Tohtori Vishal Sikka, Vianain perustaja ja toimitusjohtaja – Haastattelusarja

Vishal Sikka on Vianain perustaja ja toimitusjohtaja, entinen SAP AG:n CTO ja entinen Infosysin toimitusjohtaja. Hän toimii tällä hetkellä myös Oraclen hallituksen jäsenenä, BMW Groupin valvontalautakunnan jäsenenä ja Stanfordin ihmiskeskeisen tekoälyinstituutin neuvonantajana.

Vianain alusta yhdistää avoimen lähdekoodin elementit, Vianain omat tekniikat ja optimoinnit sekä ihmiskeskeisen suunnittelun, jotta tekoäly voidaan tuoda yrityksiin laajasti ja monimuotoisilla maisemilla. Alustan avulla suuret organisaatiot voivat luoda, optimoida, käyttää ja hallita monimutkaisia koneoppimismalleja olemassa olevalla infrastruktuurilla ja parantaa koneoppimismallien toimintaa ja suorituskykyä koko yrityksessä,

Mikä alun perin kiinnosti sinua koneoppimisessa?

Tulin kiinnostuneeksi tekoälystä teini-ikäisenä, kun luin Marvin Minskin mietteitä mielistämme yksinkertaisten agenttien yhteiskuntina ja opin Joe Weizenbaumin Elizasta (erittäin varhainen chatbot) ja John McCarthyn arvostelusta siitä. Myöhemmin minulla oli kunnia saada McCarthyn johtama ai-kelpoisuustutkintolautakunta Stanfordissa. McCarthyn ja Minsky olivat kaksi tekoälykentän isää, ja molemmilla oli syvät näkemykset sekä tekoälyn voimasta että rajoituksista, ja olin onnekas, että sain opiskella heidän johdolla.

Voimme edelleen nähdä tänään, että tekoälyllä on suuri potentiaali, ja samalla se on merkittäviä rajoituksia. Samat haasteet, joita kamppailimme 30 vuotta sitten, ovat edelleen näkyvissä tänään, erityisesti kun tarkastelemme tekoälyä yrityksissä. Olin innoissani työstäni opiskelijana, ja halusin nähdä, voitaisiinko tekoälyn arvoa jotenkin avata, ja olen jatkanut intohimoani siitä.

Olet aiemmin kirjoittanut joitain merkittäviä tutkimuksia, mikä tutkimus sinun mielestäsi oli eniten vaikuttanut näkemyksiisi tekoälystä?

Opiskelijana luin ehkä useita tuhansia tutkimuksia. McCarthyn näkemykselliset tutkimukset “neuvonantajasta”, joistakin tekoälyn tärkeistä filosofisista ongelmista, Marvinin tutkimukset miestä yksinkertaisten agenttien yhteiskuntana, yhdistäen yhteen yhteyden (neuraaliverkko) ja symboliset lähestymistavat tekoälyyn, Judea Pearlin tutkimukset todennäköisyyden päättelystä ja syysuhteellisesta älystä, ja David Marrin tutkimukset näöstä, Pat Winstinin tutkimukset oppimisesta esimerkkien perusteella, Waldingerin työ ohjelmien synteesistä ja monet muut muokkasivat näkemyksiäni. Viimeaikaisemmin olen lukenut Hintonin, Lecunin, huomion keskittämisestä sekä Cynthia Rudinin, Fernanda Viegasin ja muiden töitä.

Olet todennut, että kehittäjän kokemus tekoälyjärjestelmän rakentamisesta on fragmentoitu ja rikkinäinen, mitkä ovat joitakin nykyisiä ongelmia tekoälyjärjestelmän rakentamisessa?

