Tohtori Sam Zheng, DeepHow’n toimitusjohtaja ja toinen perustaja – haastattelusarja

Sam Zheng, DeepHow:n toimitusjohtaja ja toinen perustaja, johtaa nopeasti kehittyvää startup-yritystä, jota tukevat arvostetut sijoittajat. DeepHow uudistaa ammattitaitoisen työvoiman koulutusta innovatiivisella, tekoälykäyttöisellä, videokeskeisellä tiedon tallennus- ja siirtoalustalla.

Ennen DeepHow:ta Sam omistautui yli vuosikymmenen ajan Siemensille, jossa hän ajoi digitaalista innovaatiota eri aloilla. Hänen merkittävät projektit, kuten Cloud Digital Inspection Jacket, ovat parantaneet merkittävästi teknistä tietämysjakoa, tehokkuutta ja käyttökokemusta, ja ansainneet hänen tiimilleen arvostetun Siemens Innovation Award -palkinnon.

Samalla Sam toimii sivutoimisena psykologian professorina Tsinghua-yliopistossa ja hänellä on filosofian tohtorin tutkinto insinööripsykologiasta ja maisterin tutkinto tilastotieteestä Illinoisin yliopistosta Urbana-Champaignissa.

Koulutuksellinen taustasi on psykologiassa ja tilastotieteessä, miten siirryit keskittymään videoihin ja koneoppimiseen?

Taustani psykologiassa ja tilastotieteessä oli luonnollinen siirtymä koneoppimiseen ja videokeskeisiin alustoihin. Psykologian opiskelu herätti minussa mielenkiinnon ihmisen älystä ja tietämysoppimisesta, erityisesti taitojen oppimisen ja asiantuntijuuden kehittymisprosessista. Tilastotiede tarjosi matemaattisen perustan tutkia keinotekoisia neuroverkkoja, jotka ovat inspiroituja biologisesta aivostamme.

Nykyään videot ovat tulleet esiin miellyttävimpinä, vuorovaikutteisina ja tehokkaina oppimisvälineinä. Tämä muutos on nähtävissä alustoilla kuten YouTube ja TikTok, joilla käyttäjät, erityisesti nuorempi sukupolvi, viettävät tunteja kuluttamalla ja oppimalla videosisällöstä.

Perinteinen ohje- tai oppaavideoiden luominen, erityisesti editointiosuus, on kuitenkin aikaa vievää ja työlästä. Lyhyt video, joka kestää vain muutamia minuutteja, voi vaatia useita tunteja tarkkaa työtä. Tunnistettuamme tämän tehottomuuden ja mahdollisuuden parantaa oppimiskokemusta päätimme muiden perustajien kanssa hyödyntää tekoälyä ja koneoppimista nopeuttaaksemme ohjevideoiden luomisprosessia.

Meidän tekoälykäyttöinen videopalvelumme voi muuttaa tunteja työlästä työtä vain muutamaksi minuutiksi, parantaen tehokkuutta heikentämättä vaikuttavuutta. Ydinajatuksena on, että akateeminen ymmärrykseni ihmisen kognitiosta ja tilastollisista malleista, jotka jäljittelevät sitä, auttoi valmistelemaan tätä innovatiivista yritystä.      

Olet useiden patenttien haltija, mikä on tärkein patentti, jota olet työstänyt?

Kaikki patentit keskittyvät hyödyntämään teknologiaa parantamaan ihmisen suorituskykyä. Siemensin aikana yksi merkittävä projekti liittyi ratkaisuun Professori Stephen Hawkingin avustamiseksi. Kehittelimme intuitiivisen silmäsyötteen menetelmän avustamaan ALS:ia sairastavia henkilöitä, kuten Professori Hawkingin tapauksessa. Tämä innovatiivinen työ on nyt osa vireillä olevaa patenttihakemusta.

Kuitenkin tärkein patentti, johon olen osallistunut, on viimeaikainen: Generative AI-Powered Know-How Management Platform for Industrial and Manufacturing Organizations.

