Marc Sloan, Co-Fundador y CEO de Scout – Serie de Entrevistas

Marc Sloan es el Co-Fundador y CEO de Scout, el primer chatbot de navegador web del mundo, un asistente digital para realizar cualquier tarea en línea. Scout sugiere cosas útiles que puede hacer por usted en función de lo que está haciendo en línea.

¿Qué te atrajo inicialmente a la IA?

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

Fue como si se hubiera activado un interruptor en mi mente sobre cómo se pueden utilizar los ordenadores 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 para crear un programa. Lo que significa que puedes utilizar el mismo marco para resolver miles de problemas diferentes. Para mí, esto parecía tener un impacto mucho mayor que tener que escribir un programa para cada problema.

Ya estaba estudiando problemas de optimización en matemáticas junto con ciencias de la computación, así que una vez que regresé a la universidad, me centré en la IA y completé mi tesis sobre procesamiento de voz antes de solicitar un doctorado en Recuperación de Información en UCL.

Investigaste el aprendizaje por refuerzo en la búsqueda web bajo la supervisión de David Silver, el fundador de AlphaGo. ¿Puedes discutir algunos de estos investigaciones?

Mi doctorado se centró en la aplicación del aprendizaje por refuerzo a problemas de clasificación en recuperación de información, un campo que ayudé a crear llamado Recuperación de Información Dinámica. Fui supervisado por el Prof. Jun Wang y el Prof. David Silver, ambos expertos en aprendizaje por refuerzo basado en agentes.

Nuestra investigación examinó cómo los motores de búsqueda pueden aprender del comportamiento de los usuarios para mejorar los resultados de búsqueda de manera autónoma con el tiempo. Utilizando un enfoque de Multi-Armed Bandit, nuestro sistema intentaba diferentes clasificaciones de búsqueda y recopilaba comportamiento de clics para determinar si eran efectivos o no. También podía adaptarse a usuarios individuales con el tiempo y era particularmente efectivo para manejar consultas de búsqueda ambiguas. En ese momento, David se centraba profundamente en el problema de Go y me ayudó a determinar la configuración adecuada de aprendizaje por refuerzo de estados y función de valor para este problema en particular.

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

La investigación en UCL a menudo es empresarial. David había fundado previamente Elixir studios con Demis Hassabis y luego, por supuesto, se unió a DeepMind para trabajar en Alpha Go. Pero otros miembros de nuestro grupo de investigación Media Futures también terminaron creando una variedad de startups: Jun fundó Mediagamma (aplicando RL a gastos publicitarios en línea), Simon Chan inició prediction.io (adquirida por SalesForce) y Jagadeesh Gorla inició Jaggu (un servicio de recomendación para comercio electrónico). Nuestro equipo solía discutir el impacto comercial que nuestra investigación podría tener, creo que tal vez porque la base de UCL en Londres la convierte en un punto de partida natural para crear un negocio.

Recientemente lanzaste 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. Fui directamente de terminar mi doctorado a unirme a Entrepreneur First, donde comencé a pensar en cómo podía convertir mi investigación en un producto.

Antes de empezar esto, completé 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 podía predecirse en función del comportamiento en línea de los usuarios. Pero me frustré porque la única forma real de mostrar estas predicciones en un motor de búsqueda era mejorando la sugerencia automática. Así que comencé a pensar en cómo se podría mejorar la experiencia en línea del usuario utilizando estas predicciones, no solo la experiencia de búsqueda.

Fue este pensamiento lo que me llevó a mí y a mi nuevo co-fundador en Entrepreneur First a crear un complemento del navegador que observa el comportamiento del usuario, predice qué información es probable que el usuario necesite a continuación en línea y la busca para él. Después de varios años de experimentos y prototipos, esto evolucionó hacia una interfaz de chatbot donde el navegador “habla” con usted sobre lo que está haciendo en línea e intenta ayudarlo en el camino.

¿Con qué navegadores web será compatible Scout?

Nos centramos en Chrome por ahora debido a que es el navegador web más popular y tiene una arquitectura de complementos madura, pero tenemos prototipos funcionando en Firefox y Safari, e incluso una aplicación móvil.

La funcionalidad del asistente de compras de Scout suena como si podría ahorrar a los usuarios tiempo y dinero. Asumiendo 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 tenga instalado Scout, simplemente continúe utilizando la web como de costumbre. Si está comprando, 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 en prácticamente cualquier página web. Puede ver cómo se ve en mi sitio web.

