Rahoitus
Richard Boyd, Tanjon perustaja ja toimitusjohtaja – Haastattelusarja
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Richard Boyd on yrittäjä, kirjailija ja puhuja, joka on työskennellyt monilla aloilla, kuten koulutuksessa, terveydenhuollossa, virtuaalimaailmoissa, tietokonepeleissä, koneoppimisessa ja ihmisen ja tietokoneen vuorovaikutuksessa. Yli kolmen vuosikymmenen ajan Richard on johtanut tai auttanut luomaan joitain innovatiivisimmista teknologiayrityksistä ja -palveluista useilla aloilla, mukaan lukien neljän yrityksen perustaminen ja toimiminen toimitusjohtajana Pohjois-Carolinan tutkimuspuiston alueella. Richard myi edellisen yrityksensä Lockheed Martinille ja toimi Virtual World Labsin johtajana.
Richard on Tanjon perustaja ja toimitusjohtaja, joka on tekoäly- ja koneoppimisyritys Pohjois-Carolinan tutkimuspuiston alueella.
Olet työskennellyt VR:ssä 1990-luvulta lähtien, ja vuonna 2001 perustit 3Dsolve-yhtiön. Mitkä olivat ensimmäiset projektit, joissa 3Dsolve työskenteli?
3Dsolven ensimmäinen merkittävä projekti oli auttaminen Yhdysvaltain armeijan koulutus- ja doktriinikomentossa (TRADOC) oppimassa simulaatiokoulutuksen arvoa pienille taktisille operaatioille. Luimme ensimmäisen “Level 4 interactive multimedia instruction” (IMI) -kurssin armeijalle, joka hyväksyttiin TRADOC:in validoinnissa. Tämä oli käyttämällä “turvallista harjoittelua täysin simuloidussa 3D-ympäristössä maayksiköille” Ensimmäinen kurssi oli yli 100 tuntia opetusta yhteistyössä simuloituun 3D-peliin perustuvassa maailmassa 25B10 sotilasammattikunnalle (military occupational specialty) viestintään.
Me lähetimme sotilaita Afganistaniin ja Irakiin ja koulutimme heitä toimimaan DTOC:issa (digitaalisissa taktisissa operaatiokeskuksissa), kun meillä ei ollut DTOC:ia Yhdysvalloissa, jossa heidät voitiin kouluttaa. 3Dsolve matkusti Fort Hoodiin, Fort Gordoniin ja muihin laitoksiin etsimään laitteita, tapaamassa asiantuntijoita ja rakentamaan virtuaalisia DTOC:ia, joissa sotilaat voivat harjoitella. Validointitulokset osoittivat, että sotilaat, jotka käyttivät tätä menetelmää, koulutettiin lyhyemmässä ajassa ja saavuttivat korkeamman tason tietämystä (ja luokan läpäisyprosentteja) kuin luokkahuoneissa käytetyissä menetelmissä. Ajattelen tätä vakavien pelien teollisuuden alkuna.
Työskentelin myös ADL:n (Advanced Distributed Learning) Colab -neuvostossa, jossa luotiin uudelleen käytettävän oppimismateriaalin standardit. Työskentelin Phillip Doddsin kanssa 3D-standardeissa SCORM:issa (Shareable Content Object Reference Model). Sivuhuomautus: Phillip oli se, joka soitti urkuja Spielbergin elokuvassa Close Encounters of the Third Kind.
Työskentelin myös toisessa kansainvälisessä standardointielimessä nimeltä 3DIF, jota johti Intel (INTC ) ja Boeing, jossa luotiin kansainvälinen ECMA-standardi samalla nimellä 3D-vaihtomuodoille. Ideana oli lopulta kaapata kaikki 3D-CAD-mallien arvo, jotka oli luotu maailman kaikkeen, ja kääntää se käytettäväksi vakavissa peleissä ja 3D-teknisissä asiakirjoissa. Se elää edelleen Adobe (ADBE ) Acrobatin ja muiden alustojen parissa.
Jatkoimme työtä headseteillä ja erilaisilla VR-laitteilla, yhteistyössä alan uranuurtajien kanssa, kuten Warren Robinett, Dr. Fred Brooks, Alan Kay ja muut. Minun perustajakumppani David Smith loi avoimen lähdekoodin alustan yhdessä Alan Kayn kanssa, joka on edelleen olemassa.
