James Kaplan, Co-Fondateur & PDG de MeetKai – Série d’entretiens

James Kaplan est le Co-Fondateur & PDG de MeetKai, un assistant intelligent qui facilite la vie grâce à la conversation, la personnalisation et la curation.

Vous avez commencé à programmer à l’âge de six ans, qu’est-ce qui vous a initialement enthousiasmé pour la programmation, et quels langages avez-vous appris ?

L’impulsion a été le jeu Oregon Trail conçu pour Windows 95. J’étais accro et je jouais tous les jours après l’école. J’étais en 1ère année, il n’y avait donc pas grand-chose d’autre à faire ! J’ai commencé à réfléchir à toutes les choses que je souhaitais modifier dans le jeu. Quand j’étais plus jeune, j’ai acheté un exemplaire de « Game Programming for Teens », un livre de programmation de base dans une librairie locale. J’ai été immédiatement attiré et j’ai rapidement oublié mes motivations initiales liées à Oregon Trail. Mais j’ai toujours aimé les jeux, et ils ont agi comme ma motivation pour apprendre de nouveaux langages de programmation. Au cours des quelques années suivantes, j’ai appris Visual Basic lorsque j’ai tenté d’écrire un bot pour NeoPets (ça a fonctionné) et puis PHP lorsque j’avais 12 ans pour créer des sites Web dynamiques. Même à cette époque, ma motivation pour apprendre PHP était de gagner de l’argent pour acheter des jeux vidéo.

Votre précédente entreprise consistait à exploiter un fonds spéculatif basé sur l’IA, qu’avez-vous appris de cette expérience ?

Ma principale conclusion a été de rejeter l’idée que l’on ne peut pas rivaliser avec les géants dans un espace encombré. Il peut être très tentant de penser que, dans le domaine de la finance, tout ce qui est rentable a déjà été exploité et capturé par un grand joueur. Cependant, j’ai rapidement réalisé qu’il ne faut pas surestimer ses concurrents. La paresse et l’inertie organisationnelle empêchent les nouvelles idées. Parfois, une idée ou une campagne peut être trop niche pour une grande entreprise. Étonnamment, ils peuvent également penser qu’il est trop risqué de développer quelque chose, il ne vaut donc pas la peine de sortir de leur zone de confort.

Pouvez-vous partager l’histoire de la création de l’assistant intelligent MeetKai ?

J’étais fatigué de la finance. Tout devait être mesuré en termes de ratio de Sharpe et de PnL. Cela a enlevé beaucoup de plaisir à la technologie, et était très éloigné de ce qui m’avait initialement conduit sur le chemin de la programmation. Fin 2018, j’ai discuté avec Weili Dai, Co-Fondateur de MeetKai, de ce que je voyais dans le paysage technologique en général. L’une de mes principales observations était que l’espace des assistants vocaux était stagné. Tous les principaux acteurs s’accrochaient à des approches anciennes, et les utilisateurs n’en bénéficiaient pas. Personne n’était prêt à essayer de nouvelles approches, « puisque ce n’est pas ainsi que X le fait ». Il n’y avait pas de différenciation. Si je commençais à zéro et que je rejetais toutes (ou presque) les notions préconçues sur « la façon de construire un assistant vocal », alors je pouvais fondamentalement changer l’expérience utilisateur. Nous avons commencé à construire un véritable assistant intelligent, et non un chatbot alimenté par la voix. Les leçons tirées de mon entreprise précédente, couplées au mentorat de Weili, nous ont conduits à fonder MeetKai.

Quels sont les défis liés à la construction d’un assistant intelligent ?

Il existe deux classes de problèmes pour construire un véritable assistant intelligent – les attentes des utilisateurs et la mise en œuvre technique. Le premier problème est négligé, mais applicable à MeetKai. Les utilisateurs sont formés à ce qui est et n’est pas hors limites lorsqu’il s’agit d’un assistant vocal. En particulier, ils supposent qu’ils doivent effectuer des recherches de manière orientée commande. Nous travaillons à former les utilisateurs pour effectuer des recherches en langage naturel. Cela permet des capacités plus riches, telles que l’utilisation de négations « Trouvez-moi un film de Dwayne “The Rock” Johnson qui n’est pas Moana ». Nous pouvons gérer cela parfaitement bien dans le langage courant, mais les assistants vocaux actuels échouent à répondre à ces questions.

La deuxième classe de défis est technique. Cela se manifeste dans deux sous-catégories – la recherche et la compréhension. Pour la recherche, nous sommes différents des autres assistants virtuels car nous maintenons notre index de contenu. Même si cela permet tout le « magic » qui nous rend next-gen, cela comporte avec lui les défis de l’exécution et de la maintenance d’un moteur de recherche vocal personnalisé. C’est un domaine dans lequel nous innovons en permanence. La compréhension du langage est le deuxième domaine où les défis sont rencontrés lors de la construction d’un assistant intelligent. Pour la plupart des assistants vocaux, cela signifierait être capable de comprendre le texte en anglais. MeetKai comprend et prend en charge 16 langues. Cela ne représente pas 16 fois plus de travail, car nous utilisons des approches multilingues, mais c’est toujours beaucoup plus que d’être « anglais d’abord, anglais uniquement ». C’est une dépense de temps qui en vaut la peine, car il est extrêmement important pour nous que MeetKai soit vraiment global.

