Mike Capps, Συνιδρυτής & CEO της Diveplane – Σειρά Συνεντεύξεων

Ο Δρ. Michael Capps είναι ένας γνωστός τεχνολόγος και CEO της Diveplane Corporation. Πριν από τη συνίδρυση της Diveplane, ο Mike είχε μια θρυλική καριέρα στη βιομηχανία βιντεοπαιχνιδιών ως πρόεδρος της Epic Games, κατασκευαστής των blockbusters Fortnite και Gears of War. Η θητεία του περιελάμβανε εκατό βραβεία παιχνιδιού της χρονιάς, δεκάδες κεντρικές ομιλίες σε συνέδρια, ένα βραβείοlifetime achievement και μια επιτυχημένη άμυνα της ελευθερίας του λόγου για τα βιντεοπαιχνίδια στο Ανώτατο Δικαστήριο των ΗΠΑ.

Diveplane προσφέρει λύσεις επιχειρήσεων που βασίζονται σε τεχνητή νοημοσύνη σε πολλαπλά κλάδους. Με έξι εγκριθέντα патенты και πολλά σε εκκρεμότητα, η Understandable AI της Diveplane παρέχει πλήρη κατανόηση και διαφάνεια στη λήψη αποφάσεων για την υποστήριξη των πολιτικών της ηθικής τεχνητής νοημοσύνης και των στρατηγικών προστασίας δεδομένων.

Επιτυχώς συνταξιοδοτήθηκατε από μια επιτυχημένη καριέρα στη βιομηχανία βιντεοπαιχνιδιών στην Epic Games, τι σας ενέπνευσε να βγείτε από τη συνταξιοδότηση για να εστιάσετε στην τεχνητή νοημοσύνη;

Η δημιουργία παιχνιδιών ήταν μια χαρά, αλλά – τουλάχιστον εκείνη την εποχή – δεν ήταν ένας ιδανικός职业 όταν είχε μια νέα οικογένεια. Κράτησα τη δραστηριότητά μου με θέσεις στο διοικητικό συμβούλιο και συμβουλευτικές ρόλους, αλλά δεν ήταν ικανοποιητικό. Έτσι, έκανα μια λίστα με τρία μεγάλα προβλήματα που αντιμετωπίζει ο κόσμος και που θα μπορούσα να επηρεάσω – και αυτό περιελάμβανε την εξάπλωση των συστημάτων τεχνητής νοημοσύνης με “μαύρο κουτί”. Ο στόχος μου ήταν να περάσω ένα χρόνο σε κάθε ένα, αλλά λίγες εβδομάδες αργότερα, ο εξαιρετικός φίλος μου Chris Hazard μου είπε ότι είχε εργαστεί μυστικά σε μια διαφανή, πλήρως εξηγήσιμη πλατφόρμα τεχνητής νοημοσύνης. Και εδώ είμαστε. 

Η Diveplane ξεκίνησε με μια αποστολή να φέρει την ανθρωπιά στην τεχνητή νοημοσύνη, μπορείτε να εξηγήσετε τι σημαίνει αυτό συγκεκριμένα;

Βέβαια. Εδώ χρησιμοποιούμε τον όρο “ανθρωπιά” για να σημαίνουμε “ανθρώπινη” ή “ελεημοσύνη”. Για να βεβαιωθούμε ότι το καλύτερο της ανθρωπιάς είναι στο μοντέλο τεχνητής νοημοσύνης σας, δεν μπορείτε απλώς να εκπαιδεύσετε, να ελέγξετε λίγο και να ελπίζετε ότι όλα θα είναι εντάξει. 

Πρέπει να ελέγξουμε προσεκτικά τα δεδομένα εισόδου, το μοντέλο selbst και την έξοδο του μοντέλου και να βεβαιωθούμε ότι αντανακλά το καλύτερο της ανθρωπιάς μας. Τα περισσότερα συστήματα που εκπαιδεύονται με ιστορικά ή πραγματικά δεδομένα δεν θα είναι σωστά από την πρώτη φορά και δεν είναι απαραίτητα αμερόληπτα. Πιστεύουμε ότι ο唯一 τρόπος να απομακρύνουμε τις προκαταλήψεις από ένα μοντέλο – που σημαίνει τόσο στατιστικά λάθη όσο και προκαταλήψεις – είναι η συνδυασμένη διαφάνεια, ελέγχου και ανθρώπινης εξήγησης.  

