James Kaplan, MeetKain toimitusjohtaja ja toinen perustaja – metaversumihaastattelu

James Kaplan on Kalifornian Los Angelesissa toimivan tekoäly-, VR- ja keskusteluhakuyritys MeetKain toimitusjohtaja ja toinen perustaja. Yritys johtaa parhaillaan tekoälyyn perustuvan puheteknologian kehitystä ennennäkemättömillä ominaisuuksilla. Sen keskustelutekoäly pystyy ymmärtämään monimutkaisempaa puhetta ja antamaan henkilökohtaisia tuloksia luonnollisessa keskustelussa monista aiheista eri todellisuuksissa. MeetKai:n teknologia on käytössä maailmanlaajuisesti iOS-, Google Play- ja AppGallery-alustoilla.

Kiinnostuit tekoälystä jo kuusivuotiaana. Miten tutustuit tähän teknologiaan ensimmäisen kerran?

Minun esittelyni tekoälylle tapahtui videopelien kautta. Ensimmäinen peli, jossa minä tutustuin tekoälyyn, oli Oregon Trail -peli, joka ei ollut kovin älykäs, mutta siinä oli kuitenkin tekoälyä. Tämän jälkeen minun kiinnostukseni tekoälyyn kasvoi, kun minä aloin pelata MMORPG-pelejä. Minä tykkäsin pelaamisesta, mutta en pitänyt esineiden keräämisestä. Tämän vuoksi minä aloin kirjoittaa bottien ohjelmia.

Mitkä olivat ensimmäiset tekoälysovellukset, joita sinä ohjelmoit?

Bottien kirjoittaminen MMORPG-peleihin oli minun ensimmäinen askel tekoälyohjelmien kehittämiseen. Aluksi minun botit olivat yksinkertaisia ja lähempänä makroja kuin tekoälyä. Mutta kun minä vanhenin ja pelien botien havaitseminen parani, bottien oli alettava muistuttaa toiminnaltaan yhä enemmän pelaajia. Minä olen aina nauttinut botien kirjoittamisesta – minä kirjoitin botin, joka voitti Taylor Swift -kilpailun, kun minä olin koulussa (ja hän tuli esiintymään!). Samoin minä kirjoitin ensimmäisen Pokémon Go -botin ja katuin sitä, kun menetin kiinnostukseni tunnistuksen välttämiseen, minkä vuoksi monet käyttäjät saivat valitettavasti porttikiellon peliin.

Sinä perustit MeetKai:n vuonna 2018, kun sinä olit pettynyt nykyisiin tekoälypohjaisiin puheavustajiin. Miksi useimmat tekoälyavustajat tarjoavat vaisun kokemuksen?

Ongelman ydin on, että useimmat tekoälyavustajat riippuvat liiaksi ulkoisista API:sta toteutuksessa. Vaikka he hallitsevat toteutusta, kuten Alexa e-commerce-haun kohdalla, he kärsivät samasta ongelmasta. Yksinkertaisesti sanottuna, miten voit odottaa, että tekoälyavustaja on älykäs, kun se vain muuttaa puhetta tekstimuotoon ja asettaa sen tekstin perinteiseen hakukoneeseen? Me perustimme MeetKai:n ajatuksella, että voimme tarjota “hyppäävän” tekoälyavustajan hallitsemalla koko päästä päähän prosessointiputkea, joka muodostaa tekoälyavustajan. Kehitimme keskusteluun perustuvan hakukoneen avainsanoihin perustuvan sijaan tukemaan monimutkaisempia kysymyksiä ja keskusteluita. Muut avustajat ovat jumissa vaisuissa käyttökokemuksissa, koska he eivät voi kehittää monivaiheisia keskustelutukea rajoittavien tekijöiden yläpuolelle. Vaikka meidän tavoitteemme on päästä sinne, me olemme edelleen hyvin varhaisessa vaiheessa teknologiamme skaalaamisessa saman määrän aihealueiden toteuttamiseksi kuin olemassa olevat toimijat.

Mitkä ovat keskeiset haasteet luonnollisen kielen ymmärtämisessä ja luonnollisen kielen prosessoinnissa rakennettaessa älykkään tekoälyavustajan kokemusta?

Yksi keskeinen haaste seuraavan sukupolven NLU:ssa on päästä pelkkää intentioiden ja entiteettien tunnistamista pidemmälle. Useimmat NLU:t keskittyvät perinteiseen lähestymistapaan kielen ymmärtämisessä. Jokainen syötetty ilmaus luokitellaan intention mukaan, minkä jälkeen ilmauksen tokenit merkitään entiteeteiksi sekvenssimerkintämallilla. Voisin luetella kymmeniä ongelmia tässä standardilähestymistavassa. Mutta keskeisimmät ovat:

1. Intention luokittelu, joka on kontekstivapaa, epäonnistuu monivaiheisen keskustelun käsittelyssä. Useimmat lähestymistavat huomioivat vain puheesta litteroidun raakatekstin. He eivät välitä kontekstista – kuka käyttäjä on, mitä käyttäjä tykkää, vain siitä, mitä he ovat juuri kysyneet. Tämä on erityisen tärkeää, kun käyttäjä sanoo jotain lyhyttä. Esimerkiksi, jos joku sanoo “cosmopolitan”, se voi tarkoittaa joko juomaa tai lehteä ja riippuu paljon henkilöstä.
2. Entiteetin tunnistusmallit tekevät huonosti kaiken, mitä ei ole kategoria-arvo. Suuret kielimallit eivät pysty sopeutumaan nopeasti uusiin entiteetteihin, joita esiintyy todellisessa käytössä, koska ne eivät ole datasetissä. Tekoälyllä on oltava paljon monimutkaisempi tapa tunnistaa entiteettejä huomioimalla paljon syvemmän kontekstin. Esimerkiksi, käyttäjän sijainti tulisi vaikuttaa voimakkaasti siihen, onko jokin ilmaus ravintolan nimi vai tarkoittaako se jotain muuta.
3. Entiteettien suhteita ei huomioida riittävästi. Minun suosikkiesimerkkini on, miten useimmat hakukoneet epäonnistuvat, kun on kyse negaatiosta. Yritä etsiä elokuva ilman romantiikkaa muilla tekoälyavustajilla, ja näet, mitä tarkoitan.