Tekoälyjärjestelmät voivat todella vain selittää hyvin pieni määrä ihmisiä — tilastot vaihtelevat, mutta näyttää siltä, että vain noin 20-30 000 ihmistä ymmärtävät tekoälyjärjestelmien todelliset menetelmät. Tämä on paljon vähemmän kuin 52 000, jonka arvioidaan olevan MLOps-ammattilaisia, tai 1 miljoona, jonka arvioidaan olevan data-analyytikkoja. Monet heistä eivät voisi kertoa, miksi järjestelmä tekee sitä, mitä se tekee, miksi se antaa suosituksia, mitä voisi mahdollisesti mennä pieleen tai miten taustalla olevat tekniikat toimivat.

Aseta tämä laajaan ja monimutkaiseen maisemaan. On yli 300 MLOps-toimittajaa, joita Gartner seuraa kerran. Jokaisella näistä on erikoistunut tarjonta. Suuret pilvi-toimittajat toisaalta omistavat oman version kaikista, ja usein yrittävät lukita yritykset omiin ekosysteemeihinsä ja infrastruktuuriinsa.

Lisäksi itse laskenta on usein liian kallista yrityksille, jotta ne voivat todella rakentaa ja kouluttaa joitakin edistyneimmistä malleista, jotka ovat saatavilla. Nämä jäävät muutamille yrityksille, joilla on tarvittava osaaminen ja resurssit hallita tekoälyjärjestelmän vaatimukset.

Tuntemattomuus, työkalujen monimutkaisuus ja laskennan kustannus yhdistyvät luomaan erillisen ja haasteellisen maiseman mille tahansa yritykselle, joka pyrkii olemaan tekoälyosaava. Vianaiissa kehitämme menetelmiä, joiden avulla tekoäly on helpompi käyttää ja ymmärtää, ja joilla voidaan merkittävästi vähentää resursseja ja kustannuksia, jotka liittyvät parhaimman suorituskyvyn saavuttamiseen.

Voitko kertoa Vianain syntytarinaa?

Olin viettänyt monia vuosia työskentelemällä uusien, innovatiivisten ratkaisujen tuomiseksi yrityksiin. Tiimini ja minä kehitimme useita tuotteita, jotka saavuttivat kymmeniä tuhansia yrityksiä ja jotka olivat mullistavia. Johtaminen myös kaksi perustavaa muodonmuutosta kahdessa aiemmassa työssäni ennen Vianain perustamista ja osallistuin satoihin muodonmuutoksiin satoihin yrityksiin. Lisäksi minulla oli monia vuosia tutkimusta tekoälystä ja keskittyminen siihen, miten tekoälyä voitiin tehdä paremmaksi, merkityksellisemmäksi ja inhimillisemmäksi.

Erityisellä tavalla – nämä asiat yhdistyivät. Olin lomalla perheeni kanssa Kaakkois-Aasiassa (vuoden 2018 lopulla). Olimme ostamassa pienessä markkinassa, ja myyjällä oli kauniita, käsin tehtyjä koruja. Ne oli valmistettu perinteisin menetelmin ja paikallisista kivistä, ja ne olivat upeita, mutta kukaan muu kuin pieni kaupunki ei ollut kuullut heistä. Minulla oli kysymys mielessäni: “Mitä jos tämä myyjä voisi käyttää tekoälyä? Miltä se näyttäisi? Miten järjestelmät toimisivat?” Silloin minulle tuli ajatus, että jokainen yritys maailmassa tulisi muuttumaan tekoälyn myötä, ja että tämä muutos ei voitu tarkastella eilisen linssien kautta, vaan vaati tuotteita ja ideoita, jotka olivat aloittaneet tyhjästä.

Noin kuukausi myöhemmin perustin Vianain tehtävänä tuoda aito, ihmiskeskeinen tekoäly yrityksiin maailmanlaajuisesti. Tämä tarkoittaa tarjoamista tuotteita ja palveluita, sovelluksia ja teknologioita, työkaluja, jotka mahdollistavat liiketoimintakäyttäjien, data-analyytikkojen, koneoppimisen insinöörien ja jopa myyjien etäisissä osissa maailmaa todella hyödyntää tekoälyä.