Η πυρήνας τεχνολογία της Diveplane ονομάζεται REACTOR, τι τη κάνει μια καινοτόμο προσέγγιση για να κάνει την μηχανική μάθηση εξηγήσιμη;

Η μηχανική μάθηση συνήθως περιλαμβάνει τη χρήση δεδομένων για την κατασκευή ενός μοντέλου που λαμβάνει μια συγκεκριμένη απόφαση. Οι αποφάσεις μπορεί να περιλαμβάνουν τη γωνία στροφής των τροχών για ένα όχημα, αν να εγκρίνει ή να απορρίψει μια αγορά ή να την σημειώσει ως απάτη, ή ποιο προϊόν να προτείνει σε κάποιον. Αν θέλετε να μάθετε πώς το μοντέλο έλαβε την απόφαση, συνήθως πρέπει να του ζητήσετε πολλές παρόμοιες αποφάσεις και στη συνέχεια να προσπαθήσετε να προβλέψετε τι θα κάνει το μοντέλο. Οι τεχνικές μηχανικής μάθησης είναι είτε περιορισμένες στα είδη των πληροφοριών που μπορούν να προσφέρουν, είτε από το αν οι πληροφορίες αντανακλούν πραγματικά τι έκανε το μοντέλο για να λάβει την απόφαση, είτε από το χαμηλότερο ακρίβεια. 

Η εργασία με το REACTOR είναι khá διαφορετική. Το REACTOR χαρακτηρίζει την αβεβαιότητα των δεδομένων σας, και τα δεδομένα σας γίνονται το μοντέλο. Αντί να κατασκευάζουμε ένα μοντέλο ανά τύπο απόφασης, απλώς ζητάμε από το REACTOR τι θέλουμε να αποφασίσει — μπορεί να είναι οτιδήποτε σχετικό με τα δεδομένα — και το REACTOR ζητά ποια δεδομένα χρειάζονται για μια συγκεκριμένη απόφαση. Το REACTOR μπορεί πάντα να σας δείξει τα δεδομένα που χρησιμοποιήθηκαν, πώς σχετίζονται με την απάντηση, κάθε аспект αβεβαιότητας, αντίστροφη σκέψη και σχεδόν οποιαδήποτε 额外 ερώτηση που θα θέλατε να κάνετε. Επειδή τα δεδομένα είναι το μοντέλο, μπορείτε να επεξεργαστείτε τα δεδομένα και το REACTOR θα ενημερωθεί αμέσως. Μπορεί να σας δείξει αν υπήρχε οποιοδήποτε δεδομένο που φαινόταν ανωμαλικό που μπήκε στην απόφαση και να αναζητήσει κάθε επεξεργασία στα δεδομένα και την πηγή τους.  Το REACTOR χρησιμοποιεί τη θεωρία πιθανοτήτων σε όλα τα επίπεδα, που σημαίνει ότι μπορούμε να σας πούμε τις μονάδες μέτρησης κάθε μέρους της λειτουργίας του. Και τέλος, μπορείτε να αναπαράγετε και να επικυρώσετε οποιαδήποτε απόφαση χρησιμοποιώντας μόνο τα δεδομένα που οδήγησαν στην απόφαση και τις αβεβαιότητες, χρησιμοποιώντας σχετικά απλή μαθηματική χωρίς να χρειάζεται το REACTOR. 

Το REACTOR μπορεί να κάνει όλα αυτά ενώ διατηρεί υψηλή ανταγωνιστική ακρίβεια, ιδιαίτερα για μικρά και σπάνια σύνολα δεδομένων.