Useimmat puheavustajat vain muuttavat puheen tekstiksi ja tekevät Google-haun. Miten MeetKain tekoäly toimii tästä poiketen?

MeetKai:n ja Google:n välinen pääero haun suhteen on, että me käytämme paljon rikkaampaa kielen ymmärtämis mallia etsimään asioita itse, eikä vain verkkosivuja. Kun etsit “Tom Cruise -elokuvia ilman toimintaa”, Google etsii sivuja, joilla on tämä joukko tokenia (Tom Cruise, elokuvat, toiminta). MeetKai:ssa me ymmärrämme oikein, että Tom Cruise on näyttelijä, elokuvat ovat median luokkaa, jonka he etsivät, ja toiminta on ei-toivottu genre. Tällä tavoin me voimme suorittaa älykkäämpiä hakutoimia.

MeetKai julkaisi hiljattain ensimmäisen elämäntapa VR-maailman: MeetKai Metaverse. Voitko kertoa, mitä tämä sovellus on erityisesti?

Useimmat yritykset metaversum-tilassa työskentelevät henkilö-henkilö -vuorovaikutuksen parissa. Sen lisäksi sisältö on myös suurelta osin joko piirrosmaista tai vain 360-astetta videota. Meidän tavoitteemme MeetKai Metaverse -sovelluksessa on keskittyä aivan toiseen näkökulmaan – henkilö-tekoäly. Me kehittämme metaversumia, jossa hahmot, joiden kanssa olet vuorovaikutuksessa, toimivat kaikki edistyneen keskustelutekoälymme avulla. Lisäksi me työskentelemme ympäristön proseduraalisen generoinnin parissa, jotta se olisi paljon realistisemman näköinen ja immersiivisempi kuin muilla yrityksillä alalla. Kaksi alkuperäistä maailmaa, joita voit tutkia metaversumissamme, ovat kahdelle alkuperäiselle käyttötarkoitukselle: meditaatiolle ja museoille. Ensimmäisessä me olemme digitalisoinneet Wing Chun -asiantuntijan, ja me loimme ensimmäisen kerran tekoälyhahmon, joka pystyy opastamaan käyttäjiä vallankumouksellisilla meditaatiotekniikoilla rentoutumistilaan. Jälkimmäisessä me olemme luoneet kasvavan taidemuseon ja antaneet tekoälyllä varustetun kuraattorin, joka pystyy vastaamaan kysymyksiin taideteoksista ja antamaan opastuksia.

Mitkä ovat esimerkkejä siitä, miten tekoälyä käytetään tässä Metaverse -sovelluksessa?

Me käytämme tekoälyä kolmessa kohdassa:

1. Tuottamaan jokaisen metaversumimme hahmon keskustelukyvyn.
2. Dynaamisesti luoda sisältöä, joka on käyttäjille saatavilla ääniohjauksella. Esimerkkejä tästä ovat meditaatiohetket ja taidemuseoiden opastukset alkuperäisissä kokemuksissamme.
3. Luo 3D-tila proseduraalisesti ilman käsin asettelua.

Mikä on visiosi tekoälyavustajien tulevaisuudesta?

Jotta puheavustajilla olisi tulevaisuus, niiden on kehityttävä paljon komentopohjaisia järjestelmiä pidemmälle. Tämä edellyttää syvää asiantuntemusta ja kykyjä monilla erityisaloilla. Uskon, että eri aloille erikoistuneiden puheavustajien yhdistäminen on avain laaja-alaisesti älykkään meta-avustajan rakentamiseen. Tämä poikkeaa jyrkästi yrityksistä tehdä kaikki kerralla, joita olemme nähneet puheavustajien tulosta lähtien.

Onko mitään muuta, mitä haluaisit jakaa MeetKai:sta tai MeetKai Metaverse -sovelluksesta?

Me olemme edelleen metaversumimme kehityksen alussa. Meidän lopullinen tavoitteemme on, että me haluamme pystyä jäljittelemään minkä tahansa kokemuksen, jonka sinä voit kokea todellisessa maailmassa, metaversumissa, ja sitten mennä sen yli. Tämä tarkoittaa, että me haluamme poistaa kustannus- ja aikarajoitteet, jotka rajoittavat samoja kokemuksia todellisessa maailmassa. Metaversumi voi antaa meille elää rikkaampaa elämää, ei korvata sitä. Meillä on useita teknisiä haasteita, jotka on vielä ratkaistava, mutta meillä on selkeä joukko saavutettavia merkkipaaluja, jotka ovat saavutettavissa olettaen, että laitteisto jatkaa parantumista. Me työskentelemme läheisesti laitteistoyritysten kanssa varmistaaksemme, että VR-tila etenee nopeasti. Metaversumi-kokemuksemme on tarkoitus tehdä mahdolliseksi myös VR:n ulkopuolella. Me ilmoitamme lisää tietoa tästä seuraavien kuukausien aikana.

Kiitos haastattelusta, odotan innostuneena voivani seurata etenemistänne metaversumin parissa. Lukijat, jotka haluavat oppia lisää, voivat vierailla MeetKai-sivustolla.