Sarah Nagy, Seek AI:n perustaja ja toimitusjohtaja – Haastattelusarja

Sarah Nagy on Seek AI:n perustaja ja toimitusjohtaja, joka on kehittänyt alustan, joka mahdollistaa liiketoimintakäyttäjien esittää Seekille samoja kysymyksiä, joita he esittävät tietotiimille, suoraan Slackissa, Teamsissa ja sähköpostissa. Kysymyksen muotoiluun ei tarvitse paneutua, eikä uuden alustan opettelua vaadita.

Milkoit valmistelt siirtymistä tutkijasta data-aiheiden asiantuntijaksi?

Tutkin UCLA:ssa ja Caltechissa, ja tarkastelin etäisiä galakseja, joita voitiin havainnoida teleskoopin avulla, ja analysoin niiden ominaisuuksia, kuten massaa ja kokoa. Tutkimuksen tarkoituksena oli auttaa meitä ymmärtämään eroa hyvin etäisten galaksien ja lähellä olevien galaksien välillä, ja kehittämään malleja siitä, miten nämä galaksit muodostuvat ajan kuluessa.

Sinä työskentelit sitten data-tieteilijänä useissa startup-yrityksissä. Mitkä olivat joitain mielenkiintoisimmista projekteista?

Yksi projekti, joka erottuu, liittyi luonnollisen kielen prosessointiin (NLP) ja tekstien luokitteluun, jotka liittyivät vähittäiskaupan tuotteisiin. Esimerkiksi otin raakatekstin (esim. “air jordans green”) ja merkinnän arvioitiin tuotemerkiksi (“Nike”). Minulla oli kollega, joka oli erikoistunut NLP:hen, mutta hän oli kiireinen toisessa projektissa, joten minulle annettiin tämä projekti. En tiennyt mitään NLP:stä, joten kävin läpi joitain Stanfordin ja Fast.ai:n ilmaisia kursseja, jotta voisin parantaa tietämiäni. Nautin siitä, että opin NLP:stä, ja aloin ymmärtää, miksi se on niin tärkeää, ja miksi tekoäly (AI) pystyy ymmärtämään kieltä, ja miksi se on suuri askel kohti niin sanottua “yleistä AI:ta”. Tämä kokemus varmisti, että ymmärsin GPT-3:n merkityksen, kun se ilmestyi.

Voitko kertoa Seek AI:n syntytarinaa?

Kun OpenAI:n GPT-3-malli ilmestyi, tunnistin heti, miten merkittävä edistysaskel se oli, ja innostuin erityisesti sovelluksista, jotka liittyivät GPT-3:n koodin kirjoittamiseen. Kirjoitin koodia päivittäin data-tieteilijänä, ja nähdessäni, miten tekoäly teki tämän – ja kirjoitti koodin täydellisesti – se oli hämmästyttävää. Vertaisin reaktiotaani GPT-3:een siihen, kun opin ensimmäisen kerran virtuaalitodellisuudesta vuonna 2013, joka oli toinen hämmästystä aiheuttanut kokemus minulle. Päätin, että minun oli perustettava startup, joka panostaisi tähän teknologiaan. En tiennyt vielä, mitä rakentaisin, mutta tiesin, että jos opin enemmän näistä malleista, jotain arvokasta tulisi ilmi.

Seek AI käyttää generatiivista tekoälyä. Voitko selittää lukijoillemme, mitä se on?

“Generatiivinen tekoäly” on hyvin mainostettu buzzword, mutta toisin kuin muut buzzwordit, en usko, että hype on perusteetonta. Termi viittaa suuriin koneoppimismalleihin, joissa on satoja miljardeja parametreja, kuten Open AI:n DALL-E ja GPT-3. Näiden mallien innovaatio on se, että ne voivat ymmärtää luonnollista kieltä ja generoida tekstiä, kuvia, koodia ja muuta. Jos leikit DALL-E:lla tai Stable Diffusionilla, ymmärrät nopeasti, miksi nämä mallit ovat niin hypattuja; ne ovat erittäin ihmismäisiä ja voivat generoida taiteen, joka vastaa parhaiden ihmistaiteilijoiden tuotoksia.

Koodin generointi on yksi generatiivisen tekoälyn tärkeimmistä sovelluksista. Data on kasvamassa suuremmaksi ja monimutkaisemmaksi, ja siten vaikeammin analysoitavaksi ja järjesteltäväksi ihmisille. Data sisältää kuitenkin paljon tietoa, joka on voimakasta organisaatioille, ja se voi johtaa uskomattomiin tieteellisiin läpimurtoihin akateemisella puolella. Rakentamalla tekoälyä, joka voi käyttää dataa, voidaan lukita uskomattoman arvokas tieto.