Miten elämäsi muuttui, kun Lockheed Martin (LMT ) osti 3Dsolven vuonna 2007?
Yksi muista uranuurtavista projekteista, jossa 3Dsolve työskenteli ja joka aiheutti Lockheedin oston, oli Los Angeles -luokan sukellusveneen simulaatio. Tuolloin laivasto oli vielä asettamassa kokonaisia aluksia koulutukseen. Pioneerisimme “Total Ship Simulation” -idean, jossa koko alus replikoidaan moninpelien ympäristöön. Käytimme Epic Gamesin Unreal Enginea ja muutimme alusten koulutuksen. Lockheedin aikana luimme simulaatioita hävittäjille, Littoral Combat Shipille sekä kaikille aluksen järjestelmille.
Aluksi oli haaste sopeutua peliteknologiayrityksestä puolustusalan urakkaan, jossa on lisää valvontaa ja raportointia. Opimme luomaan oman todellisuutemme. Perustin epävirallisen organisaation nimeltä Virtual World Labs ja mallisin sen kuuluisan LM Skunkworksin kaltaiseksi Kaliforniassa. Skunkworksista tuli myös VWL:n jäsen. Opimme, että aina kun keksimme uuden patenttihakemuksen, saimme tarkistuksen, ja toisen, kun se hyväksyttiin. Tämä muodostui kannustimme ohjelmaksi. Istuimme keksimässä asioita AR:ssa, VR:ssa ja AI:ssa. Viiden ja puolen vuoden aikana keräsimme yli 100 patenttihakemusta noin 40 hengen ryhmässä.
Yksi hauskimmista ja merkittävimmistä ohjelmista oli DOD Virtual World Frameworkin luominen. Olimme osallistuneet useisiin suurimittaisiin yhteisiin sotapeliharjoituksiin ja havainneet frustraatiota eri järjestelmien välisen yhteensopivuuden puutteen vuoksi näissä suurissa live-, konstruktio- ja virtuaaliharjoituksissa. Ensimmäinen reaktiomme oli, että tämä on ratkaistu ongelma… Se on internet! Jos hankintayhteisö pystyisi vain saamaan kaikki noudattamaan web-palveluja, voimme rakentaa paremmin integroidyt koulutusjärjestelmiä. Ja WebGL oli juuri saanut hyväksynnnän Maailmanlaajuisen verkkoyhteisön (World Wide Web Consortium) toimesta. Oikea aika tuli muutoksen aiheuttamiseen liiketoiminnan tavassa. Pentagon julkaisi pyynnön ehdotuksille “yhteisestä virtuaalimaailman kehyksestä” integroiduksi simulaatioksi. Ohjelman johtaja Pentagonissa oli luova entinen ilmavoimien lentäjä nimeltä Frank Digiovanni. Kutsuimme häntä D9:ksi. Hän muistuttaa minua tarinoista eversti John Boydista, joka ajoi taistelukoneohjelmien luovaa tuhoutumista ilmavoimissa.
Ongelma oli, että D9 kertoi nimenomaisesti hankintatiimilleen, ettei hän “halunnut mitään Lockmart-tyyppisiä” yrityksiä rakentamaan uutta kehystä. Mutta David ja minä menimme sinne mukaan noin 17 muun myyjän kanssa, jotka osallistuivat ohjelmaan, ja voitimme sen. Opimme myöhemmin, että kaikki muut esittivät omia omistuksellisia ratkaisujaan ja yrittivät saada hallituksen omaksumaan sen. Menimme esitykseemme Reagan-rakennukseen Washingtonissa tyhjäksi ja sanomme, että vastaus tähän syvään ongelmaan piilee internetin arkkitehtuurissa. Sanomme, että voimme suunnitella sen muutamassa kuukaudessa ja saada toimivan prototyypin kuudessa kuukaudessa. Sanomme myös, että se pitäisi olla avoimen lähdekoodin. Voitimme “käsi kädestä” -voiton D9:n mukaan, koska lähestymistapamme oli niin tuore ja erilainen ja “ulkopuolinen”.