Sitä lähtien olemme luoneet sovelluksia, jotka auttavat yrityksiä pääsemään alkuun tekoälyssä, alustan, joka auttaa koneoppimisen ammattilaisia hallitsemaan ja seuraamaan tekoälymalleja, ja optimointitekniikoita, jotka mahdollistavat useammalle yritykselle pääsyn tekoälyyn.

Kaiken aikaa olemme havainneet, että merkittävä potentiaali tuoda yhteen ihmisten ymmärryksen, arvion ja yhteistyön parhaiden tekoälytekniikoiden kanssa on edelleen käyttämättömänä. Johtuen työstämme johtavien yritysten kanssa, näin, että samat tekniikat, jotka auttaisivat pientä myyjää, auttaisivat myös maailman suurimpia yrityksiä.

Vianai on kaiken kaikkiaan ihmiskeskeinen tekoäly, voitko määritellä, mitä tämä on ja miksi se on tärkeää?

Ihmiskeskeinen tekoäly on tekoäly, joka pyrkii vahvistamaan ihmistyötä ja parantamaan ihmisen arviointikykyä. Koneoppiminen on usein liian usein katsottu korvaavan ihmistyön. Mutta tekoäly on täydentävä ihmisille — se tarjoaa mittakaavan, toistettavuuden ja tarkkuuden, joita ihmiset eivät voi toistaa. Mutta tekoäly ei voi toistaa ihmisen arviointikykyä, ihmisen kokemuksia tai ymmärrystä kontekstista.

On selvästi esimerkkejä tästä, kuten tekoälyn sekoittaminen kilpikonnaa ja rykmenttiä, mutta paljon useammin luotamme tekoälyyn liikaa, kun se ei ole osoittanut itsensä luotettavaksi. Kuuluisa tarina tulee vuosikymmenen takaisesta aikakaudesta, jolloin yhden yrityksen tekoäly sai kaupata ilman ihmisen väliintuloa. Algoritmi menetti 440 miljoonaa dollaria vähemmän kuin tunnissa.

Uudempi esimerkki on, että edistykselliset kielen mallit ovat edelleen melko helppoja hämätä tai vääristää. Teksti-kuvageneraattorit ovat potentiaalisesti voimakkaita, mutta vaativat hyvin tarkkaa ohjausta ihmiseltä käyttäjältä saadakseen täyden potentiaalinsa.

Ihmiskeskeinen tekoäly on siis tietynlainen painopiste tuotteidemme suunnittelussa. Tuomme yhteen ihmisten ymmärryksen voiman – kuten arvion ja yhteistyön – parhaiden tekoälytekniikoiden kanssa, jotta voidaan luoda älykkäitä järjestelmiä, jotka voivat parantaa merkittävästi liiketoimintatuloksia ja prosesseja.

Voitko selittää tarpeen palautusilmukan takana ihmisistä ja tekoälystä?

On koko tekoälyhaara, joka tunnetaan “ihmisen sisällä” -järjestelmänä, joka riippuu ihmisten palautusmekanismeista tekoälyn suorituskyvyn luonnolliseen parantamiseen. Tämä on luonnollista ja järkevää järjestelmälle.

Tekoälyjärjestelmät voivat parantua ajan myötä, uudelleenkoulutuksen kautta, joka sisältää käyttäjän tekemät toimet. Tämä on osa sovelluksiamme. Anna esimerkki.

Ennen koronaa työskentelimme suuren rahoituspalveluyrityksen kanssa kysynnän ennustamisesta. Koska suunnittelimme järjestelmän, kun korona tuli ja rikkoi monia muita malleja, meidän järjestelmämme sopeutui nopeasti muutoksiin ja ei tarvinnut uudelleenrakentamista. Tämä on toinen ja tärkein ihmiskeskeisen tekoälyn näkökohta, järjestelmien suunnittelu alusta alkaen sisältämään modernin elämän monimutkaisuudet.

Tämä luo luottamusta ja järjestelmää, joka kasvaa organisaation ja käyttäjän kanssa.

Mikä tekee Vianaista seuraavan sukupolven tekoälyalustan?