Tässä on lyhyt yleiskatsaus:

Meidän keksintömme esittää uraauurtavan generatiivisen tekoälyratkaisun, joka on suunniteltu teollisuus- ja valmistusorganisaatioille. Se tallentaa, järjestää ja jakaa tehokkaasti sekä organisaation dokumentoitua että hiljaista tietoa, risteyttäen aloja kuten tekoäly, koneoppiminen, koulutus ja kehitys sekä tietämysjärjestelmät.

Teollisuus- ja valmistussektorit kohtaavat usein suuria haasteita kriittisen tiedon tallentamisessa, järjestämisessä ja jakamisessa. Korkea henkilöstövaihtuvuus, monimutkaiset prosessit ja jatkuva tarve uudelleenkoulutukseen lisäävät näitä haasteita. Perinteiset tietämysjärjestelmät ovat usein kömpelöitä, aikaa vieviä ja joustamattomia, mikä edellyttää edistyneempää ratkaisua.

Meidän generatiivinen tekoälyratkaisu käyttää omaa algoritmiikkaa ja koneoppimismenetelmiä videoperusteisten standardien toimintamenettelyjen (SOP) luomiseen, prosessien optimointiin ja nopeaan, tehokkaaseen tietämysjärjestelmien käyttöön tekoälyohjatulla chat-toiminnolla. Sen sopeutuvuuden ja skaalautuvuuden ansiosta ratkaisumme on sovellettavissa laajaan valikoimaan valmistuskonteksteja.

Voitko jakaa DeepHow:n alkuperäisen tarinan?

Ennen kuin DeepHow:n perustimme, työskentelin muiden perustajieni, Patrik Matos da Silvan ja Wei-Liang Kaon, kanssa Siemensissä, jossa ajoin useita digitaalisen innovaation projekteja teollisuus- ja valmistussektoreilla. Matkamme otti suuren harppauksen, kun liittyimme Techstars Mobility Accelerator -kiihdyttämöön Detroitissa vuonna 2018. Kokemus oli käytännössä boot-leiri, joka auttoi meitä vahvistamaan ideamme, tunnistamaan aukot ja yhteyttä potentiaalisiin sijoittajiin, kumppaneihin ja mentoreihin.

Havainnoimme, että ihmisillä oli vuosien varrella kehittynyt taitoja ja kokemuksia, mutta ongelmaksi muodostui se, ettei ollut tehokasta tapaa siirtää ja jakaa tätä asiantuntijuutta. Huomasimme teknologian nopean kehityksen ja sen, etteivät henkilöstön koulutusmenetelmät olleet pysyneet mukana. Käytimme edelleen vanhentuneita ja aikaa vieviä menetelmiä, jotka eivät olleet tehokkaita eivätkä riittävän innostavia. Ymmärsin, että tekoälyn ja videoteknologian kehitys tarjosi ainutlaatuisen mahdollisuuden muuttaa tiedon tallentamista, jäsentämistä ja jakamista.

Päätimme rakentaa DeepHow:n, alustan, jossa yritykset voivat luoda upeita koulutusvideoita sisäisesti ja pitää hallinnan koulutusmateriaaleistaan. Toteuttaaksemme tämän idean, loimme tekoälyjärjestelmän nimeltä “Stephanie”. Stephanie on ratkaisumme selkäranka, joka kaappaa asiantuntijoiden osaamisen ja luo tietovarannon. Se luo askelkohtaisia, interaktiivisia ohjevideoita nopeuttaaksemme uusien ja vähemmän kokeneiden työntekijöiden oppimisprosessia.

Tekoälytyönkulun indeksoinnin ja segmentoinnin avulla olemme onnistuneet luomaan videosisältöä kymmenkertaisesti nopeammin ja parantamaan työvoiman suorituskykyä 25%.