Kun palasin Orlandoon selittämään tätä uutta voittoa johtamolleni, minut kutsuttiin maton reunalle. Minut onnitteltiin, mutta sitten he kysyivät avoimen lähdekoodin osasta. “Mitä tämä tarkoittaa meille olemassa olevaan konstruktio-simulaatioliiketoimintaamme?” he kysyivät. Vastaukseni oli: “Se tulee täysin häiritsemään sitä.” Tauko, sitten väistämätön kysymys: “Miten me tehdään rahaa? Mikä on liiketoimintamalli?” Vastaukseni oli: “Liiketoimintamalleja on lukuisia.” Yhä säästelen tuota vastausta herättänyttä sekavaa ilmettä.
Minun virkani tuolloin oli Uuden ja häiritsevän teknologian johtaja sekä Virtual World Labsin pääarkkitehti. Työskentelin seuraavan vuoden ajan yrittäen saada Lockheed Martinin omaksumaan enemmän itsehäiritsevää toimintaa ja Schumpeterin luovaa tuhoutumista. Kuvailin innovaatiota suurissa organisaatioissa, kuten Lockheed Martinissa, samanlaiseksi kuin lapsen syntymä. Ihmiset rakastavat lapsia. Se on hyväksi yhteiskunnalle ja erittäin palkitsevaa. Lapset ovat tulevaisuutemme. Mutta väärän näkökulman kautta lapset voidaan myös pitää loisina. Alkaen siitä, kun he ottaa ensimmäisen otteen kohdussa, he alkavat viedä resursseja. Jos emme olisi suojeltuja olosuhteita kohdussa, äidin vastustuskyky tulisi ulos ja tuhoaisi vauvan. Innovointi Lockheed Martinissa oli samanlaista. Kaikki haluavat ja puhuvat innovaatiosta, mutta kukaan ei halua uhrauttaa resurssejaan sille, kun tulokset ovat niin kaukana.
Lockheed Martinin aikana yksi patenteista, joiden kehittämisessä olit mukana, kuulostaa tieteiskirjailijan luomuksesta, ja se kutsutaan holodeckiksi. Mitä holodecki on?
Vuonna 2009 minut kutsuttiin Los Angelesiin James Cameronin luokse Avatar-elokuvan tuotannon aikana. Olimme työskennelleet Jimin kanssa aiemmin (The Abyss), ja hän halusi näyttää minulle uuden 3D-kameransa, jonka hän oli kehittänyt Vince Pacen kanssa (jonka tunnimme The Abyssista). Mutta se, mikä todella tempaisi minut, oli virtuaalinen lavaste suuressa Hughesin lentokonehallissa. Vietin paljon aikaa siellä pienen litteän näytön kanssa vain kulkiessani virtuaalimaailmassa Pandorassa. Kirjoitin siitä Armed Forces Journaliin ja keksin David Smithin kanssa idean rakentaa suuri virtuaalinen koulutusareena, joka on jalkapallokentän kokoinen. Tuolloin työskentelimme ohjelmassa nimeltä Future Immersive Training Environment (FITE) merivoimien kanssa. Ohjelmassa merimies kantaisi kannettavan tietokoneen selässään ja päälaite. Tämä kaikki ylimääräinen laitteisto aiheutti paljon huolta koulutuksen negatiivisista vaikutuksista. En koskaan unohda ensimmäistä kersanttia, joka laittoi sen päälle ja sanoi: “Meidän on harjoiteltava siten, miten taistelemme oikeasti” ja sitten hyppäsi maahan ja kaatui, murskaen kaikki elektroniikan palasiksi. Holodeck-käsite oli enemmän kuin James Cameronin Volume-elokuvauksessa, jossa näyttelijöillä on valaistusseurantaa ja kaikki instrumentaatio on heidän ympärillään. Päälaite oli edelleen välttämätön, mutta se oli langaton ja kevyt. Enemmän kuin nykyinen Oculus Quest. Keksimme jopa tavan tehdä se ulkosalla auringonpaisteen aikana.
Vuonna 2015 kirjoitit, että meidän ei pitäisi olla liian huolissamme koneiden ottavan vallan, vaan sen sijaan meidän pitäisi keksiä, miten saavuttaa oikea tasapaino ihmisten ja automaation välillä tuloksia optimoidaksesi. Oletko edelleen sitä mieltä, että yhteiskunta on liian huolissaan AGI:stä tai koneiden ottavan vallan?
