Etienne Bernard, Co-Fundador y CEO de NuMind – Serie de Entrevistas

Etienne Bernard, es el Co-Fundador y CEO de NuMind una empresa de software fundada en junio de 2022 especializada en desarrollar herramientas de aprendizaje automático. Etienne es un experto en IA y aprendizaje automático. Después de un doctorado (ENS) y un postdoctorado (MIT) en física estadística, Etienne se unió a Wolfram Research, donde se convirtió en el jefe de aprendizaje automático durante 7 años. Durante este tiempo, Etienne lideró el desarrollo de herramientas de aprendizaje automático, un marco de aprendizaje profundo de usuario y diversas aplicaciones de aprendizaje automático.

¿Qué te atrajo inicialmente al aprendizaje automático?

La primera vez que escuché el término “aprendizaje automático” fue en 2009, creo, gracias al premio de Netflix. Me pareció fascinante y poderosa la idea de que las máquinas puedan aprender. Ya era evidente para mí que esto llevaría a muchas aplicaciones importantes, incluida la emocionante posibilidad de crear inteligencias artificiales. Inmediatamente decidí sumergirme en ello y nunca volví.

Después de obtener un doctorado (ENS) y un postdoctorado (MIT) en física estadística, te uniste a Wolfram Research, donde te convertiste en el jefe de aprendizaje automático durante 7 años. ¿Cuáles fueron algunos de los proyectos más interesantes en los que trabajaste?

Mis proyectos favoritos en Wolfram fueron desarrollar funciones de aprendizaje automático automáticas para el lenguaje de Wolfram (también conocido como Mathematica). El primero fue Classify, donde solo tienes que darle los datos y te devuelve un clasificador. Para mí, el aprendizaje automático siempre ha sido sobre la automatización. No ajustas los hiperparámetros de tu estudiante humano, y no deberías hacerlo con tu máquina. Fue bastante desafiante desde una perspectiva científica y de ingeniería de software crear funciones de aprendizaje automático automáticas y eficientes.

Crear un marco de redes neuronales de alto nivel también fue un proyecto muy interesante. Muchas decisiones difíciles sobre cómo representar redes neuronales simbólicamente, cómo visualizarlas y cómo manipularlas (es decir, poder cortar algunas partes, unir otras, reemplazar capas, etc.). Creo que hicimos un buen trabajo, y si fuera de código abierto, estoy seguro de que sería muy utilizado 😉

Durante este período de tiempo, también escribiste un libro seminal titulado “Introducción al Aprendizaje Automático“, ¿cuáles fueron algunos de los desafíos detrás de escribir un libro tan completo?

Oh, hubo muchos. Me tomó dos años en total escribirlo. Podría haber decidido escribir solo un libro de “cómo hacer”, lo que habría sido más fácil, pero parte de mi viaje en Wolfram ha sido aprender sobre aprendizaje automático, y sentí la necesidad de transmitirlo. Así que la principal dificultad fue determinar sobre qué hablar exactamente y en qué orden, para hacerlo interesante y fácil de entender. Luego estaban los detalles pedagógicos: ¿debería usar una fórmula matemática para este concepto? ¿O algún código? ¿O solo una visualización? Quería hacer que este libro fuera lo más accesible posible, y esto me dio muchos dolores de cabeza. En general, estoy contento con el resultado. Espero que sea útil para muchos.

¿Podrías compartir la historia de la creación de NuMind?

Okay. Quería crear una startup durante un tiempo, originalmente en 2012 para crear una herramienta de aprendizaje automático, pero el trabajo en Wolfram era demasiado divertido. Luego, alrededor de 2019-2020, los primeros grandes modelos de lenguaje (LLM) comenzaron a aparecer, como GPT-2 y luego GPT-3. Fue un shock para mí cómo bien podían entender y generar texto. Al mismo tiempo, podía ver lo doloroso que era crear modelos de NLP: necesitabas lidiar con un equipo de anotación, tener expertos que ejecutaran muchas experimentaciones, etc. Pensé que debería haber una forma de usar estos LLM para mejorar dramáticamente la experiencia de crear modelos de NLP. Mi co-fundador, Samuel (que resulta ser mi primo), compartió la misma visión, y así decidimos crear esta herramienta.

El objetivo de NuMind es difundir el uso del aprendizaje automático y la inteligencia artificial en general, creando herramientas simples pero poderosas. ¿Cuáles son algunas de las herramientas que están disponibles actualmente?

