Σάρα Νάγκι, ιδρύτρια και διευθύνουσα σύμβουλος της Seek AI – σειρά συνεντεύξεων

Η Σάρα Νάγκι είναι η ιδρύτρια και διευθύνουσα σύμβουλος της Seek AI, μια πλατφόρμα που επιτρέπει στους τελικούς χρήστες των επιχειρήσεων να υποβάλλουν στη Seek τις ίδιες ερωτήσεις που υποβάλλουν στην ομάδα δεδομένων, ακριβώς στο Slack, Teams και email. Χωρίς “επεξεργασία” του τρόπου με τον οποίο γράφουν την ερώτησή τους και χωρίς να χρειάζονται να μάθουν μια νέα πλατφόρμα.

Ξεκινήσατε αρχικά ως ερευνήτρια με δεδομένα από το διαστημικό τηλεσκόπιο Hubble. Σε τι εργαζόσασταν;

Έκανα έρευνα στο UCLA και στο Caltech, εξετάζοντας κάποιους από τους πιο μακρινούς γαλαξίες που ήταν δυνατόν να παρατηρηθούν με ένα τηλεσκόπιο και εργαζόμουν στην ανάλυση κάποιων ιδιοτήτων τους, όπως η μάζα και το μέγεθός τους. Ο σκοπός αυτής της έρευνας ήταν να μας βοηθήσει να κατανοήσουμε τη διαφορά μεταξύ πολύ μακρινών γαλαξιών και γαλαξιών που είναι πιο κοντά στο δικό μας και να αναπτύξουμε μοντέλα για το πώς σχηματίζονται αυτοί οι γαλαξίες με την πάροδο του χρόνου.

Στη συνέχεια εργαστήκατε ως επιστήμονας δεδομένων σε διάφορες νεοφυείς επιχειρήσεις. Ποια ήταν κάποια από τα πιο ενδιαφέροντα προγράμματα;

Ένα πρόγραμμα που ξεχωρίζει ήταν η χρήση της επεξεργασίας φυσικής γλώσσας (NLP) για την ταξινόμηση μη δομημένου κειμένου που σχετίζεται με προϊόντα λιανικής. Για παράδειγμα, λαμβάνοντας το ακατέργαστο κείμενο (π.χ. “air jordans green”) και επισήμανση ως την εκτιμώμενη μάρκα (“Nike”). Έχω ένα συνάδελφο που ειδικεύεται στην NLP που ήταν απασχολημένος με ένα διαφορετικό πρόγραμμα, οπότε στην πραγματικότητα δεν ήταν να εργαστώ σε αυτό. Τελικά μου το ανέθεσαν επειδή ήταν απασχολημένος. Δεν ήξερα τίποτα για την NLP εκείνη την εποχή, οπότε πέρασα από κάποια δωρεάν μαθήματα από το Stanford και το Fast.ai για να αυξήσω τις γνώσεις μου. Απολάμβανα πραγματικά να μαθαίνω για την NLP και άρχισα να κατανοώ γιατί είναι τόσο σημαντική και γιατί η τεχνητή νοημοσύνη (AI) που μπορεί να κατανοήσει τη γλώσσα είναι ένα μεγάλο βήμα προς τη λεγόμενη “γενική AI”. Αυτή η εμπειρία με έκανε να κατανοήσω γρήγορα τη σημασία του GPT-3 όταν βγήκε για πρώτη φορά.

