Ricky Costa, Quantum Statin toimitusjohtaja – Haastattelu

Ricky Costa on Quantum Statin toimitusjohtaja, joka tarjoaa liiketoimintaratkaisuja NLP:lle ja tekoälyohjelmille

Mikä alkujaan herätti sinut kiinnostuksen tekoälyä kohtaan?

Sattuma. Luin kirjaa todennäköisyydestä, kun törmäsin kuuluisaan teoreemaan. Silloin ihmettelin, voinko soveltaa tätä teoreemaa luonnollisen kielen ongelmaan, jota yritin ratkaista työssäni. Ilmeni, että algoritmi oli jo olemassa, ja se oli nimeltään Naïve Bayes, hyvin tunnettu ja yksinkertainen generatiivinen malli, jota käytetään klassisessa koneoppimisessa. Tuo teoreema oli Bayesin teoreema. Tunsin, että tämä sattuma oli vihje, ja se herätti uteliaisuuden oppia enemmän.

Olet Quantum Statin toimitusjohtaja, joka tarjoaa ratkaisuja luonnollisen kielen prosessoinnille. Miten päädyit tähän asemaan?

Kun uusi teknologia vallitsee, jotkut yritykset ovat epäröivämpiä kuin toiset. Perustin yritykseni, koska seuraaminen tuntematonta on minulle hauskaa. Tunsin myös, että nyt on oikea aika siirtyä luonnollisen kielen prosessoinnin alalle, kun otetaan huomioon kaikki upea tutkimus, joka on tehty viimeisen kahden vuoden aikana. Luonnollisen kielen prosessoinnin yhteisöllä on nyt mahdollisuus saavuttaa paljon enemmän vähemmällä, kun otetaan huomioon uudet luonnollisen kielen prosessoinnin tekniikat, jotka vaativat vähemmän dataa suorituskyvyn skaalaukseen.

Luonnollisen kielen prosessoinnin alaan tutustuvat lukijat, voisitko kertoa, mitä se tekee?

Luonnollisen kielen prosessointi on tekoälyn ja analytiikan ala, joka yrittää ymmärtää luonnollista kieltä tekstin, puheen tai monimodaalisen oppimisen (teksti ja kuvat/video) kautta ja laskea sitä niin, että se tuottaa näkemyksiä ja/tai tarjoaa arvokkaita palveluita. Arvo voi tulla useista kulmista, esimerkiksi tiedon hakemisesta yrityksen sisäisestä tiedostojärjestelmästä, tunteiden luokittelusta uutisissa tai GPT-2- Twitter-bottista, joka auttaa sosiaalisen median markkinoinnissa (kuten meidän viime viikolla rakentamamme).

Sinulla on taiteen kandidaatin tutkinto Hunter Collegesta kokeellisesta psykologiasta. Koetko, että ymmärtäminen ihmisaivoja ja ihmisen psykologiaa on etu luonnollisen kielen prosessoinnin alalla?

Tämä on vastakkainen näkemys, mutta valitettavasti ei. Hermosolmujen ja syvän neuroniverkoston analogia on vain havainnollistamista ja intuition kehittämistä varten. Voit ehkä oppia enemmän kompleksisuustieteestä ja insinööritieteestä. Ihmisaivojen toimintaa on vaikea ymmärtää, koska meillä on kompleksinen järjestelmä. “Äly” on emergentti ilmiö, joka syntyy aivojen kompleksisuudesta ja sen vuorovaikutuksesta ympäristönsä kanssa, ja se on hyvin vaikea määritellä. Psykologia ja muut sosiaalitieteet, jotka perustuvat “reduktionismiin” (ylä-alas), eivät toimi tässä kompleksisessa paradigmassa. Tässä on intuitio: kuvittele joku yrittää reduktiota The Beatlesin kappaleeseen “Let it Be” C-duuriin. Ei ole mitään siinä asteikossa, joka ennustaa, että “Let it Be” tulee siitä. Sama koskee jotakuta, joka yrittää reduktiota käyttäytymiseen hermosolmujen toimintaan aivoissa.

Voisitko kertoa, miksi suuret datat ovat niin tärkeitä tekoälyä ja erityisesti luonnollisen kielen prosessointia koskien?