Olemme edenneet pitkälle alkuvaiheista, mutta tehtävämme on edelleen sama. Olemme sitoutuneita auttamaan yrityksiä hyödyntämään organisaation tiedon ja asiantuntemuksen varantoa ja mahdollistamaan työntekijöiden jatkuva oppiminen ja kehittyminen. Se on jännittävä matka.

Mitä työpaikkahaasteita DeepHow ratkaisee?

Osaamisen siirto: Missä tahansa työpaikassa taitojen ja tiedon siirto, erityisesti kokeneiden työntekijöiden ja uusien tai vähemmän kokeneiden työntekijöiden välillä, voi olla haasteellista. Olemme tehneet mahdolliseksi tallentaa ja jäsentää tämän tiedon helposti jaettavaksi, jaettaen sen osiin ja helpommin ymmärrettäväksi.

Koulutuksen tehokkuus: Perinteinen koulutus voi olla tylsää, eikö? Pitkiä tunteja, vaikeaa muistaa tietoja – se ei aina ole tehokkain prosessi. DeepHow:lla työntekijät voivat oppia oman tahtinsa mukaan ja oman oppimistyylin mukaan. Tavoitteemme on tehdä koulutuksesta vaivatonta ja miellyttävää.

Taitojen aukko: Joskus on vaikea löytää tiimien taitojen aukkoja, se on kuin yrittäisi löytää neula heinäsuovasta. Se on toinen asia, johon voimme auttaa. Meidän alustamme käyttää analytiikkaa osoittamaan, missä koulutuksessa on aukkoja, ja mahdollistaa koulutustiimien luominen kohdennettua sisältöä, jota he tarvitsevat.

Vanhenneet koulutusmateriaalit: Asioiden muuttuessa nopeasti, standardit ja menettelytavat muuttuvat jatkuvasti. Hyvässä tapauksessa me varmistamme, että koulutusmateriaalit eivät jää vanhenneiksi. Muokkaaminen ja päivittäminen on nopeaa ja vaivatonta, ja päivitysten jakaminen eri toimipaikkoihin ja työvuoroihin yksinkertaisella osaamistehtävän määrityksellä on helppoa, jotta kukaan ei jää ilman viimeisintä tietoa.

Oppiminen tarpeen mukaan: Helppous on kuningas! Kaikki haluavat pääsyä siihen, mitä he tarvitsevat, kun he tarvitsevat sitä. Se on DeepHow:n filosofia. Uskomme, että koulutus ei pitäisi olla aikataulutettu tapahtuma, joka häiritsee koko päivää, vaan joustava resurssi, joka on saatavilla, kun sitä tarvitaan. Paikka- ja aikarajoitukset eivät ole ihanteellisia. Tarvitsetko oppia jotain tiettyä juuri nyt? Etsi ja katso. Se ei voi olla helpompaa.

Työntekijöiden sitoutuminen: Kaikki tietävät, että koulutus voi joskus olla, no, ei niin miellyttävää. Mutta se ei tarvitse olla näin. DeepHow antaa luojille mahdollisuuden olla luovia. Oppiminen pitäisi olla viihdyttävää, osallistavaa ja miellyttävää kokemusta.

Viestintä: Viestintä voi olla hankalaa, erityisesti monimutkaisten prosessien tai menettelytapausten kanssa. Meidän alustamme tekee viestinnästä helpompaa mahdollistamalla askelkohtaiset oppaat, jotka mahdollistavat työntekijöiden helpon ymmärtämisen tehtävistä, edistäen selkeää ja yhdenmukaista viestintää. Meidän alustamme ymmärtää, kääntää ja transkriboi lähes 50 kieltä ja kasvaa. Tämä ominaisuus on osoittautunut yhdeksi arvokkaimmista työkaluista, joita monilla yrityksillä on. Salli työntekijöiden oppiminen omalla äidinkielellään, jolloin he ymmärtävät paremmin ja sitoutuvat enemmän.

Miten DeepHow auttaa yrityksiä luomaan mukautuvan koulutusohjelman?

