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 hallintoneuvostossa, BMW Groupin valvontalautakunnassa ja Stanfordin Human-Centered AI -instituutin neuvonantajana.

Vianain alusta yhdistää avoimen lähdekoodin elementit, Vianain omat tekniikat ja optimoinnit sekä ihmiskeskeisen suunnittelun, jotta se voi tuoda tekoälyä yrityksiin laajassa mittakaavassa ja moninaisissa maisemissa. Alustan avulla suuret organisaatiot voivat luoda, optimoida, ottaa käyttöön ja hallita monimutkaisia ML-malleja olemassa olevassa infrastruktuurissa ja parantaa ML-mallien toimintaa ja suorituskykyä koko yrityksessä,

Mikä aluksi kiinnosti sinua koneoppimisessa?

Kiinnostuin tekoälystä teini-ikäisenä, kun luin Marvin Minskyn mietteitä siitä, miten mielimme toimivat yksinkertaisten agenttien yhteiskuntina, ja opin Joe Weizenbaumin Elizasta (varhaisesta chatbotista) ja John McCarthyn kritiikistä siitä. Myöhemmin minulla oli kunnia saada McCarthy johtamaan AI-kelpoisuustutkintolautakuntaani Stanfordin yliopistossa. McCarthy ja Minsky olivat tekoälyn alan kaksi isää, ja molemmilla oli syvät oivallukset sekä tekoälyn voimista 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 inspiroitu 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 ennustavat tutkimukset “neuvonantajasta”, joistakin tekoälyn tärkeistä filosofisista ongelmista, Marvinin tutkimukset mielestä yksinkertaisten agenttien yhteiskuntana, yhdistäen yhteen yhteyden (neuraaliverkkojen perusteella) ja symboliset lähestymistavat tekoälyyn, Judea Pearlın tutkimukset todennäköisyyspäättelystä ja kausaalisesta älystä, ja tutkimukset David Marrilta (näöstä), Pat Winstonilta (oppimisesta kuvausten kuvaamisesta esimerkeistä), Waldingerin työstä ohjelmien synteesistä ja monista muista, jotka muovasivat näkemyksiäni.

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

Tekoälyjärjestelmät tänään voidaan vain selittää suhteellisen pienellä määrällä ihmisiä — tilastot vaihtelevat, mutta näyttää siltä, että vain noin 20-30 000 ihmistä maailmassa ymmärtää 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 tiettyjä suosituksia tai mitä voisi mennä pieleen tai miten taustalla olevat tekniikat toimivat.

Aseta tämä vastaan monimutkaisen maiseman taustaa. On yli 300 MLOps-toimittajaa, joita Gartner seuraa kerran. Jokaisella näistä on erikoistunut tarjous. Suuret pilvi-toimittajat taas tarjoavat oman version kaikista, ja usein yrittävät lukita yritykset omiin ekosysteemeihinsä ja infrastruktuuriinsa.

Sitten laskenta itsessään on usein liian kallista yrityksille, jotta ne voivat todella rakentaa ja kouluttaa joitain edistyneimmistä malleista, jotka ovat saatavilla. Nämä jätetään muutamalle yritykselle, joilla on tarvittava osaaminen ja resurssit hallita tekoälyjärjestelmän vaatimukset.

Ymmärryksen puute, työkalujen monimutkaisuus ja laskennan kustannukset yhdistyvät luomaan erillisen ja haasteellisen maiseman mille tahansa yritykselle, joka pyrkii olemaan tekoälyssä taitava. Vianainissa rakennamme menetelmiä, jotka tekevät tekoälystä helpommin käytettävissä ja helpommin ymmärrettävissä, samalla kun merkittävästi vähennetään resursseja ja kustannuksia, jotka liittyvät parhaimman suorituskyvyn saavuttamiseen.

Voitko kertoa Vianain syntytarinan?

