Marc Sloan, cofundador y director ejecutivo de Scout – Serie de entrevistas

Marc Sloan es cofundador y director ejecutivo de Scout, el primer chatbot de navegador web del mundo, un asistente digital para hacer cualquier cosa en línea. Scout sugiere cosas útiles que puede hacer por usted en función de lo que está haciendo en línea.

¿Qué te atrajo inicialmente de la IA?

Mi primera experiencia trabajando en IA fue durante un año sabático que pasé trabajando en el equipo de investigación de procesamiento del lenguaje natural en GCHQ durante mi licenciatura. Pude ver de primera mano el impacto que el aprendizaje automático podría tener en los problemas del mundo real y la diferencia que supone.

Encendió un interruptor en mi mente sobre cómo se pueden usar las computadoras para resolver problemas: la ingeniería de software te enseña a crear programas que toman datos y producen resultados, pero el aprendizaje automático te permite tomar datos y describir los resultados que deseas producir en un programa. Lo que significa que puede usar el mismo marco para resolver miles de problemas diferentes. Para mí, esto fue mucho más impactante que tener que escribir un programa para cada problema.

Ya estaba estudiando problemas de optimización en matemáticas junto con informática, así que una vez que regresé a la universidad me concentré en IA y completé mi disertación sobre procesamiento del habla antes de solicitar un doctorado en recuperación de información en la UCL.

Usted investigó el aprendizaje por refuerzo en la búsqueda web bajo la supervisión de David Silver, el fundador de AlphaGo. ¿Podría comentar algo de esta investigación?

Mi doctorado versó sobre el tema de aplicar el aprendizaje por refuerzo para aprender a clasificar problemas en la recuperación de información, un campo que ayudé a crear llamado Recuperación de información dinámica. Fui supervisado por el profesor Jun Wang y el profesor David Silver, ambos expertos en aprendizaje por refuerzo basado en agentes.

Nuestra investigación analizó cómo los motores de búsqueda podrían aprender del comportamiento de los usuarios para mejorar los resultados de búsqueda de forma autónoma a lo largo del tiempo. Usando un enfoque de bandido con múltiples brazos, nuestro sistema intentaría diferentes clasificaciones de búsqueda y recopilaría el comportamiento de los clics para determinar si fueron efectivos o no. También podía adaptarse a usuarios individuales con el tiempo y era particularmente efectivo en el manejo de consultas de búsqueda ambiguas. En ese momento, David se estaba enfocando profundamente en el problema de Go y me ayudó a determinar la configuración apropiada de aprendizaje por refuerzo de los estados y la función de valor para este problema en particular.

¿Cuáles son algunas de las lecciones empresariales que aprendió al trabajar con David Silver?

La investigación en la UCL suele ser empresarial. David había fundado previamente los estudios Elixir con Demis Hassabis y luego, por supuesto, se unió a DeepMind para trabajar en Alpha Go. Pero otros miembros de nuestro grupo de investigación de Media Futures también terminaron desarrollando una variedad de nuevas empresas: Jun fundó Mediagamma (aplicando RL a la inversión publicitaria en línea), Simon Chan comenzó predicción.io (adquirida por SalesForce) y Jagadeesh Gorla iniciaron Jaggu (un servicio de recomendación para comercio electrónico). Nuestro equipo discutió a menudo el impacto comercial que nuestra investigación podría tener, creo que quizás porque la base de la UCL en Londres la convierte en un punto de partida natural para crear un negocio.

Recientemente lanzó Scout, el primer chatbot de navegador web del mundo. ¿Cuál fue la inspiración detrás del lanzamiento de Scout?

La idea evolucionó naturalmente a partir de mi investigación de doctorado. Pasé directamente de terminar mi doctorado a unirme a Entrepreneur First, donde comencé a pensar en cómo podría convertir mi investigación en un producto.

Antes de comenzar con esto, realicé una pasantía en Microsoft Research, donde apliqué mi investigación a Bing. En ese momento, lo principal que aprendí de mi investigación fue que la búsqueda de información se podía predecir en función del comportamiento de los usuarios en línea. Pero me frustró que la única forma real de mostrar estas predicciones en un motor de búsqueda era mejorar las sugerencias automáticas. Entonces comencé a pensar en cómo se podría mejorar toda la experiencia en línea del usuario usando estas predicciones, no solo la experiencia de búsqueda.

Fue este pensamiento el que me llevó a mí y a mi nuevo cofundador de Entrepreneur First a crear un complemento de navegador que observa el comportamiento del usuario, predice qué información es probable que el usuario necesite a continuación en línea y la recupera. Después de algunos años de experimentos y prototipos, esto se convirtió en una interfaz de chatbot donde el navegador 'chatea' contigo sobre lo que estás haciendo en línea e intenta ayudarte en el camino.

¿Con qué navegadores web será compatible Scout?

En este momento, nos estamos enfocando en Chrome debido a que es el navegador web más popular y tiene una arquitectura complementaria madura, pero tenemos prototipos que funcionan en Firefox y Safari e incluso una aplicación móvil.

Parece que la funcionalidad del asistente de compras Scout podría ahorrar tiempo y dinero a los usuarios. Suponiendo que alguien está investigando un producto en Amazon, ¿qué sucede en el backend y cómo interactúa Scout con el usuario?

La idea es que una vez que haya instalado Scout, simplemente continúe usando la web con normalidad. Si está de compras, puede visitar Amazon para ver productos. En este punto, Scout reconoce que está comprando en Amazon y el producto que está viendo, y dirá "Hola". Aparece como un widget de chat en la página web, similar a cómo funciona Intercom, excepto que Scout puede aparecer potencialmente en cualquier página web. Puedes ver cómo se ve en mi sitio web.