Seek AI on rakentamassa käyttöliittymää, joka mahdollistaa käyttäjien vuorovaikutuksen datan kanssa luonnollisen kielen avulla. Tietotyöntekijät voivat käyttää Seek AI:n luonnollisen kielen käyttöliittymää sähköpostin, Slackin, tekstiviestien ja asiakassuhteiden hallintajärjestelmien kautta.

Mitkä muut koneoppimismenetelmät ovat käytössä Seek AI:ssa?

Generatiivisen tekoälyn lisäksi meidän arkkitehtuurimme sisältää useita avoimen lähdekoodin syväoppimismalleja. Transformer-mallit (joista “generatiivinen tekoäly” on variantti) muodostavat useimmat (mutta ei kaikki) mallit, joita Seek käyttää.

Miksi on niin tärkeää, että ei-tekniset käyttäjät voivat nopeasti käyttää dataa?

Mikä hyöty datasta on, jos se ei tuota paluuta sijoitukseen, ja miten yritys voi saada tämän paluun, jos liiketoimintakäyttäjät eivät voi edes käyttää dataa? Tämän vuoksi on ehdottoman tärkeää antaa pääsy mahdollisimman monelle ihmiselle ilman virheitä.

Miten Seek AI tekee tämän datan niin helpoksi käyttää?

On mielenkiintoista ajatella, että dataa voidaan analyysoida vain koodilla. On olemassa alustoja, jotka ovat abstraktioita tästä koodista (esim. data-dashboardit), mutta niiden alla on koodia, jota data-analyytikot ovat kirjoittaneet, jotta data voidaan esittää liiketoimintakäyttäjille.

Useimmat tietotyöntekijät eivät osaa koodata, eivät halua koodata tai eivät voi edes päästä käsiksi dataan, vaikka he haluaisivat kirjoittaa koodia sen analysoimiseksi. Siksi, kun he tarvitsevat dataa, he joko etsivät sitä dashboardista tai pyytävät data-tiimiltä, jos he eivät löydä sitä. Mitä suuremmaksi dataksi kasvaa, sitä useammin tämä tapahtuu.

Data-tiimit toimivat “kääntäjinä” luonnollisen kielen kysymyksiin, jotka suunnataan heille, ja itse dataa, jota he kysyvät koodilla. Tämän “kääntäjä”-välittäjän poistaminen on Seekin tekemän Asian ydin.

Miten yritykset varmistavat, että heidän käyttämänsä data on tarkka?

Data-tarkkuuden ja -saavutettavuuden tasapainon hallitseminen on valtava haaste. Kuten mainitsin äskettäisessä haastattelussa, toisaalta saavutettavuus mahdollistaa vähemmän teknisille ihmisille aloittaa datan kanssa työskentelyn, mutta toisaalta, mitä hyötyä on “pilaantuneesta” vedestä (ts. huonosta datasta)?

Parhaat data-tiimit ovat niitä, jotka hallitsevat tätä tasapainoa parhaalla tavalla, ja suuri osa siitä on huolellinen kalibrointi ja tarkastus kaikista työkaluista, joita ei-tekniset käyttäjät voivat käyttää.

Mitkä ovat joitain esimerkkejä Seek AI -alustan käyttötapauksista?

Toimitamme jo nyt arvoa asiakkaillemme ja suunnittelukumppaneillemme B2B-SaaS-, rahoitus-, kuluttajatuotteiden ja B2C-kaupan aloilla.

Battlefin on esimerkiksi johtava vaihtoehtoinen rahoitusdata-alusta. He uskovat, että nopeiden ja laadukkaiden vastausten antaminen asiakkaiden kysymyksiin on se, mikä erottaa heidät kilpailijoistaan. Yhtiön toimitusjohtaja, Tim Harrington, totesi: “Seek AI oli avainroolissa yrityksemme strategiassa vuonna 2023, koska se antaa meille etulyöntiaseman datan käyttämisessä ja analysoinnissa asiakkaiden kysymysten vastauksena. Arvioin, että Seek AI:n paluu sijoitukseen on noin 10-kertainen verrattuna siihen, mitä olisimme käyttäneet tämän tehokkuuden saavuttamiseen ilman alustaa.”

Onko jotain muuta, mitä haluaisit jakaa Seek AI:sta?

Tämä saattaa olla oikea paikka mainiota mainostusta varten. Seek tarjoaa tällä hetkellä ilmaisia kokeiluja alustastaan, johon pääsee käyttämällä osoitetta seek.ai. Olemme innoissamme siitä, että olemme edelläkävijöitä generatiivisen tekoälyn tuomisessa data-tiimille, ja odotan innostuneena asiakkaidemme kanssa tämän matkan jatkamista.

Kiitos haastattelusta, lukijoille, jotka haluavat oppia lisää, suosittelemme vierailemaan Seek AI:ssa.