Tohtori Sam Zheng, DeepHow:n CEO ja Co-Perustaja – Haastattelusarja

Sam Zheng, DeepHow:n CEO ja Co-Perustaja, johtaa nopeasti kehittyvää startup-yritystä, jota tukevat arvostetut sijoittajat. DeepHow vallankumoussinnuttaa ammattitaitoisen työvoiman koulutusta innovatiivisella, tekoälykäyttöisellä, videokeskeisellä tietämyskuvauksen ja siirtopalvelulla.

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 apulaisprofessorina Psykologian laitoksella 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 tekoälyyn?

Taustani psykologiassa ja tilastotieteessä oli luonnollinen siirtymä tekoälyyn ja videokeskeisiin alustoihin. Psykologian opiskelu herätti minussa mielenkiinnon ihmisen älystä ja tietämysoppimisesta, erityisesti taitojen oppimisen ja asiantuntijuuden kehittymisprosessista. Tilastotiede tarjosi matemaattisen perustan tutkia tekoälyverkkoja, 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 video sisällöstä.

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. Tunnistettuani tämän tehokkuuden ja potentiaalin parantaa oppimiskokemusta, minun perustajieni ja minun päätimme hyödyntää tekoälyä ja koneoppimista nopeuttaaksemme ohjevideoiden luomisprosessia.

Meidän tekoälykäyttöinen videopalvelumme voi muuttaa tunteja työlästä työtä vain muutamaksi minuutiksi, parantaen tehokkuutta ilman vaikutusta tehokkuuteen. 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 odottavaa patentoimispyynnöstä.

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 käyttää tehokkaasti sekä institutionaalisia että heimoperinteisiä tietämysjärjestelmiä, risteyttäen aloja kuten tekoäly, koneoppiminen, koulutus ja kehitys sekä tietämysjärjestelmät.

Teollisuus- ja valmistussektorit kohtaavat usein suuria haasteita tietämysjärjestelmien käyttöönotossa, järjestelyssä 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. Toteimme, että teknologia kehittyy nopeasti, ja meillä oli mahdollisuus yhdistää edistyneitä tekoäly- ja videoteknologioita muuttaaksemme täysin, miten tietämys siirretään ja jaetaan.

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 tietämysjärjestelmät ja luo tietämysjärjestelmien varaston. Se luo askelkohtaisia, interaktiivisia ohjevideoita nopeuttaaksemme uusien ja vähemmän kokeneiden työntekijöiden oppimisprosessia.

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

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

Mitä työpaikkahaasteita DeepHow ratkaisee?

Tietämysjärjestelmien siirto: Missä tahansa työpaikassa taitojen ja tietämysjärjestelmien siirto, erityisesti kokeneiden työntekijöiden ja uusien tai vähemmän kokeneiden työntekijöiden välillä, voi olla haasteellista. Olemme tehneet mahdolliseksi kaapata ja järjestellä tämän tietämysjärjestelmän 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 jaettavuus eri sijainteihin ja tiimeihin on helppoa, jotta kukaan ei jää ilman viimeisintä tietoa.

Toimenpideoppiminen: 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 mahdollistaa yritysten luomisen sopeutuvan koulutusohjelman?

Ajatellaan perinteistä koulutusympäristöä. Sinulla on staattinen materiaali, joustamattomat aikataulut ja yksi kokemukselle sopiva lähestymistapa. Nämä menetelmät eivät ottaa 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 kehittää joustavia koulutusohjelmia, jotka ovat dynaamisia, henkilökohtaisia ja erittäin vastaanottavaisia liiketoimintatarpeille ja työntekijöiden oppimismalleille. 

Meidän alustamme kaappaa asiantuntijoiden tietämysjärjestelmät 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 tietämysjärjestelmät turvallisuusprotokollista. 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?

Meidän generatiivisen tekoälykäyttöisen tietämysjärjestelmän ytimessä on joukko innovatiivisia kykyjä, jotka on suunniteltu vallankumouksellisesti muuttaaksemme tapaa, jolla teollisuus- ja valmistusorganisaatiot kaappaavat, hallinnoivat ja jakavat institutionaalisia ja heimoperinteisiä tietämysjärjestelmiä. 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. Tehtäväohjattu chat-ominaisuus: 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 video sisältöä ja luoda multimodaalista sisältöä, kuten askelkohtaisia video-SOP:ia, tekstipohjaisia SOP:ia ja työnkulkuja, 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 tekoälyalgoritmeja, joita käytetään?

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

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

2) Multimodaalinen askelupotku: Mallinna “toimintagenomin”, pystymme uudelleenjärjestämään ohjeistuksen ja työnkulun johdatusta paremmin soveltamaan eri toimintaympäristöihin.

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

4) Tietämysjärjestelmien kartoitus: Rakennamme tietämysjärjestelmien visualisointigraafin, 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 sivustossa 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 tietämysjärjestelmien 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 minimoihin hävikkiä. Nämä 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 päättyneestä urasta dynaamiseksi, teknologiajohtoiseksi alaksi, jossa on rajattomat mahdollisuudet.

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