Olin viettänyt monia vuosia työskentelemällä uusien, innovatiivisten keksintöjen tuomiseksi yrityksiin. Minun tiimini ja minä rakensimme useita tuotteita, jotka saavuttivat kymmeniä tuhansia yrityksiä ja olivat mullistavia. Johtaminen kaksi perustavanlaatuista muodonmuutosta aiemmissa matkoissani ennen Vianain perustamista ja osallistuminen satoihin yritysten muodonmuutoksiin. Lisäksi minulla oli monia vuosia tekoälyä opiskeltuani ja keskittyneeni siihen, miten tekoälyä voisi tehdä paremmaksi, merkityksellisemmäksi ja palvelemaan ihmiskuntaa.

Jollain tavalla – nämä asiat yhdistyivät. Olin lomalla perheeni kanssa Kaakkois-Aasiassa [lokakuussa 2018]. 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 muualla kuin pienessä kaupungissa ei ollut kuullut heistä. Ja minulla oli tämä kysymys mielessäni, “Mitä jos tämä myyjä voisi käyttää tekoälyä? Miltä se näyttäisi? Miten järjestelmät toimisivat?” Tuossa hetkessä minulle selvisi, että jokainen liiketoiminta maailmassa muuttuu tekoälyn myötä, ja että tämä muutos ei voi tarkastella eilisen läpinäkyvyyden kautta, vaan tarvitaan tuotteita ja ideoita, jotka on aloitettu tyhjästä.

Noin kuukausi myöhemmin perustin Vianain tehtävänään tuoda aito, ihmiskeskeinen tekoäly yrityksiin maailmanlaajuisesti. Tämä tarkoittaa tarjoamista tuotteita ja palveluita, sovelluksia ja teknologioita, työkaluja, jotka mahdollistavat liiketoimintakäyttäjien, data-analyytikkojen, ML-insinöörien ja jopa myyjien kaukaisissa osissa maailmaa todella hyödyntää tekoälyn hyötyjä.

Siitä lähtien olemme luoneet sovelluksia, jotka auttavat yrityksiä pääsemään alkuun tekoälyssä, alustan, joka auttaa ML-harjoittajia hallitsemaan ja seuraamaan tekoälymallejaan, ja optimointitekniikoita, jotka mahdollistavat useammalle yritykselle pääsyn tekoälyyn.

Kaiken aikaa olemme havainneet, että merkittävä potentiaali tuoda yhteen ihmisten ymmärryksen, tuomion ja yhteistyön sekä parhaiden tekoälytekniikoiden kanssa on edelleen käyttämätön. Perustuen työhömme 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 ihmisten tuomioita. 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 ihmisten tuomioita, ihmisten kokemuksia tai ymmärrystä asiayhteydestä.

On selvästi esimerkkejä tästä, kuten tekoälyn sekoittaminen kilpikonnasta tuliaseeseen, mutta paljon useammin luotamme tekoälyyn liikaa, kun se ei ole osoittanut itsensä luotettavaksi. Kuuluisa tarina tulee vuosikymmenen takaa, kun yhden yrityksen tekoäly sallittiin käydä kauppaa ilman ihmisen väliintuloa. Algoritmi menetti 440 miljoonaa dollaria vajaa tunnissa.

Uudempi esimerkki on, että viimeisimmät kielen mallit ovat edelleen suhteellisen helppoja hämätä tai asettaa ennakkoluuloon. Teksti-kuva -generaattorit ovat potentiaalisesti voimakkaita, mutta vaativat hyvin tarkkoja käskyjä ihmiskäyttäjältä saadakseen täyden potentiaalinsa.

Ihmiskeskeinen tekoäly on siis tyyppi fokus tuotteidemme suunnittelussa. Tuomme yhteen ihmisten ymmärryksen voiman – kuten tuomion ja yhteistyön – sekä parhaiden tekoälytekniikoiden kanssa, luodaksemme älykkäitä järjestelmiä, jotka voivat parantaa merkittävästi liiketoimintatuloksia ja prosesseja.

Voitko selittää tarpeen palautusilmukan takana ihmisistä ja tekoälystä?

On koko tekoälyn haara, joka tunnetaan “ihmisen silmän alla” (human in the loop), joka riippuu ihmisten palautusmekanismeista parantamaan tekoälyn suorituskykyä. Tämä on luonnollista, ja on järkevää mille tahansa järjestelmälle.