Το GEMINAI είναι ένα προϊόν που κατασκευάζει einen ψηφιακό δίδυμο ενός συνόλου δεδομένων, τι σημαίνει αυτό συγκεκριμένα και πώς διασφαλίζει την προστασία των δεδομένων;

Όταν σας δώσετε στο GEMINAI ένα σύνολο δεδομένων, κατασκευάζει μια βαθιά γνώση του στατιστικού σχήματος των δεδομένων. Μπορείτε να το χρησιμοποιήσετε για να δημιουργήσετε einen συνθετικό δίδυμο που μοιάζει με τη δομή των αρχικών δεδομένων, αλλά όλα τα ρεκόρ είναι νεοδημιουργημένα. Αλλά το στατιστικό σχήμα είναι το ίδιο. Έτσι, για παράδειγμα, ο μέσος ρυθμός καρδιάς των ασθενών και στα δύο σύνολα θα ήταν σχεδόν ο ίδιος, καθώς και όλα τα άλλα στατιστικά. Έτσι, οποιαδήποτε ανάλυση δεδομένων χρησιμοποιώντας το δίδυμο θα έδινε την ίδια απάντηση με τα αρχικά, συμπεριλαμβανομένης της εκπαίδευσης μοντέλων ML. 

Και αν κάποιος έχει ένα ρεκόρ στα αρχικά δεδομένα, δεν θα υπήρχε κανένα ρεκόρ για αυτόν στο συνθετικό δίδυμο. Δεν αφαιρούμε απλώς το όνομα – βεβαιωνόμαστε ότι δεν υπάρχει κανένα νέο ρεκόρ που είναι “κοντά” στο ρεκόρ (και όλα τα άλλα) στο χώρο πληροφοριών. Δηλαδή, δεν υπάρχει κανένα ρεκόρ που είναι αναγνωρίσιμο και στα δύο σύνολα. 

Και αυτό σημαίνει ότι το συνθετικό σύνολο δεδομένων μπορεί να μοιραστεί πολύ πιο ελεύθερα χωρίς κανένα κίνδυνο να μοιραστείτε εμπιστευτικές πληροφορίες ακατάλληλα. Δεν έχει σημασία αν πρόκειται για προσωπικές χρηματοοικονομικές συναλλαγές, πληροφορίες υγείας ασθενών, ταξινομημένα δεδομένα -只要 τα στατιστικά των δεδομένων δεν είναι εμπιστευτικά, το συνθετικό δίδυμο δεν είναι εμπιστευτικό.  

Γιατί το GEMINAI είναι μια καλύτερη λύση από τη χρήση διαφορικής ιδιωτικότητας;

Η διαφορική ιδιωτικότητα είναι ένα σύνολο τεχνικών που διατηρούν την πιθανότητα ότι οποιοδήποτε άτομο δεν επηρεάζει τις στατιστικές περισσότερο από ένα περιθωριακό ποσό, και είναι ένα θεμελιώδες κομμάτι σε σχεδόν οποιαδήποτε λύση προστασίας δεδομένων. Ωστόσο, όταν η διαφορική ιδιωτικότητα χρησιμοποιείται μόνο, ένας προϋπολογισμός ιδιωτικότητας για τα δεδομένα πρέπει να διαχειριστεί, με αρκετό θόρυβο που προστίθεται σε κάθε ερώτηση. Μόλις ο προϋπολογισμός αυτός χρησιμοποιηθεί, τα δεδομένα δεν μπορούν να χρησιμοποιηθούν ξανά χωρίς να υπάρχει κίνδυνος για την ιδιωτικότητα.

Ένας τρόπος να ξεπεραστεί αυτός ο προϋπολογισμός είναι να εφαρμοστεί ο πλήρης προϋπολογισμός ιδιωτικότητας από την αρχή για να εκπαιδεύσετε ένα μοντέλο μηχανικής μάθησης για να δημιουργήσετε συνθετικά δεδομένα. Η ιδέα είναι ότι αυτό το μοντέλο, που εκπαιδεύτηκε με διαφορική ιδιωτικότητα, μπορεί να χρησιμοποιηθεί σχετικά ασφαλώς. Ωστόσο, η σωστή εφαρμογή της διαφορικής ιδιωτικότητας μπορεί να είναι δυσχερής, ιδιαίτερα αν υπάρχουν διαφορετικά όγκοι δεδομένων για διαφορετικά άτομα και πιο σύνθετες σχέσεις, όπως άτομα που ζουν στο ίδιο σπίτι. Και τα συνθετικά δεδομένα που παράγονται από αυτό το μοντέλο είναι συχνά πιθανό να περιλαμβάνουν, από τύχη, πραγματικά δεδομένα που ένα άτομο θα μπορούσε να ισχυριστεί ότι είναι δικά του因为 είναι πολύ παρόμοια.