Ajattelen, että kun todella älykkäät ihmiset, joilla on runsaasti asiantuntemusta tässä aihealueessa (kuten Ray Kurzweil, Stephen Hawking, Elon Musk, James Cameron ja Bill Gates), ilmaisevat huolia, meidän pitäisi kaikkien kuunnella ja seurata edistystä kohti yleistä tekoälyä ja sen vaikutuksia yhteiskuntaan. Jos olemme oppineet mitään viimeaikaisista tapahtumista, se on, että alakohtainen asiantuntemus on tärkeää, ja meidän pitäisi aina kuunnella varoituksia ihmisiltä, joilla on syvempi asiantuntemus kuin meillä itsellämme.
Sanottuani tämän, ajattelen, että lähitulevaisuudessa näemme enemmän askelmaista häiritsevää toimintaa, joka vaatii välitöntä huomiota ja toimintaa. Yksi tiivistetyistä sitaateistani 2000-luvun vaatimuksesta saavuttaa oikea tasapaino ihmisten ja automaation välillä tuloksia optimoidaksesi on kriittinen asia juuri nyt. Ajattelen, että kukaan, joka ei saa sitä oikein, on tuomittu olemaan merkityksettömiä pian, eikä ainoastaan epäkilpailukykyisiä. Kun JP Morgan korvasi 320 000 tuntia vuodessa lainasopimusten tarkastelua koneoppimisjärjestelmällä nimeltä COIN, he häiritsivät itseään ja loivat välittömästi 300 miljoonan dollarin edun liiketoiminnalleen. Ja tämä etu on nyt vuotuisen ansiotulon muoto. Mikä tahansa heidän kilpailijansa, jolla on edelleen tämä kustannus, ei voi toivoa kilpailla.
Uskon, että tämä on totta ja välttämätöntä yrityksille, hallituksille, jopa yksilöille. Olen johtokunnan jäsen yhdessä Pohjois-Carolinan yhteisöopistossa, jossa on 70 000 opiskelijaa. Yritän johdattaa opiskelijoita ja opetussuunnitelmaamme kohti töitä, jotka edelleen suorittavat ihmiset viiden vuoden kuluttua. Kun löydän opiskelijoita, jotka haluavat mennä radiologiaan, selitän heille, että koneet ovat jo parempia kuin ihmiset röntgenkuville. Harkitse uutta alaa tai miten se ala on todennäköisesti muuttuu tämän todellisuuden myötä. Tämä ei ole futurismia. Se on nytismiä.
Olet todennut, että ihmiset ajattelevat lineaarisesti ja koneet ajattelevat eksponentaalisesti. Ilmeisesti olet eksponentaalinen ajattelija, miksi on niin vaikea ihmisille ajatella eksponentaalisesti?
70 %:lla amerikkalaisista ei ole kykyä lukea ja ymmärtää tieteen osiota New York Timesista (Michiganin osavaltion yliopiston tutkimus). Kirjailijat kuten Dan Ariely kirjassaan Predictably Irrational ja muut puhuvat siitä, kuinka ihmiset eivät ole hyviä tilastollisessa ajattelussa. Eksponentiaalinen ja logaritminen ajattelu eivät myöskään ole erityisen yleisiä. Minun mentori ja sankari Alan Kay on ollut loistava TED-puhuja universaaleista ja ei-universaaleista koulutuksessa. Kirjoitin siitä artikkelissa Getting Smart -sivustolla Koulutuksen uudelleenarvioinnista perusperiaatteiden mukaan. Perimmältään abstrakti ja deduktiivinen päättely on vaikeaa, ellei sitä opeteta. Meillä on selvästi koulutusongelma, joka haittaa meidän ymmärtämistä Mooren lain edistystä tai pandemian todennäköistä leviämistä.
Nykyinen pandemia heittää vielä yhden valokeilan sille, mitä se merkitsee johtajuudelle, joka ei pysty ajattelemaan eksponentaalisesti (tai kuuntelemaan asiantuntijoiden neuvoja).
Olet työskennellyt VR:ssä 1990-luvulta lähtien, miten koet jotkut nykyiset VR-kuluttajien sovellukset, kuten Oculus Questin?
Jokainen kerta, kun näen VR-hype-roller coasterin nousevan takaisin rataa, muistan kaikki kolme pääasiallista rajoitusta, jotka estävät laajan hyväksymisen.
- Jotkut ihmiset eivät voi koskaan nauttia stereoskooppisesta 3D VR:stä.
