθούν αυτά τα συστήματα στον πραγματικό κόσμο. Αυτός είναι ο ρόλος που θέλουμε να διαδραματίσει η Empiric Earth.

Σας ευχαριστώ για την εξαιρετική συνέντευξη. Οι αναγνώστες που θέλουν να μάθουν περισσότερα για την ευφυΐα στον πραγματικό κόσμο και την ανεξάρτητη επικύρωση για την ΤΝ στον φυσικό κόσμο μπορούν να επισκεφθούν την Empiric Earth.