Ajatellaan perinteistä koulutusympäristöä. Sinulla on staattinen materiaali, joustamattomat aikataulut ja yksi kaikille tarkoitettu lähestymistapa. Nämä menetelmät eivät ota huomioon, että jokainen oppii eri tavoin ja eri tahdissa. Ne eivät ole skaalautuvia tai joustavia mukautuakseen nopeasti muuttuvaan maisemaan tai yksittäisen työntekijän edistymiseen. Nämä ovat merkittäviä kipukohtia mille tahansa yritykselle, eikö?

Siinä DeepHow tulee kuvaan. Autamme sinua kääntämään nämä ongelmat ylösalaisin. Autamme yrityksiä kehittämään joustavia koulutusohjelmia, jotka ovat dynaamisia, henkilökohtaisia ja erittäin vastaanottavaisia liiketoimintatarpeille ja työntekijöiden oppimismalleille. 

Meidän alustamme tallentaa asiantuntijoiden osaamisen helppotajuisiin, videopohjaisiin oppimismoduuleihin. Mutta emme lopeta siinä. Käytämme tekoälyä analysoimaan työntekijöiden vuorovaikutusta näiden mallien kanssa, mahdollistaen syvemmän ymmärryksen siitä, missä heidän taitojensa aukot säilyvät. Se on heikkouksien muuttamista vahvuuksiksi ja yksittäisten asiantuntijuuden alojen hyödyntämisestä jatkuvaan oppimiskulttuuriin. 

Mikä rooli DeepHow:lla on työpaikan turvallisuuden parantamisessa?

Turvallisuus on niin kriittinen työpaikan osa, mutta se on usein vaikea saavuttaa, mikä johtaa valitettaviin onnettomuuksiin ja sääntörikkomuksiin. Tämä on valitettavasti totta aloilla, kuten valmistus, rakennus ja terveydenhuolto, joissa pienikin virhe voi johtaa merkittäviin seurauksiin.

Missä DeepHow siis kuvaan tulee? Olemme intohimoisia turvallisuuden käytännön varmistamisesta ja sen johdonmukaisesta toteutumisesta.

Tarjoamme alustan, jossa yritykset voivat helposti kaapata ja jakaa asiantuntijoiden tietoa turvallisuusmenettelyistä. Vanhojen, vaikeasti seurattavien käsikirjojen sijaan tarjoamme interaktiivisia, askelkohtaisia video-ohjeita. Ne ovat suoria, helppoja ymmärtää ja ennen kaikkea saatavilla milloin tahansa, missä tahansa. Tämä tarkoittaa, että työntekijöillä ei ole koskaan tekosyytä olla ajan tasalla viimeisimmän turvallisuusprotokollan kanssa. Turvallisuus on aina prioriteetti, ja jokaisen on oltava turvassa työssä.

Miten generatiivinen tekoäly mahdollistaa tämän?

Generatiiviseen tekoälyyn perustuvan osaamisenhallinta-alustamme Mavenin ytimessä on joukko innovatiivisia kykyjä, jotka on suunniteltu vallankumouksellisesti muuttaaksemme tapaa, jolla teollisuus- ja valmistusorganisaatiot kaappaavat, hallinnoivat ja jakavat organisaation dokumentoitua ja hiljaista tietoa. Maven käyttää omaa algoritmia ja edistyneitä koneoppimismenetelmiä yksinkertaistamaan ja parantamaan monia prosesseja:

1. Videopohjaisen SOP:n luominen: Meidän ainutlaatuinen generatiivinen tekoälyalgoritmi auttaa Mavenia luomaan automaattisesti video-ohjeiden kuvausohjeita ja käsikirjoituksia. Tämä helpottaa korkealaatuisen videopohjaisen SOP:n luomista johdonmukaisuuden asettamiseksi uudeksi teollisuuden standardiksi.
2. Prosessien optimointi: Käyttämällä edistyneitä koneoppimismenetelmiä, Mavenin työnkulun visualisointityökalut mahdollistavat käyttäjille monimutkaisten tehtävien yksinkertaistamisen, edistäen tuottavuutta käyttäjäystävällisillä käyttöliittymillä ja älykkäillä tekoälyn sovelluksilla.
3. Strateginen tietämysjärjestelmien kartoitus: Mavenin tekoälyalgoritmit auttavat organisaatioita kartoittamaan avainasiantuntijuutta, tunnistamaan tietämysjärjestelmien aukot ja löytämään tärkeitä sisällön mahdollisuuksia. Tämä johtaa kohdennettujen koulutusmateriaalien kehittämiseen, jotka on suunniteltu ammattitaitoisen työvoiman tarpeisiin.
4. Tekoälyllä tehostettu chat-toiminto: Johtavien luonnollisen kielen prosessointialgoritmien avulla Mavenin tekoälychat mahdollistaa käyttäjille nopean ja tehokkaan pääsyn tarvittavaan tietämysjärjestelmään luonnollisen kielen kysymysten avulla.
5. Multimodaalisen sisällön luominen: Tilanteissa, joissa kirjallinen SOP ei ole saatavilla, Maven voi analysoida videosisältöä ja luoda multimodaalista sisältöä, kuten vaiheittaisia videomuotoisia työohjeita, tekstimuotoisia työohjeita ja työnkulkukaavioita, yksinkertaistamalla sisällön luomisprosessia.

Yhdistämällä edistyneen generatiivisen tekoälyn viimeisimpiin tietämysjärjestelmien strategioihin, Maven tarjoaa organisaatioille ainutlaatuisen työkalun hyödyntääkseen ammattitaitoisen työvoiman potentiaalia, ajamalla jatkuvaan parantamiseen ja innovaatioon.

Onko muita koneoppimisalgoritmeja, joita käytetään?

Kyllä, DeepHow hyödyntää monia edistyneitä koneoppimisalgoritmeja ja tekoälytekniikoita luonnollisen kielen prosessoinnin (NLP) ja tietokoneen näön aloilla. Nämä tekniikat, sekä ohjattuja että ohjaamattomia, muodostavat meidän omaa, alaan erikoistunutta tekoälytekniikkaamme, joka on koulutettu ja optimoitu teollisuus- ja valmistussektoreille. Avainsovellusalueita ovat:

1) Työnkulun segmentointi: Käytämme tekoälyalgoritmeja tärkeän tiedon ja vaiheiden poimimiseen monimutkaisista, rakenteettomista tehtävänäytteistä, jotka on tallennettu videoihin. Tämä mahdollistaa monimutkaisten prosessien jakamisen hallitettaviin, opetettaviin askeliin.

2) Multimodaalinen vaiheiden upotus: Mallintamalla ”toimintagenomia” voimme mukauttaa ohjeistusta ja työnkulkujen opastusta paremmin eri toimintaympäristöihin.

3) Modaliteettien välinen tiedonhaku: Käytämme edistyneitä videohakutekniikoita monikielisen, taitoihin perustuvan sisällön hakemiseksi. Tämä mahdollistaa käyttäjille nopeamman ja tarkemman pääsyn relevanttiin tietämysjärjestelmään.

4) Tietämysjärjestelmien kartoitus: Rakennamme visuaalisen tietograafin, joka esittää organisaation ydinosaamista selkeästi. Tämä kartoitus mahdollistaa yrityksille tietämysjärjestelmien varojen tunnistamisen ja tehokkaampien koulutusstrategioiden kehittämisen.

Nämä edistyneet tekoälytekniikat, yhdistettyinä fokuksiimme teollisuus- ja valmistuspalveluissa, mahdollistavat meille tarjoamaan kattavan ratkaisun näille aloille ominaisiin haasteisiin.

Miten yritykset voivat aloittaa?

Olemme suunnitelleet alustamme yksinkertaisuuden ja helppokäyttöisyyden vuoksi, joten yrityksesi liittäminen ei ole monimutkaista. Itse asiassa yli 80+ yritys- ja PK-asiakasta on onnistuneesti käyttänyt ratkaisumme yli 400 toimipaikassa 24 maassa ja 6 mantereella. 