- Häikkäysfraktio tekee siitä kokemuksen, jota harva löytää miellyttäväksi.
- Järjestelmien hauraus tarkoittaa, että ainoastaan asiantuntija-harrastajat haluavat viilata ja vianetsiä epäonnistuneita yhteyksiä
Ihmiset eivät ole saaneet päivitystä pitkään aikaan (viimeksi pleistoseenikaudella arvioiden mukaan) ja jotkut meistä ovat hyvin vaikeasti sopeutuvia stereoskooppisiin 3D-näyttöihin. Asettaen nämä sivuun hetkeksi, meillä on jäljellä toinen suuri ongelma: liian paljon kaapelia ja säätöä ennen kuin pääsee kokemuksiin. Ja kolmanneksi on järjestelmien hauraus ja särkyvyys.
Oculus Quest ylitti odotukseni täysin poistamalla täysin toisen ja kolmannen rajoituksen. Perheessämme vietämme aikaa Oculus Quest -sisällöissä melkein joka päivä. Tämä on, minun mielestäni, suuri läpimurto, jota VR tarvitsi. Nyt meidän on vain mentävä viimeinen maili ja katsottava, miten sovitamme teknologian niiden, joilla on fyysisiä rajoituksia, jotka estävät heitä nauttimasta VR:stä.
Mikä oli inspiraation lähde Tanjon perustamiselle?
Löysin koneoppimisen vuonna 2009, kun johtamin Virtual World Labsia Lockheed Martinissa. Koneoppiminen on tietysti ollut olemassa aikaisemminkin, mutta silloin ymmärsin, kuinka pitkälle se oli edennyt ja kuinka se oli perustavanlaatuisesti erilainen kuin “tekoäly”, jota olimme käyttäneet tietokonepeleissä ja puolustusvoimien simulaatioissa aiemmin.
Ajattelen, että tekoäly etenee kolmessa vaiheessa. Ensimmäisessä vaiheessa, joka kesti noin vuodesta 1958 vuoteen 2009 (omavalintainen merkkipaalu), emme pyytäneet tietokonetta laskemaan mitään, ennen kuin ihmiset ymmärsivät sen täysin ja voivat jakaa sen epärakenteellisiin loogisiin porteihin ja ehdollisiin lauseisiin. Sitten ohjelmoimme sen tietokoneeseen käyttäen ääretöntä tilaa tai hierarkkista käyttäytymisen puuta ja suorittimme ohjelman. Lopulta se oli vain koodia. Ei mitään mystistä siinä.
Seuraava vaihe on koneoppiminen, jossa ihminen ei välttämättä edes ymmärrä, miten opettaa koneen ajamaan autoa. Nyt vain syötämme valtavan määrän koulutusdataa hyvin suunniteltuihin koneoppimiskirjastoihin, jotka sitten omaksuvat oman ymmärryksensä. Nykyään koneoppimisjärjestelmä voi vain katsella 100 tuntia videota ja ajaa itsestään autonomista ajoneuvoa missä tahansa (yleensä paitsi Roomassa).
Tanjossa käytämme koneoppimista lyhytaikaisissa projekteissa antaaksesi pankkeja, korkeakouluja ja Fortune 2000 -yrityksiä älykkyyden tehostamiseksi ja automaatiota, joka muuttaa tapaa, jolla he työskentelevät. Näemme säännöllisesti 10-kertaisia investointituhansia toteutuksistamme. Ja tämä tuotto on yleensä ansiotulo. Kuinka monta teknologia-investointia olemme nähneet aiemmin, jotka tuottavat tuollaisia tuottavuuden parannuksia? Olemme saaneet vahvistettuja ROI-mittauksia jopa 600-kertaisia; ja yksi nolostuttava tulos 1600-kertainen. Emme edes käytä viimeistä tapausta case-tutkimuksena, koska se tuntuu liian hyperboliselta.
Voitko kertoa Tanjon Animoitujen Henkilöhahmojen (TAP) ja miten se toimii?
