Birago Jones, Co-Fundador y CEO de Pienso – Serie de Entrevistas

Birago Jones es el CEO y Co-Fundador de Pienso, una plataforma de código bajo/no código para que las empresas entrenen y desplieguen modelos de inteligencia artificial sin necesidad de habilidades avanzadas de ciencia de datos o programación. Hoy en día, los clientes de Birago incluyen al gobierno de los Estados Unidos y Sky, el mayor difusor del Reino Unido. Pienso se basa en la investigación de Birago en el Instituto de Tecnología de Massachusetts (MIT), donde él y su co-fundador Karthik Dinakar sirvieron como asistentes de investigación en el Laboratorio de Medios de MIT. Él es una autoridad distinguida en la intersección de la inteligencia artificial (IA) y la interacción humano-computadora (IHC), y un defensor de la IA responsable.

Pienso‘s interfaz de aprendizaje interactivo está diseñada para permitir a los usuarios aprovechar al máximo el potencial de la IA sin necesidad de codificar. La plataforma guía a los usuarios a través del proceso de entrenar y desplegar grandes modelos de lenguaje (LLM) que están impregnados con su experiencia y ajustados para responder a sus preguntas específicas.

¿Qué te atrajo inicialmente para perseguir tus estudios en IA, IHC (Interacción Humano-Computadora) y experiencia del usuario?

Ya había estado desarrollando proyectos personales enfocados en crear herramientas de accesibilidad y aplicaciones para personas ciegas, como un lector de braille digital táctil utilizando un teléfono inteligente y un sistema de orientación interior (bastón digital). Creí que la IA podría mejorar y apoyar estos esfuerzos.

Pienso se concibió inicialmente durante tu tiempo en MIT, ¿cómo surgió el concepto de entrenar modelos de aprendizaje automático para que sean accesibles a usuarios no técnicos?

Mi co-fundador Karthik y yo nos conocimos en la escuela de posgrado mientras realizábamos investigaciones en el Laboratorio de Medios de MIT. Habíamos formado un equipo para un proyecto de clase para construir una herramienta que ayudara a las plataformas de redes sociales a moderar y marcar contenido de acoso. La herramienta estaba ganando mucha tracción, e incluso fuimos invitados a la Casa Blanca para dar una demostración de la tecnología durante un cumbre sobre ciberacoso.

Había solo un problema: aunque el modelo en sí funcionaba como se suponía, no se había entrenado con los datos correctos, por lo que no podía identificar contenido dañino que utilizaba el argot adolescente. Karthik y yo estábamos trabajando juntos para encontrar una solución, y más tarde nos dimos cuenta de que podríamos solucionar este problema si encontrábamos una forma de que los adolescentes entrenaran directamente los datos del modelo.

Este fue el momento “Aha” que más tarde inspiraría a Pienso: los expertos en la materia, no los ingenieros de IA como nosotros, deberían poder proporcionar más fácilmente información sobre los datos de entrenamiento del modelo. Desarrollamos herramientas de clic y punto que permiten a los no expertos entrenar grandes cantidades de datos a escala. Luego llevamos esta tecnología a las escuelas locales de Cambridge, Massachusetts, y solicitamos la ayuda de adolescentes locales para entrenar sus algoritmos, lo que nos permitió capturar más matices en los algoritmos que antes. Con esta tecnología, trabajamos con organizaciones como MTV y el Hospital Brigham and Women’s.

¿Puedes compartir la historia de cómo Pienso se convirtió en una empresa independiente después de su tiempo en MIT?

Siempre supimos que esta tecnología podría proporcionar valor más allá del caso de uso que construimos, pero no fue hasta 2016 que finalmente dimos el salto para comercializarla, cuando Karthik completó su doctorado. Para entonces, el aprendizaje profundo estaba explotando en popularidad, pero era principalmente los ingenieros de IA quienes lo estaban utilizando porque nadie más tenía la experiencia para entrenar y desplegar estos modelos.

¿Cuáles son las innovaciones y algoritmos clave que permiten la interfaz de código bajo/no código de Pienso para la construcción de modelos de IA? ¿Cómo garantiza Pienso que los expertos en dominios, sin antecedentes técnicos, puedan entrenar efectivamente modelos de IA?

Pienso elimina las barreras de “MLOps” —limpieza de datos, etiquetado de datos, entrenamiento de modelos y despliegue. Nuestra plataforma utiliza un enfoque de aprendizaje automático semi-supervisado, que permite a los usuarios comenzar con datos de entrenamiento no etiquetados y luego utilizar la experiencia humana para anotar grandes volúmenes de datos de texto de manera rápida y precisa sin necesidad de escribir código. Este proceso entrena modelos de aprendizaje profundo que son capaces de clasificar y generar nuevo texto con precisión.

¿Cómo ofrece Pienso personalización en el desarrollo de modelos de IA para satisfacer las necesidades específicas de diferentes organizaciones?

Creemos firmemente que ningún modelo puede resolver todos los problemas para todas las empresas. Necesitamos poder construir y entrenar modelos personalizados si queremos que la IA comprenda las sutilezas de cada empresa y caso de uso específico. Por eso Pienso permite entrenar modelos directamente en los datos de una organización. Esto alivia las preocupaciones de privacidad al utilizar modelos fundamentales y también puede proporcionar información más precisa.

Pienso también se integra con los sistemas empresariales existentes a través de API, lo que permite que los resultados de inferencia se entreguen en diferentes formatos. Pienso también puede operar sin depender de servicios o API de terceros, lo que significa que los datos nunca necesitan transmitirse fuera de un entorno seguro. Puede implementarse en los principales proveedores de nube, así como en las instalaciones, lo que lo convierte en una opción ideal para industrias que requieren prácticas de seguridad y cumplimiento sólidas, como las agencias gubernamentales o las finanzas.

¿Cómo ves la evolución de la plataforma en los próximos años?

En los próximos años, Pienso continuará evolucionando centrándose en una mayor escalabilidad y eficiencia. A medida que crece la demanda de análisis de texto de alto volumen, mejoraremos nuestra capacidad para manejar conjuntos de datos más grandes con tiempos de inferencia más rápidos y análisis más complejos. También nos comprometemos a reducir los costos asociados con la escalabilidad de grandes modelos de lenguaje para garantizar que las empresas obtengan valor sin comprometer la velocidad o la precisión.

También nos esforzaremos por democratizar aún más la IA. Pienso ya es una plataforma de código bajo/no código, pero planeamos expandir aún más la accesibilidad de nuestras herramientas. Continuaremos perfeccionando nuestra interfaz para que un rango más amplio de usuarios, desde analistas comerciales hasta equipos técnicos, puedan entrenar, ajustar y desplegar modelos sin necesidad de experiencia técnica profunda.

A medida que trabajamos con más clientes en diversas industrias, Pienso se adaptará para ofrecer soluciones más personalizadas. Ya sea en finanzas, atención médica o gobierno, nuestra plataforma evolucionará para incorporar plantillas y módulos específicos de la industria para ayudar a los usuarios a ajustar sus modelos de manera más efectiva para sus casos de uso específicos.

Pienso se integrará aún más dentro del ecosistema de IA más amplio, trabajando junto a las soluciones / herramientas de los principales proveedores de nube y soluciones en las instalaciones. Nos centraremos en construir integraciones más sólidas con otras plataformas de datos y herramientas, lo que permitirá un flujo de trabajo de IA más cohesivo que se ajuste a las pilas tecnológicas empresariales existentes.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Pienso.