Μπορείτε να μοιραστείτε την ιστορία γέννησης της Seek AI;

Όταν το μοντέλο GPT-3 της OpenAI βγήκε, αναγνώρισα αμέσως τι τεράστια πρόοδος ήταν και ενθουσιάστηκα ιδιαίτερα με τις εφαρμογές που αφορούσαν την GPT-3 να γράφει κώδικα. Άλλωστε, έγραφα κώδικα όλη την ημέρα ως επιστήμονας δεδομένων και να δω την AI να το κάνει αυτό – και να παράγει τον κώδικα με απόλυτη ακρίβεια – ήταν καταπληκτικό. Θα σύγκρινα την αντίδρασή μου στο GPT-3 με την πρώτη φορά που έμαθα για την εικονική πραγματικότητα το 2013, η οποία ήταν μια άλλη καταπληκτική εμπειρία για μένα. Τελικά αποφάσισα ότι έπρεπε να δημιουργήσω μια νεοφυή επιχείρηση για να κάνω ένα στοίχημα σε αυτή την τεχνολογία. Δεν ήξερα ακριβώς τι θα χτίζα, αλλά είχα μια ενστικτώδη αίσθηση ότι αν μάθαινα περισσότερα για αυτά τα μοντέλα, κάτι πολύτιμο θα έπεφτε στη θέση του.

Μόλις είχα πραγματικά μάθει για τα μοντέλα, εκείνη ήταν η στιγμή που συνειδητοποίησα ότι μπορούσα να λύσω ένα πρόβλημα που συνάντησα παντού που εργαζόμουν ως ποσοτική αναλύτρια ή ως επιστήμονας δεδομένων. Το πρόβλημα ήταν ότι οι επιχειρηματίες δεν είχαν τα σωστά εργαλεία για να απαντήσουν τις δικές τους ερωτήσεις δεδομένων. Ως επιστήμονας δεδομένων, συχνά έπρεπε να εργαστώ σε προβλήματα που απαιτούσαν πολλή εστίαση, αλλά συχνά διακοπτόμουν από συναδέλφους στην επιχειρηματική πλευρά που είχαν ερωτήσεις για τα δεδομένα, αναγκάζοντάς με να σταματήσω αυτό που έκανα. Η διαδικασία φαινόταν παρωχημένη και αναποτελεσματική. Συνειδητοποίησα ότι αν εστίαζα σε αυτή τη νέα τεχνολογία για να λύσω το πρόβλημα, θα ήταν μια λύση που θα όριζε μια νέα κατηγορία σε αυτό το πολύ σημαντικό και πανταχού παρούμενο πρόβλημα.

Η Seek AI χρησιμοποιεί παραγωγική AI. Μπορείτε να εξηγήσετε στους αναγνώστες μας τι είναι αυτό;

Η “παραγωγική AI” είναι ένα πολύ διαφημισμένο buzzword, αλλά σε αντίθεση με άλλα buzzwords, δεν πιστεύω ότι ο ενθουσιασμός είναι αδικαιολόγητος. Ο όρος αναφέρεται σε μεγάλα μοντέλα μηχανικής μάθησης με εκατοντάδες δισεκατομμύρια παραμέτρους, όπως το DALL-E και το GPT-3 της Open AI. Η καινοτομία αυτών των μοντέλων είναι ότι μπορούν να κατανοήσουν τη φυσική γλώσσα και να παράγουν κείμενο, εικόνες, κώδικα και άλλα. Αν παίξετε με το DALL-E ή το Stable Diffusion, για παράδειγμα, θα κατανοήσετε γρήγορα γιατί αυτά τα μοντέλα είναι τόσο διαφημισμένα· έχουν μια απίστευτα ανθρώπινη ικανότητα να κατανοούν εντολές σε φυσική γλώσσα και μπορούν να παράγουν τέχνη που ανταγωνίζεται τους καλύτερους ανθρώπινους καλλιτέχνες.

Η παραγωγή κώδικα είναι μια από τις πιο ιδιαίτερες, αλλά πιο σημαντικές, εφαρμογές της παραγωγικής AI. Τα δεδομένα γίνονται μεγαλύτερα και πιο σύνθετα, και επομένως πιο δύσκολα να αναλυθούν και να οργανωθούν από τους ανθρώπους. Ωστόσο, υπάρχουν τόσες πολλές πληροφορίες που κωδικοποιούνται σε αυτά τα δεδομένα. Αυτές οι πληροφορίες δεν είναι μόνο ισχυρές για τις οργανώσεις, αλλά μπορούν επίσης να οδηγήσουν σε απίστευτες επιστημονικές ανακαλύψεις στην ακαδημαϊκή πλευρά. Η κατασκευή της AI για να εξάγει αξία από τα δεδομένα θα ανοίξει απίστευτη αξία με τη μορφή χρήσιμης πληροφορίας.