Porque está comprando, comenzará a sugerir formas en que puede ayudar. Le preguntará si desea ver reseñas en línea, otros precios, videos de YouTube del producto y más. Usted interactúa presionando botones y el chatbot adapta la experiencia a lo que desea que haga. Cada vez que encuentra información (como un video de YouTube), la incrusta dentro del hilo de chat, al igual que un amigo podría compartir medios con usted en WhatsApp. Con el tiempo, termina teniendo un diálogo con el navegador sobre lo que está haciendo en línea, con el navegador ayudándolo en el camino.

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

Tenemos una arquitectura personalizada para comprender el comportamiento de navegación en línea y administrar diálogos con el usuario. Utilizamos aprendizaje automático para identificar qué tareas podemos ayudar en línea y cómo debemos ayudar. Originalmente, utilizamos aprendizaje por refuerzo para adaptarnos a las preferencias de los usuarios con el tiempo. Sin embargo, una de las lecciones más importantes que he aprendido al dirigir una startup de IA es mantener los procesos simples y tratar de utilizar el aprendizaje automático solo para optimizar un proceso existente. Así que, en su lugar, ahora tenemos un motor de reglas sofisticado para manejar tareas con el tiempo que puede ser administrado por aprendizaje por refuerzo una vez que necesitemos escalar.

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

Nos dimos cuenta de que la planificación de eventos (y la reserva de viajes) no son tan diferentes de la compra en línea. Todavía está viendo productos, leyendo reseñas y comprometiéndose a realizar una compra/asistir. Así que mucho de lo que hemos construido para la compra también se aplica aquí.

La mayor diferencia es que el tiempo y la ubicación son ahora importantes. Así, por ejemplo, si está viendo entradas para conciertos en Ticketmaster, Scout puede identificar la dirección del lugar y sugerirle encontrar direcciones desde su ubicación actual hasta allí, o encontrar el precio de un Uber, o sugerir a qué hora debería salir. Si ha conectado Scout a su calendario, entonces Scout puede verificar si está disponible en el momento del evento y agregarlo a su calendario por usted.

En el futuro, predecimos 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.

Se utilizarán desencadenadores de diálogo para que Scout inicie comunicaciones. ¿Cuáles son algunos de estos desencadenadores?

Por defecto, Scout no lo molestará a menos que encuentre un desencadenador que le indique que puede necesitar ayuda. Hay varios tipos de desencadenadores:

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

Planificamos permitir a los usuarios ajustar qué tipo de desencadenadores quieren que Scout responda, y eventualmente, aprender sus preferencias automáticamente.

¿Puedes discutir algunas de las dificultades detrás de garantizar que Scout sea verdaderamente útil cuando decide interactuar con un usuario sin volverse molesto?

Tomamos muy en serio el compromiso del usuario y tratamos de medir si las interacciones llevaron a resultados positivos o negativos. Tratamos de mantener una buena relación entre cuántas veces Scout intenta iniciar una conversación y cuántas veces se utiliza. Sin embargo, es un equilibrio difícil de lograr y siempre estamos tratando de mejorar.

Debido a la naturaleza intrusiva de este producto, obtener la interfaz y la experiencia del usuario correctas es crítico. Hemos pasado mucho tiempo intentando interfaces y métodos de interacción del usuario completamente diferentes. Este trabajo nos ha llevado a la interfaz de chatbot actual, que encontramos que nos da la mayor flexibilidad en la ayuda que podemos proporcionar, junto con la familiaridad del usuario y el esfuerzo mínimo del usuario para las interacciones.

¿Puedes proporcionar otros escenarios de cómo Scout puede asistir a los usuarios finales?

Nuestro enfoque en este momento es probar en el mercado aplicaciones específicas para Scout. La compra y la planificación de eventos ya se han mencionado, pero también estamos explorando cómo Scout puede ayudar a académicos (encontrando artículos de investigación, detalles de autores y redes de referencias) e incluso a guitarristas (encontrando partituras de guitarra, reproduciendo música y videos junto con partituras en línea y ayudando a afinar una guitarra). También hemos pasado algún tiempo explorando escenarios profesionales como la contratación en línea, el análisis financiero y la ley.

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

¿Hay algo más que te gustaría compartir sobre Scout?

Si deseas ver qué se siente si tu navegador web pudiera hablarte, puedes leer más en el blog de Scout.

Gracias por la fascinante visión sobre el diseño de un chatbot de tipo unificado. Estamos emocionados de seguir este proyecto. Por favor, visita el sitio web de Marc Sloan para obtener más información.