Syynä on se, että koska syvän oppimisen mallit interpoloivat dataa, mitä enemmän dataa syötetään malliin, sitä vähemmän reunatapauksia se näkee, kun se tekee johtopäätöksiä luonnossa. Tämä arkkitehtuuri ” kannustaa” suuria tietoja käsittelemään malleja, jotta tulosten tarkkuutta voidaan lisätä. Kuitenkin, jos haluamme saavuttaa älykkäämpää käyttäytymistä tekoälymallien kanssa, meidän on katsottava pidemmälle kuin vain siihen, miten voimme parantaa mallin kykyä päättelyyn tehokkaammin, mikä ei intuitiivisesti vaadi paljon dataa. Kompleksisuuden näkökulmasta, soluautomaattien kokeet, jotka fyysikot John von Neumann ja Stephen Wolfram suorittivat viime vuosisadalla, osoittavat, että kompleksisuus voi syntyä yksinkertaisista alkutilanteista ja säännöistä. Mitkä nämä ehdot/säännöt pitäisi olla tekoälyä koskien, se on se, mitä kaikki etsivät.

Viimeksi julkaistuit “Big Bad NLP Database” -tietokannan. Mitä se on ja miksi se on tärkeä tekoälyalan ammattilaisille?

Tämä tietokanta luotiin NLP-kehittäjille, jotta heillä olisi helppo pääsy kaikkiin alan tärkeimpiin tietoihin. Tietokanta auttaa indeksoimaan tietoja, mikä on mukava sivutuote, joka mahdollistaa käyttäjien kyselyt. Datatietojen esikäsittely vie eniten aikaa käyttöönottoprosessissa, ja tämä tietokanta yrittää lieventää tätä ongelmaa niin paljon kuin mahdollista. Lisäksi se on ilmainen alusta kelle tahansa, riippumatta siitä, oletko akateeminen tutkija, ammattilainen tai itsenäinen tekoäly-asiantuntija, joka haluaa päästä alkuun luonnollisen kielen prosessoinnin datalla. Linkki

Quantum Stat tarjoaa tällä hetkellä lopusta loppuun -ratkaisuja. Mitkä nämä ratkaisut ovat?

Autamme yrityksiä helpottamaan NLP-mallin kehitysprosessia tarjoamalla kehitystä missä tahansa vaiheessa. Voimme kattaa laajan valikoiman palveluita datan puhdistamisesta esikäsittelyvaiheessa aina mallipalvelimen käyttöönottoon tuotannossa (nämä palvelut on korostettu myös kotisivuillamme). Kaikki tekoälyprojektit eivät toteudu, koska on epävarmuutta siitä, miten tietyn datan tai projektiarkkitehtuurin yhdistäminen valmiiseen malliin toimii. Tämän epävarmuuden vuoksi palvelumme antavat yrityksille mahdollisuuden iteroida projektiaan murto-osaan siitä, mitä täysipäiväisen koneoppimisen insinöörin palkkaaminen maksaisi.

Mikä on viimeaikaisista edistysaskelista tekoälyssä sinulle mielenkiintoisin?

Viimeaikaisin tärkein edistysaskel on transformer-malli, josta olet ehkä kuullut: BERT, RoBERTa, ALBERT, T5 jne. Nämä transformer-mallit ovat hyvin houkuttelevia, koska ne mahdollistavat tutkijalle saavuttaa huipputason suorituskyvyn pienemmällä datamäärällä. Ennen transformer-malleja kehittäjän olisi pitänyt käyttää hyvin suurta tietojoukkoa kouluttamaan mallia alusta alkaen. Koska nämä transformer-mallit on koulutettu etukäteen miljardeilla sanoilla, se mahdollistaa nopeamman iteroinnin tekoälyprojekteissa, ja se on se, mihin olemme pääasiassa keskittyneet tällä hetkellä.

Onko jotain muuta, mitä haluaisit jakaa Quantum Statista?

Olemme työskentelemässä uudessa projektissa, joka liittyy rahoitusmarkkinoiden mielipideanalyysiin, ja se tullaan julkaisemaan pian. Olemme hyödyntäneet useita transformer-malleja antamaan ennennäkemätöntä näkyvyyttä siihen, miten rahoitusuutiset kehittyvät reaaliajassa. Odota!

Lue lisää Quantum Statista tai lue artikkeli Big Bad NLP Database -tietokannasta.