Debido a que está comprando, comenzará a sugerir formas en las que puede ayudarlo. Le preguntará si desea ver reseñas en línea, otros precios, videos de YouTube del producto y más. Interactúas presionando botones y el chatbot adapta la experiencia a lo que quieres que haga. Cada vez que encuentre información (como un video de YouTube), la incrustará en el hilo del chat, al igual que un amigo podría compartir contenido multimedia contigo en WhatsApp. Con el tiempo, termina teniendo un diálogo con el navegador sobre lo que está haciendo en línea, y el navegador lo ayuda en el camino.

El procesamiento de la página web ocurre dentro del propio navegador. La única información que ve nuestro backend es el hilo de chat, lo que significa que las implicaciones de privacidad son mínimas.

Disponemos de una arquitectura a medida para entender el comportamiento de navegación online y gestionar los diálogos con el usuario. Usamos el aprendizaje automático para identificar en qué tareas podemos ayudar en línea y cómo debemos ayudar. Originalmente, usamos el aprendizaje por refuerzo para adaptarnos a las preferencias del usuario a lo largo del tiempo. Sin embargo, una de las lecciones más importantes que aprendí al ejecutar una startup de IA es mantener los procesos simples y tratar de usar solo el aprendizaje automático para optimizar un proceso existente. Entonces, en cambio, ahora tenemos un motor de reglas sofisticado para manejar tareas a lo largo del tiempo que se pueden administrar mediante el aprendizaje por refuerzo una vez que necesitamos escalar.

¿Cuáles son algunos ejemplos de cómo Scout puede ayudar con la planificación de eventos?

Nos dimos cuenta de que la planificación de eventos (y la reserva de viajes) no son tan diferentes de las compras en línea. Todavía estás mirando productos, leyendo reseñas y comprometiéndote a comprar/asistir. Así que mucho de lo que hemos creado para las compras también se aplica aquí.

La mayor diferencia es que ahora la hora y la ubicación son importantes. Entonces, por ejemplo, si está buscando boletos para un concierto en Ticketmaster, Scout puede identificar la dirección del lugar y sugerirle cómo llegar desde su ubicación actual, encontrar el precio de un Uber o sugerir a qué hora debe salir. . Si ha conectado a Scout en su calendario, entonces Scout puede verificar si está disponible en el momento del evento y agregarlo a su calendario por usted.

En el futuro, prevemos que los usuarios de Scout podrán comunicarse con sus amigos a través de la plataforma para discutir las cosas que están haciendo en línea, como la planificación de eventos, compras, trabajo, etc.

Los activadores de diálogo se utilizarán para que Scout inicie las comunicaciones. ¿Cuáles son algunos de estos desencadenantes?

De manera predeterminada, Scout no lo molestará a menos que encuentre un disparador que le indique que puede necesitar ayuda. Hay varios tipos de disparadores:

• Visitar un sitio web específico.
• Visitar un tipo de sitio web (como noticias, compras, etc.).
• Visitar un sitio web que contiene cierto tipo de información (es decir, una dirección, un video, etc.).
• Hacer clic en enlaces o botones en páginas web.
• Interactuar con Scout presionando botones
• Explorar la recuperación de ciertos tipos de medios, como videos, música, tweets, etc.

Planeamos permitir a los usuarios ajustar a qué tipo de disparadores quieren que Scout responda y, eventualmente, aprender su preferencia automáticamente.

¿Puede hablar sobre algunas de las dificultades para garantizar que Scout sea realmente útil cuando decide interactuar con un usuario sin volverse molesto?

Nos tomamos muy en serio la participación de los usuarios e intentamos medir si las interacciones generaron resultados positivos o negativos. Tratamos de mantener una buena proporción de la frecuencia con la que Scout intenta iniciar una conversación y la frecuencia con la que se usa. Sin embargo, es un equilibrio difícil de lograr y siempre estamos tratando de mejorar.

Debido a la naturaleza intrusiva de este producto, es fundamental que la interfaz y la UX sean correctas. Hemos pasado mucho tiempo probando interfaces y métodos de interacción con el usuario completamente diferentes. Este trabajo nos ha llevado a la interfaz actual de estilo chatbot, que encontramos que nos brinda la mayor flexibilidad en la ayuda que podemos brindar, junto con la familiaridad del usuario y el mínimo esfuerzo del usuario para las interacciones.

¿Puede proporcionar otros escenarios de cómo Scout puede ayudar a los usuarios finales?

Nuestro enfoque en este momento está en aplicaciones específicas de prueba de mercado para Scout. Ya se han mencionado las compras y la planificación de eventos, pero también estamos analizando cómo Scout puede ayudar a los académicos (encontrando trabajos de investigación, detalles del autor y redes de referencia) e incluso guitarristas (encontrando partituras de guitarra, reproduciendo música y videos junto con partituras en línea). y ayudar a afinar una guitarra). También dedicamos un tiempo a explorar escenarios profesionales como el reclutamiento en línea, el análisis financiero y la ley.

En última instancia, Scout puede funcionar potencialmente en cualquier sitio web y ayudar en cualquier escenario, que es lo que hace que la tecnología sea increíblemente emocionante, pero también dificulta comenzar.

¿Hay algo más que le gustaría compartir sobre Scout?

Si desea ver cómo sería si su navegador pudiera comunicarse con usted, puede leer más en el blog de Scout.

Gracias por la fascinante interpretación del diseño de un chatbot de tipo Unite. Estamos emocionados de seguir este proyecto. Visite el sitio web de Marc Sloan para obtener más información.