Ensinnäkin, tiimimme tapaa teidät ja keskustelee yrityksenne tiettyjen tarpeiden ja haasteiden kanssa. Haluamme ymmärtää tavoitteenne, koulutushaasteet, joita te kohtaatte, ja taidot, joita työvoimanne tarvitsee – koko kuva. 

Seuraavaksi opastamme teitä asiantuntijoiden tietämysjärjestelmien kaappamisprosessissa. Se voi olla mitä tahansa prosessia tai taitoa, joka on tärkeää teidän yrityksellenne. Meidän tiimimme auttaa teitä luomaan nämä askelkohtaiset video-ohjeet DeepHow:n helppokäyttöisillä työkaluilla.

Meidän tiimimme on tukena koko prosessin ajan, alkuasettelusta koulutusohjelman jatkuvaan optimointiin. Olemme sitoutuneita muodostamaan kumppanuuden kanssanne ja parantamaan työvoimanne taitoja ja tehokkuutta. Vieraile vain DeepHow.com aloittaaksesi.

Onko mitään muuta, mitä haluaisit jakaa DeepHow:sta?

DeepHow:n ydin on selkeä, vakuuttava tehtävä: haluamme antaa jokaiselle ammattitaitoiselle työntekijälle mahdollisuuden tulla asiantuntijaksi. Pyrimme tekemään osaamisen siirron ja koulutuksen vaivattomaksi, miellyttäväksi ja kustannustehokkaaksi hyödyntämällä tekoälyn muuntavan voiman. Uskomme, että teknologia pitäisi täydentää ihmisten kykyjä, ei korvata niitä. Tämä periaate ohjaa kaikkea, mitä teemme.

Nopeasti kehittyvässä teknologiamaisemassamme tämä tehtävä on merkittävämpi kuin koskaan. Siirtymä digitaaliseen muutokseen ja teollisuuden 4.0:aan on modernisoinut valmistusta, tuoden mukaan joukon edistyneitä teknologioita. Nämä innovaatiot ovat muuttaneet merkittävästi työvaatimuksia, vaativat työntekijöiltä uusien teknisten taitojen hankkimista näiden monimutkaisten laitteiden käyttämiseksi, ylläpitämiseksi ja optimoimiseksi. Muutoksen vauhti on niin nopea, että perinteiset koulutuslähestymistavat kamppailevat pysymään mukana, johtaen laajenevaan taitojen aukkoon.

Tavoitteemme on kohdata tämä haaste suoraan, antaen työntekijöille mahdollisuuden “rakentaa takaisin paremmin” uudelleen kouluttautumalla tulevaisuuden tehtäviin. Korkeat automaatioasteet tarkoittavat, että manuaalisen työn tarve vähenee; sen sijaan fokus siirtyy hyödyntämään työntekijöiden asiantuntijuutta ja intuitiota edistyneiden teknologisten järjestelmien käytössä.

Tehtaat ovat kehittyneet merkittävästi viimeisen vuosikymmenen aikana, integroimalla robotiikkaa, cobottiikkaa ja analytiikkaa, jotka jatkuvasti optimoivat tuotantoa ja minimoivat hävikkiä. Näiden järjestelmien hallitsemiseen vaaditaan koulutettu työvoima.

DeepHow tarjoaa modernin koulutusmetodin, joka mahdollistaa valmistajille houkutella kykyjä, täyttää aloittelijoiden paikat ja jatkuvaan koulutukseen ammattitaitoisten rooleihin valmistuksessa, logistiikassa ja suunnittelussa. Nykyaikaisen, osallistavan koulutuksen painopisteen kanssa autamme muuttamaan valmistuksen käsitystä umpikujana pidetystä urasta dynaamiseksi, teknologiajohtoiseksi alaksi, jossa on rajattomat mahdollisuudet.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla DeepHow.