Vaikka on paljon keskustelua riskistä, sääntelystä ja tekoälyn luvatusta, harvat ovat etsineet ratkaisua, jota me pidämme ratkaisuna – ihmiskeskeisen tekoälyn käsitteellä.

Alustamme on valmis ongelmien ratkaisemiseen, jotka tulevat, kun tekoäly tulee todelliseksi yrityksissä. Se on ratkaisemassa luottamuksen, harhan ja avoimuuden ongelmia. Se mahdollistaa yritysten skaalauksen tekoälyä valvomalla ja optimoimalla. Ja se mahdollistaa ei-teknisille käyttäjille hyödyntää tekoälyä sovelluksiamme kautta.

Mitkä ovat joitakin haasteita tekoälyalustan rakentamisessa, joka vähentää merkittävästi kokemusta yritysten tekoälyssä?

Suurimmat haasteet, joita näemme yrityksissä, jotka ottavat tekoälyn käyttöön, ovat osaaminen, työkalut ja teknologia. Ensinnäkin, osaaminen on keskittynyt muutamiin paikkoihin, erityisesti suuriin teknologiayrityksiin. Tämä tekee siitä hyvin vaikeaa ulkopuolisille joukkueenjäsenille osallistua tekoälyohjelman valvontaan, hallintoon ja muotoiluun, ja voi luoda vielä enemmän harhaa, koska vain rajoitettu määrä joukkueenjäseniä työskentelee toiminnassa.

Teknologia ja työkalut voivat myös olla haaste yritysten tekoälyn sujuvoittamisessa. Tällä hetkellä sekä teknologia että työkalut ovat rajoitettuja. Tekoälyä suorittavat prosessorit ovat harvinaisia ja hyvin kalliita, ja työkalut ovat lukittuina tiettyihin toimittajiin, mikä rajoittaa vapautta parantaa kustannuksia ja laajentaa arvoa. Riippumatta siitä, missä vaiheessa yritys on tekoälymatkallaan, nämä haasteet voivat tehdä tekoälyn toteuttamisesta haasteellista, koska se luo erillisen ja fragmentoidun strategian ja poistaa työkalut, jotka ovat tarpeen toimintojen oikean toiminnan toteuttamiseen. Organisaatioiden on mahdollistettava kaikkien tekoälyn osa-alueiden tuki toteutuksesta ylläpitoon, ja niiden on annettava tiimien tuki ja annettava panoksensa, jotta se voi onnistua.

Todellisen menestyksen vuoksi olen havainnut, että alustan ominaisuuksien on oltava täysin avoimia, modulaarisia, joustavia ja riippumattomia kalliista laitteista ja ohjelmistopäivityksistä. Ja ihmiskeskeisellä lähestymistavalla ihmiset voivat edelleen tuoda tietämyksen, kontekstin, kokemukset ja luovuuden ongelmanratkaisuun – tämä on sitten vahvistettu tekoälyalustalla, ei korvattu.

Onko mitään muuta, mitä haluaisit jakaa Vianaiasta?

Monin tavoin olemme elämässä tekoälyn aikakaudella. On paljon hypeä ja keskustelua tekoälystä, mikä on kokonaisuutena hyvä asia. Näemme paljon edistystä ja laajempaa omaksumista kuin aiemmin alueilla, kuten generatiivisessa tekoälyssä ja muissa. Mutta meidän on myös tunnustettava tekoälyn rajoitukset – tekoälytekniikan nykyiset todellisuudet sekä asiantuntemuksen niukkuus tekoälyssä ja tekoälyn luottamuksen puute erityisesti yrityksissä. Jos voimme kehittää tekoälyä elämämme, yhteiskuntamme, työmme, potentiaalimme vahvistajana ja tekoälyn tarvittavalla valvonnalla varmistamaan tämän, uskon, että lopulta näemme sen toteutuvan merkityksellisissä ja muodonmuuttavissa tavoissa.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Vianai-sivustolla.