Suurimman läpimurromme saavutimme, kun tajusimme, että nämä upea, outo koneälyjärjestelmä käsittää ihmisiä samalla tavalla kuin se käsittää tieto-objekteja. Suorittimme varhaisen kokeen suositun deittailu-sovelluksen koulutusdatasta. Pieni koneoppimis-aivomme loi mielenkiintoisia graafeja ja mielipidemalleja kustakin henkilöstä heidän tietojen päästöstä, joka näytti lopulta Myers-Briggs-profiililta. Harkitsimme lyhyen aikaa luomista koneoppimis-deittailu-sovellusta vuonna 2014. Se oli hyvin lyhyt harkinta, koska se ei täyttänyt korkeita tavoitteita, joita meillä oli merkittävän työn tekemiseksi.
Sen sijaan kutsuimme sitä “Empatia-moottoriksi” ja luimme Tanjon Animoitujen Henkilöhahmoja näistä koneoppimismalleista ihmisen käyttäytymisestä.
Analyytikko Gartner antoi meille “Cool Vendor” -palkinnon vuonna 2018 tästä läpimurrosta. Autamme markkinatutkijoita mallittamaan ja ymmärtämään (ja toivottavasti luomaan syvempiä, merkityksellisempiä keskusteluita asiakkaidensa kanssa; sekä käyttämällä sitä mallittamaan väestöjä tutkimaan terveyttä ja hyvinvointia. Esimerkiksi: voimme luoda synteettisen väestömallin postinumeroalueesta tai piirikunnasta ja simuloimme, mitkä interventiot ja viestit kannustavat parempaan käyttäytymiseen vähentämään viruksen leviämistä tai alentamaan lihavuutta, tupakointia jne.
Käytätkö valvottua oppimista kouluttamaan Tanjoa?
Tasapaino, joka saavutetaan ihmisten ja koneiden välillä, on yhtä tärkeä syötteenä kuin siinä, miten nämä järjestelmät toimivat. Ihmisten valvonta auttaa ehdottomasti kouluttamaan “aivon” yhtä koneoppimisjärjestelmistämme nopeammin. Kun luimme NC-aivon, joka yhdistää 58 yhteisöopistoa Pohjois-Carolinassa, työskentelimme opettajien ja johtajien kanssa joissakin parhaimmista opistoista täällä varmistaaksesi, että sen luokitus eri tietoalueista ja miten se järjesti sisällön, oli voimassa. Työskentelimme myös David Smithin kanssa 3D-standardeissa SCORM:issa (Shareable Content Object Reference Model).
Yksi Tanjon tuotteista on ContractBot sopimussopimuksen analyysiin. Mitä ContractBot on ja mille yrityksille se on ensisijaisesti suunniteltu?
Luimme ContractBotin alun perin kirjanpitoalalle. Vuonna 2017 FASBI (Financial Accounting Standards Board Interpretations) julkaisi uusia sääntöjä liikevoiton tunnistamisesta ja vuokrauksen tunnistamisesta liiketoiminnassa. Kirjanpitoalan yritykset järjestivät konferensseja ympäri maata valmistautuakseen näihin muutoksiin ja asiakkaidensa kanssa. Koneoppimisen näkökulmasta tajusimme, että tämä oli täydellinen tilaisuus kapeasti kohdennetulle koneoppimisjärjestelmälle työskennellä kirjanpitäjien rinnalla nopeuttamaan analyysin nopeutta sekä lisäämään tarkkuutta. Koulutimme järjestelmän yli neljän miljoonan sopimuksen kanssa; kaikkea yhden sivun käsinkirjoitetusta ostoehdotuksesta sopimuksiin, joissa on sata sivua takuita ja vastuuvapautuksia ja merkittävien maksujen kuvausta. Se oppi nopeasti ymmärtämään kielen ja lajittelemään asiakirjoja tai asiakirjojen osia ja soveltamaan liiketoimintasääntöjä melkein välittömästi suorittamaan analyysin, joka veisi ihmiseltä koko päivän.
Tämä projekti ja muut ovat case-tutkimuksia, joita tarjoamme rohkaista kaikkia liiketoiminnan parissa olevia tarkastelemaan tarkkaan jokaista toimintaa määrittääkseen, mikä on oikea tasapaino ihmisten ja koneiden välillä liiketoimintansa optimoimiseksi.
Kun JP Morgan käytti tätä lähestymistapaa poistamaan 320 000 tuntia vuodessa lainasopimusten tarkastelua, he eivät ainoastaan saavuttaneet 100-kertaista paluuta investoinnilleen sinä vuonna, vaan he saavat sen ansiotulon jokaisena vuotena eteenpäin. Mikä tahansa heidän kilpailijansa, jolla on edelleen se kustannus, ei ainoastaan ole epäkilpailukykyinen, vaan myös merkityksettömiä.