Η Seek AI κατασκευάζει μια διεπαφή που επιτρέπει στους χρήστες να αλληλεπιδρούν με τα δεδομένα χρησιμοποιώντας φυσική γλώσσα. Οι εργαζόμενοι της γνώσης μπορούν να έχουν πρόσβαση στη διεπαφή φυσικής γλώσσας της Seek AI μέσω email, Slack, μηνυμάτων κειμένου και μιας σειράς συστημάτων διαχείρισης σχέσεων πελατών (CRM).

Ποια άλλα είδη μηχανικής μάθησης χρησιμοποιούνται στην Seek AI;

Ενώ η παραγωγική AI είναι ένα μέρος της αρχιτεκτονικής μας μηχανικής μάθησης, η αρχιτεκτονική μας περιλαμβάνει επίσης πολλά fork ανοιχτών μοντέλων βαθιάς μάθησης. Τα μοντέλα Transformer (των οποίων η “παραγωγική AI” είναι μια παραλλαγή) αποτελούν πολλά (αλλά όχι όλα) από τα μοντέλα που χρησιμοποιεί η Seek.

Γιατί είναι τόσο σημαντικό για τους μη τεχνικούς χρήστες να έχουν γρήγορη πρόσβαση στα δεδομένα;

Τι καλό είναι τα δεδομένα αν δεν παράγουν απόδοση επενδύσεων και πώς μπορεί μια επιχείρηση να λάβει αυτή την απόδοση επενδύσεων αν οι επιχειρηματικοί χρήστες δεν μπορούν ούτε να προσεγγίσουν τα δεδομένα; Αυτός είναι ο λόγος για τον οποίο είναι απολύτως απαραίτητο να δώσουμε πρόσβαση σε όσο το δυνατόν περισσότερους ανθρώπους, χωρίς να θυσιάζουμε την ακρίβεια.

Όταν ήμουν επιστήμονας δεδομένων, μερικές φορές έπαιρνα αιτήματα από τον CEO να αναλύσω κάποια δεδομένα για να βοηθήσω στην στρατηγική προϊόντος ή εισόδου στην αγορά της εταιρείας. Αυτά τα προγράμματα θα μπορούσαν να διαρκέσουν εβδομάδες ή περισσότερο. Ως CEO τώρα, κατανοώ τη σημασία αυτών των προγραμμάτων σε ένα βαθύτερο επίπεδο από ό,τι όταν ήμουν στην πλευρά των δεδομένων. Συχνά εύχομαι να μπορούσα να λάβω τα δεδομένα στα χέρια μου για να λάβω τις αποφάσεις μου γρηγορότερα. Αυτό είναι ένα παράδειγμα του τι λύνουμε στην Seek.

Πώς κάνει η Seek AI τα δεδομένα τόσο εύκολα να ανακτηθούν;

Κάτι που είναι ενδιαφέρον να σκεφτείτε είναι ότι τα δεδομένα μπορούν πραγματικά να αναλυθούν μόνο με κώδικα. Είναι αλήθεια ότι υπάρχουν πλατφόρμες που είναι αφαίρεσεις από αυτόν τον κώδικα (π.χ. πίνακες δεδομένων), αλλά κάτω από το καπό, υπάρχει κώδικας που γράφεται χειροκίνητα από τους αναλυτές δεδομένων, ο οποίος επιτρέπει στα δεδομένα να παρουσιαστούν στους επιχειρηματικούς τελικούς χρήστες.