En efecto. Nuestra primera herramienta es para crear modelos de NLP personalizados. Por ejemplo, digamos que quieres analizar la opinión de tus usuarios a partir de sus comentarios. Usar un modelo estándar generalmente no es gran cosa, porque ha sido entrenado con un tipo diferente de datos y para una tarea ligeramente diferente (las tareas de análisis de opinión son sorprendentemente diferentes entre sí). En lugar de eso, quieres entrenar un modelo personalizado que funcione bien con tus datos. Nuestra herramienta te permite hacer justo eso, de una manera extremadamente simple y eficiente. Básicamente, cargas tus datos, realizas una pequeña cantidad de anotación y obtienes un modelo que puedes implementar a través de una API. Esto es posible gracias al uso de LLM, pero también a este nuevo paradigma de aprendizaje que llamamos Desarrollo de Inteligencia Artificial Interactiva.

¿Cuáles son algunos de los modelos personalizados que están siendo desarrollados por los primeros clientes de NuMind?

Ha habido algunos analistas de opinión. Por ejemplo, un cliente está monitoreando la opinión de chats de grupo donde la gente se ayuda mutuamente a superar sus adicciones. Este análisis es necesario para intervenir en el caso raro en que la opinión está disminuyendo. Otro cliente nos usa para encontrar qué ofertas de trabajo son mejores para un currículum determinado, y por cierto, creo que hay mucho potencial en este tipo de inteligencias artificiales de emparejamiento. También tenemos clientes que están extrayendo información de documentos médicos y legales.

¿Cuánto ahorro de tiempo pueden ver las empresas al usar las herramientas de NuMind?

Depende de la aplicación, por supuesto, pero en comparación con las soluciones tradicionales (etiquetar datos y entrenar un modelo por separado), vemos una mejora en la velocidad de hasta 10 veces para obtener un modelo y ponerlo en producción. Espero que este número mejore a medida que sigamos desarrollando el producto. Eventualmente, creo que proyectos que habrían tomado meses se completarán en días, y con un mejor rendimiento.

¿Podrías explicar cómo funciona el Desarrollo de Inteligencia Artificial Interactiva de NuMind?

La idea del Desarrollo de Inteligencia Artificial Interactiva proviene de cómo los humanos se enseñan entre sí. Por ejemplo, digamos que contratas a un intern para clasificar tus correos electrónicos. Primero, describirías la tarea y su propósito. Luego, podrías dar algunos ejemplos buenos, algunos casos de esquina, tal vez. Luego, tu intern comenzaría a etiquetar correos electrónicos, y comenzaría una conversación. Tu intern regresaría con preguntas como “¿Cómo debería etiquetar este?” o “Creo que deberíamos crear una nueva etiqueta para este”, o incluso preguntarte “¿por qué” deberíamos etiquetar de una cierta manera. De manera similar, podrías hacer preguntas a tu intern para identificar y corregir sus lagunas de conocimiento. Esta forma de enseñar es muy natural y extremadamente eficiente en términos de intercambio de información. Estamos tratando de imitar este flujo de trabajo para que los humanos puedan enseñar máquinas de manera eficiente.

En términos técnicos, este flujo de trabajo es una comunicación de baja latencia, alta banda, multimodal y bidireccional entre el humano y la máquina, y decidimos llamarlo Desarrollo de Inteligencia Artificial Interactiva para enfatizar los aspectos de bidireccionalidad y baja latencia. Lo veo como un tercer paradigma para enseñar máquinas, después de la programación clásica y el aprendizaje automático clásico (donde solo le das un montón de ejemplos de la tarea para que la computadora figure out qué hacer).

Este nuevo paradigma está desbloqueado por los LLM. De hecho, necesitas tener algo que ya sea inteligente en la máquina para interactuar con ella de manera eficiente. Creo que este paradigma se volverá común en el futuro cercano, y ya podemos ver vislumbres de ello con los LLM basados en chat y con nuestra herramienta, por supuesto.

Estamos aplicando este paradigma para enseñar tareas de NLP, pero esto puede – y será – utilizado para mucho más, incluyendo el desarrollo de software.

¿Hay algo más que te gustaría compartir sobre NuMind?

Quizás que es una herramienta que puede ser utilizada por expertos y no expertos en aprendizaje automático, que es multilingüe, que posees tus modelos, y que los datos pueden permanecer en tu máquina.

De lo contrario, estamos en una fase de beta privada, así que si tienes alguna necesidad de NLP, estaríamos encantados de hablar y averiguar si podemos ayudarte.

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