Yksi Tanjon jännittävimmistä tuotteista on Tanjon Yrityksen Aivot. Mikä koneoppiminen on sen takana ja mitkä ovat sen käyttötarkoitukset?
Kun käytimme koneoppimista Yhdysvaltain opetusministeriön kanssa luomaan Learning Registryn, näimme koneoppimisen voiman järjestää ja analysoida tietoa. Kun puhun siitä, yleensä näytän diakuvan, jossa on kuva viimeisestä kohtauksesta elokuvasta “Raiders of the Lost Ark”; jossa virkailija pyörää erinomaista, mutta vaatimatonta laatikkoa, jossa on merkintä ARC.
Mitä me opimme Learning Registry -projektista ja muista, on, että yritysten etsintä on rikki. Yritykset ovat piilottaneet tietoa pieniin, eristettyihin tietojärjestelmiin, jotka ovat joko käyttäjiltä piilotettuja tai ovat epäselviä ja siten eivät ole avoimia tiedustelulle. Tässä nopeutuvassa tietojen aikakaudessa menetämme joka päivä tietoa, jonka olemme hankkineet huonon tallennuksen ja hakujen vuoksi.
Tanjon Yrityksen Aivot asuvat palomuurin sisällä, sisältävät koko lähdekoodin, liittyvät kaikkeen ja eivät tee mitään muuta kuin lukevat ja skannaavat ja järjestävät kaikkea, mihin heillä on pääsy, ja odottavat jännittävää hetkeä, jolloin he havaitsevat ihmisen yrittävän tehdä jotain, josta voisi hyötyä laajasta tietokartasta, joka on heidän ulottuvillaan. Koska sillä on niin paljon aikaa ja valtaa ja läheisyyttä organisaation tietoon, se ei tyyty vain vähentämään “Sotaa ja rauhaa” #Venäjänromaani #Tolstoy #sotatarina #rakkaustarina. Sen sijaan se kartoittaa sen “hyperulotteisen sormenjäljen” jopa 4000 painotetulla käsitteellä. Tämä näennäisesti ylimitoitetun ponnistus maksaa suuria dividendejä tutkimuslaitoksille, pankkeille ja korkeakouluille, joilla on Tanjon Yrityksen Aivot. On tapana, että he toteuttavat arvon, joka ylittää lisenssimaksun, ainoastaan organisaation tietojen kartoittamisessa, joka on osa heidän Yrityksen Aivonsa koulutusta, kun johto oppii, kuinka paljon tietoa he ovat sijoittaneet ja mitä se kaikki tarkoittaa. Kun Yrityksen Aivot on toteutettu, organisaatio on saanut linssin, jonka kautta se näkee, miten tieto on tullut heidän järjestelmiinsä, kuka on puolustanut sitä, kuka on haastanut sitä ja lopulta miten päätökset on tehty. Se on muodostumassa tarpeeksi, josta on jälkikäteen ilmiselvää. Ja kuten koneoppimisjärjestelmä, jonka JP Morgan toteutti, se maksaa dividendejä aina.
Onko mitään muuta, mitä haluaisit jakaa Tanjosta?
Tanjo työskentelee tällä hetkellä Covid-19 -aivossa. Yhdenmukaisesti yrityksemme ajatuksella, joka ohjaa meitä, olemme määrittelemässä, miten saavuttaa oikea tasapaino ihmisten ja koneiden välillä varmistaaksesi, että oikea tieto ja parhaat resurssit ovat käytettävissä niille, jotka tekevät tärkeitä päätöksiä tämän kriisin aikana. Tanjon Animoitujen Henkilöhahmojen ominaisuus tullaan käyttämään mallittamaan ihmisen väestötietoa jäljittämään viruksen leviämistä, mutta myös määrittämään, mitkä toimenpiteet ja viestintätavat ja itse sanat tulevat saamaan käyttäytymisen, jota tarvitsemme onnistuaksesi navigoimaan tämän kriisin läpi terveempään ekosysteemiin kaikille meille.
Tämä on ollut mielenkiintoinen keskustelu, lukijat, jotka haluavat oppia lisää, kannattaa vierailla Tanjossa.