Comment MeetKai utilise-t-il l’IA personnalisée pour se différencier ?

Nous utilisons l’IA personnalisée dans deux domaines différenciés – la compréhension et la recherche.

Lorsqu’un utilisateur dit : « Pouvez-vous me trouver quelque chose de chinois ce soir ? », cela peut signifier qu’il veut une recette chinoise, un restaurant chinois ou un spectacle chinois à regarder. Avec notre compréhension personnalisée et approfondie, nous pouvons clarifier et fournir un résultat à l’utilisateur qu’il attend. Tout cela est réalisé sans que ses données ne quittent jamais notre plateforme.

Nous intégrons la personnalisation dans la recherche elle-même. L’un des plus grands problèmes auxquels sont confrontés les assistants virtuels est que de nombreuses recherches sont transmises à des fournisseurs de services tiers. Lorsque vous recherchez un restaurant avec un assistant conventionnel, il transmet cette recherche à Yelp. Le problème est que Yelp ne connaît pas personnellement l’utilisateur, et s’il le fait, alors c’est une question de confidentialité. Puisque MeetKai est une application de première partie, de bout en bout, nous avons une véritable personnalisation.

Quels sont les cas d’utilisation pour MeetKai ?

L’objectif de MeetKai est d’être le premier concierge IA. Nous voulons aider les utilisateurs dans leur vie quotidienne. Nous ne voulons pas être un assistant orienté commande. Nous ne prenons pas en charge des fonctionnalités comme « volume plus haut », « volume plus bas », « minuteur de 30 secondes », … vous voyez l’idée. Je pense fortement que ces fonctionnalités ne sont pas de l’IA, ce sont juste des entrées basées sur la voix. Si vous repensez aux jours d’AskJeeves, l’idée entière était qu’il s’agissait de votre majordome, personne ne serait jamais anthropomorphiser Google Assistant. Autant Apple Siri ou Amazon (AMZN ) Alexa aimeraient être, personne ne les considère comme autre chose qu’une application. Nous sommes encore dans nos premiers stades, mais nous avons construit toute la technologie nécessaire pour réaliser notre feuille de route de trois à cinq ans vers un véritable assistant intelligent.

Comment l’industrie peut-elle empêcher un assistant intelligent d’introduire des préjugés ou de renforcer des préjugés existants chez un utilisateur ?

Il existe un équilibre délicat entre la fourniture de résultats personnalisés et l’absence de création de préjugés. Nous avons vu ce qui se passe lorsque les chercheurs optimisent les mesures d’engagement sur les plateformes de médias sociaux – cela crée des bulles de préjugés. La première étape en tant qu’industrie est de repenser nos métriques et nos KPI. Chez MeetKai, nous optimisons pour un équilibre entre le taux de clics et la nouveauté du clic. L’IA devrait être récompensée beaucoup plus pour trouver un résultat novateur qui est cliqué dans 30 % des cas, plutôt que simplement le « meilleur » résultat cliqué dans 50 % des cas. Cependant, cette approche a un recul assez apparent lors d’une considération plus approfondie. Et si les résultats que l’IA propose sont simplement des résultats biaisés pour la petite bulle de l’utilisateur ? Nous construisons notre IA pour pousser dans les deux directions de la zone de personnalisation de l’utilisateur. Si un utilisateur demande une liste d’articles sur le bœuf, alors au lieu de lui présenter des articles qui correspondent à ses croyances, nous pouvons inclure des articles qui se trouvent à la limite, ou légèrement en dehors de la limite, de ses préférences. Cela peut inclure un article sur l’éthique animale et le changement climatique, ainsi qu’un article sur les avantages potentiels pour la santé des graisses à base d’animaux. L’intuition technique de l’approche que nous avons adoptée est enracinée dans l’acceptation qu’il est difficile de former l’IA pour déterminer si Y est biaisé, mais il est beaucoup plus facile de la former pour savoir que X et Z se trouvent sur les limites de la même zone que Y.

Où voyez-vous l’avenir des assistants intelligents dans 5 ou 10 ans ?

Les assistants intelligents passeront de plus en plus à l’approche basée sur la première partie que MeetKai a adoptée. Pour toute l’existence de leur durée de vie, Alexa et Google ont tenté de cultiver un écosystème d’extensions et de compétences tierces. Cela pose de sérieux problèmes en termes de confidentialité. De plus, cela ne dit rien sur les limites supérieures qu’il impose sur les capacités. J’attends que davantage de joueurs de l’industrie adoptent la même approche que nous avons prise, et il y a des signes de cela dans l’ensemble.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus sur cet assistant intelligent personnalisé devraient visiter MeetKai.