Οι περισσότεροι εργαζόμενοι της γνώσης δεν ξέρουν πώς να γράψουν κώδικα, δεν θέλουν να γράψουν κώδικα ή απλά δεν μπορούν να προσεγγίσουν τα δεδομένα, ακόμη και αν θέλουν να γράψουν κώδικα για να τα αναλύσουν. Επομένως, όταν χρειάζονται δεδομένα, είτε πρέπει να τα βρουν σε έναν πίνακα ελέγχου είτε να ζητήσουν από την ομάδα δεδομένων αν δεν μπορούν να τα βρουν. Όσο μεγαλύτερα γίνονται τα σύνολα δεδομένων, τόσο περισσότερο θα συμβεί αυτό.

Οι ομάδες δεδομένων πρέπει να είναι “μεταφραστές” των ερωτήσεων φυσικής γλώσσας που στρέφονται προς αυτούς και των δεδομένων, τα οποία ερωτούν με κώδικα. Η αφαίρεση αυτού του “μεταφραστή” μεσολαβητή είναι η καρδιά του τι κάνει η Seek.

Πώς οι επιχειρήσεις διασφαλίζουν ότι τα δεδομένα που χρησιμοποιούν είναι ακριβή;

Η διαχείριση της ισορροπίας μεταξύ ακρίβειας δεδομένων και πρόσβασης είναι μια τεράστια πρόκληση. Όπως ανέφερα σε μια πρόσφατη συνέντευξη, από την μια πλευρά, η πρόσβαση επιτρέπει στους λιγότερο τεχνικούς να αρχίσουν να αλληλεπιδρούν με την πηγή γνώσεων που είναι τα δεδομένα της εταιρείας. Από την άλλη πλευρά, τι καλό είναι ένα πηγάδι γνώσεων αν είναι μολυσμένο (δηλαδή κακά δεδομένα);

Οι καλύτερες ομάδες δεδομένων είναι αυτές που διαχειρίζονται αυτή την ισορροπία με τον βέλτιστο δυνατό τρόπο και ένα μεγάλο μέρος αυτού είναι η προσεκτική διαμόρφωση και επαλήθευση των εργαλείων που οι μη τεχνικοί χρήστες μπορούν να αλληλεπιδράσουν.

Τι είναι κάποια παραδείγματα χρήσεων της πλατφόρμας Seek AI;

Παροχή αξίας σε πελάτες και συνεργάτες σχεδιασμού στις αγορές B2B SaaS, Fintech, καταναλωτικών αγαθών (CPG) και B2C e-commerce.

Battlefin, για παράδειγμα, είναι η ηγετική αγορά εναλλακτικών οικονομικών συνόλων δεδομένων. Πιστεύουν ότι η παροχή γρήγορων, υψηλής ποιότητας απαντήσεων στις ερωτήσεις των πελατών τους είναι η διαφορά μεταξύ νίκης και ήττας έναντι των ανταγωνιστών. Ο CEO της εταιρείας, Tim Harrington, ανέφερε: “Η Seek AI έπαιξε κρίσιμο ρόλο στη στρατηγική της εταιρείας μας για το 2023 λόγω του πλεονεκτήματος που μας δίνει στην πρόσβαση και ανάλυση των 2.400+ συνόλων δεδομένων μας σε απάντηση ερωτήσεων πελατών. Θα εκτιμούσα ότι η απόδοση επενδύσεων μας στην Seek AI είναι περίπου 10 φορές, με βάση όσα θα ξοδεύαμε για να επιτύχουμε αυτό το επίπεδο αποτελεσματικότητας χωρίς την πλατφόρμα.”

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστεί σχετικά με την Seek AI;

Αυτή μπορεί να είναι η σωστή θέση για λίγη απροκάλυπτη διαφήμιση. Η Seek προσφέρει δωρεάν δοκιμές της πλατφόρμας μας, η οποία μπορεί να προσεγγιστεί στο seek.ai. Είμαστε ενθουσιασμένοι να είμαστε πρωτοπόροι στην εισαγωγή της παραγωγικής AI στις ομάδες δεδομένων και αναμένω να πηγαίνω σε αυτό το ταξίδι με τους πελάτες μας.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα πρέπει να επισκεφθούν την Seek AI.