Το GEMINAI λύνει αυτά τα προβλήματα και πολλά άλλα συνδυάζοντας πολλαπλές τεχνικές ιδιωτικότητας κατά τη σύνθεση των δεδομένων. Χρησιμοποιεί μια κατάλληλη πρακτική μορφή διαφορικής ιδιωτικότητας που μπορεί να φιλοξενήσει eine ποικιλία τύπων δεδομένων. Είναι χτισμένο πάνω στην μηχανή REACTOR μας, οπότε γνωρίζει επίσης την πιθανότητα ότι οποιαδήποτε κομμάτια δεδομένων μπορεί να συγχυστούν μεταξύ τους και συνθέτει δεδομένα βεβαιώνοντας ότι είναι πάντα αρκετά διαφορετικά από τα αρχικά δεδομένα. Επιπλέον, θεωρεί κάθε πεδίο, κάθε κομμάτι δεδομένων ως πιθανό ευαίσθητο ή αναγνωριστικό, οπότε εφαρμόζει πρακτικές μορφές διαφορικής ιδιωτικότητας για πεδία που δεν θεωρούνται παραδοσιακά ως ευαίσθητα αλλά θα μπορούσαν να αναγνωρίσουν ένα άτομο, όπως η μόνη συναλλαγή σε ένα 24ωρο κατάστημα μεταξύ 2πμ και 3πμ. Συχνά αναφερόμαστε σε αυτό ως “privacy cross-shredding”.

Το GEMINAI μπορεί να επιτύχει υψηλή ακρίβεια για σχεδόν οποιοδήποτε σκοπό, που μοιάζει με τα αρχικά δεδομένα, αλλά αποτρέπει οποιοδήποτε να βρει συνθετικά δεδομένα πολύ παρόμοια με τα συνθετικά δεδομένα.

Η Diveplane ήταν καθοριστική στη συνίδρυση του Data & Trust Alliance, τι είναι αυτή η συμμαχία;

Είναι ένα φανταστικό grupo από CEOs τεχνολογίας, που συνεργάζονται για να αναπτύξουν και να υιοθετήσουν υπεύθυνες πρακτικές δεδομένων και τεχνητής νοημοσύνης. Παγκόσμιες οργανώσεις όπως η IBM, Johnson&Johnson, Mastercard, UPS, Walmart και Diveplane. Είμαστε πολύ περήφανοι που υπήρξαμε μέρος των πρώτων σταδίων και επίσης περήφανοι για το έργο που έχουμε συλλέξει από τις πρωτοβουλίες μας. 

Η Diveplane πρόσφατα raised ένα επιτυχημένο γύρο Series A, τι θα σημαίνει αυτό για το μέλλον της εταιρείας;

Έχουμε την τύχη να είμαστε επιτυχημένοι με τα εταιρικά μας projects, αλλά είναι δύσκολο να αλλάξετε τον κόσμο ένα εταιρικό προς ένα. Θα χρησιμοποιήσουμε αυτή την υποστήριξη για να χτίσουμε την ομάδα μας, να μοιραστούμε το μήνυμά μας και να φέρουμε την Understandable AI σε όσο το δυνατόν περισσότερα μέρη!

Υπάρχει κάτι άλλο που θα θέλατε να μοιραστείτε για τη Diveplane;

Η Diveplane είναι όλα για το να βεβαιωθούμε ότι η τεχνητή νοημοσύνη γίνεται σωστά καθώς εξαπλώνεται. Είμαστε για δίκαιη, διαφανή και εξηγήσιμη τεχνητή νοημοσύνη, προωθώντας ενεργά τι οδηγεί τις αποφάσεις και μετακινούμενοι μακριά από την “μαύρη κουτί” νοοτροπία στην τεχνητή νοημοσύνη που έχει το δυναμικό να είναι άδικη, αήθικη και προκατειλημμένη. Πιστεύουμε ότι η εξήγηση είναι το μέλλον της τεχνητής νοημοσύνης και είμαστε ενθουσιασμένοι να παίξουμε einen κρίσιμο ρόλο στην προώθησή της!

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα πρέπει να επισκεφθούν Diveplane.