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

Ennen Covid-19:ää työskentelimme suuren rahoituspalveluyrityksen kanssa kysynnän ennustamisesta. Koska suunnittelimme järjestelmän, kun Covid-19 tuli ja rikkoi monia muita malleja, meidän järjestelmämme sopeutui nopeasti muutoksiin ja ei tarvinnut uudelleenrakentamista. Tämä on toinen ja tärkein ihmiskeskeisen tekoälyn ulottuvuus, suunnitella järjestelmät alusta alkaen sisällyttämällä nykyaikaisen elämän monimutkaisuudet.

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

Mikä tekee Vianain seuraavan sukupolven tekoälyalustaksi?

Vaikka on paljon keskustelua riskistä, sääntelystä ja tekoälyn lupaavuudesta, harva on etsinyt ratkaisua — ihmiskeskeisen tekoälyn käsitettä.

Meidän alustamme on valmis ongelmien ratkaisemiseen, jotka tulevat, kun tekoäly tulee todelliseksi yrityksissä. Se on ratkaisemassa ongelmia luottamuksen, ennakkoluulon ja avoimuuden ympärillä. Se mahdollistaa yritysten skaalata tekoälyä seuraamalla ja optimoimalla. Ja se mahdollistaa ei-tekniikan käyttäjien hyödyntää tekoälyä sovelluksiamme kautta.

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

Suurimmat haasteet, joita näemme yritysten tekoälyn käyttöönotossa, ovat kyky, työkalut ja teknologia. Ensinnäkin, osaaminen on keskittynyt muutamiin paikkoihin, erityisesti suuriin teknologiayrityksiin. Tämä tekee hyvin vaikeaksi ulkopuolisten tiimien osallistua tekoälyohjelman valvontaan, hallintoon ja muotoiluun, ja voi luoda vielä enemmän ennakkoluuloa, koska vain rajoitettu määrä tiimiläisiä työskentelee toiminnassa.

Teknologia ja työkalut voivat myös olla haaste tekoälyn sujuvoittamisessa. Tällä hetkellä sekä teknologia että työkalut ovat rajoitettuja. Tekoälyä ajaviin prosessoreihin on niukkuus ja ne ovat hyvin kalliita, ja työkalut ovat lukittu tiettyihin toimittajiin, mikä vähentää vapautta parantaa kustannuksia ja laajentaa arvoa. Riippumatta siitä, missä vaiheessa yritys on tekoälymatkallaan, nämä haasteet voivat tehdä tekoälyn käyttöönotosta haasteellista, koska se luo erillisen ja fragmentoidun strategian ja poistaa työkalut, jotka ovat tarpeen toimintojen suorittamiseen. Organisaatioiden on mahdollistettava tukea kaikille tekoälyn alueille, toteutuksesta ylläpitoon, ja niiden on oltava tiimien tuki ja antaa syöte tehdä siitä onnistunut.

Totuudenmukainen menestys edellyttää, että alustan ominaisuudet on oltava täysin avoimia, modulaarisia, joustavia ja riippumattomia kalliista laitteiston ja ohjelmistopäivityksistä. Ja ihmiskeskeisellä lähestymistavalla ihmiset voivat edelleen tuoda tietämyksen, asiayhteyden, kokemukset ja luovuuden ongelmanratkaisuun — tämä on sitten vahvistettu tekoälyalustalla, ei korvattu.

Onko mitään muuta, mitä haluaisit jakaa Vianain kanssa?

Monilla tavoin olemme elämmekin tekoälyn aikaa. On paljon keskustelua ja hypeä 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 realiteetit sekä asiantuntemuksen niukkuutta tekoälyssä ja tekoälyyn liittyvää luottamuksen puutetta, erityisesti yrityksissä. Jos voimme kehittää tekoälyä elämämme, yhteiskuntamme, työmme, potentiaalimme ja varmistaa tekoälylle tarvittavan valvonnan, niin uskon, että lopulta näemme sen toteutuvan merkityksellisillä ja muodonmuuttavilla tavoilla.

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