Marc Sloan, Co-Fondateur & PDG de Scout – Série d’entretiens

Marc Sloan est le co-fondateur et PDG de Scout, le premier chatbot de navigateur Web au monde, un assistant numérique pour réaliser n’importe quelle tâche en ligne. Scout suggère des choses utiles qu’il peut faire pour vous en fonction de ce que vous faites en ligne.

Qu’est-ce qui vous a initialement attiré vers l’IA ?

Ma première expérience de travail sur l’IA remonte à une année sabbatique que j’ai passée à travailler dans l’équipe de recherche en traitement automatique des langues à GCHQ pendant mes études de licence. J’ai pu voir de visu l’impact que l’apprentissage automatique pouvait avoir sur des problèmes du monde réel et la différence que cela faisait.

Cela a actionné un interrupteur dans mon esprit sur la façon dont les ordinateurs peuvent être utilisés pour résoudre des problèmes : l’ingénierie logicielle vous apprend à créer des programmes qui prennent des données et produisent des résultats, mais l’apprentissage automatique vous permet de prendre des données et de décrire les résultats que vous souhaitez produire un programme. Cela signifie que vous pouvez utiliser le même cadre pour résoudre des milliers de problèmes différents. Pour moi, cela semblait avoir un impact beaucoup plus important que de devoir écrire un programme pour chaque problème.

J’étudiais déjà des problèmes d’optimisation en mathématiques en parallèle avec l’informatique, donc une fois que je suis revenu à l’université, j’ai concentré mon attention sur l’IA et j’ai terminé ma thèse sur le traitement de la parole avant de postuler pour un doctorat en recherche d’information à UCL.

Vous avez mené des recherches sur l’apprentissage par renforcement dans la recherche Web sous la supervision de David Silver, le fondateur d’AlphaGo. Pouvez-vous discuter de certaines de ces recherches ?

Mon doctorat portait sur le sujet de l’application de l’apprentissage par renforcement aux problèmes de classement dans la recherche d’information, un domaine que j’ai aidé à créer appelé Recherche d’information dynamique. J’étais supervisé par le professeur Jun Wang et le professeur David Silver, tous deux experts en apprentissage par renforcement basé sur des agents.

Nos recherches ont examiné la façon dont les moteurs de recherche pouvaient apprendre du comportement des utilisateurs pour améliorer les résultats de recherche de manière autonome au fil du temps. En utilisant une approche de type Multi-Armed Bandit, notre système essayait différents classements de recherche et collectait le comportement de clic pour déterminer s’ils étaient efficaces ou non. Il pouvait également s’adapter à des utilisateurs individuels au fil du temps et était particulièrement efficace pour gérer les requêtes de recherche ambigües. À l’époque, David se concentrait profondément sur le problème de Go et il m’a aidé à déterminer le dispositif d’apprentissage par renforcement approprié d’états et de fonction de valeur pour ce problème particulier.

Quelles sont certaines des leçons d’entrepreneur que vous avez apprises en travaillant avec David Silver ?

La recherche à UCL est souvent entrepreneuriale. David avait précédemment fondé Elixir studios avec Demis Hassabis, puis a rejoint DeepMind pour travailler sur Alpha Go. Mais d’autres membres de notre groupe de recherche Media Futures ont également créé une série de startups différentes : Jun a fondé Mediagamma (en appliquant l’apprentissage par renforcement aux dépenses publicitaires en ligne), Simon Chan a lancé prediction.io (acquis par SalesForce) et Jagadeesh Gorla a lancé Jaggu (un service de recommandation pour le commerce électronique). Notre équipe discutait souvent de l’impact commercial que notre recherche pourrait avoir, je pense peut-être parce que la base de UCL à Londres en fait un point de départ naturel pour créer une entreprise.

Vous avez récemment lancé Scout, le premier chatbot de navigateur Web au monde. Qu’est-ce qui vous a inspiré pour lancer Scout ?

L’idée a évolué naturellement à partir de mes recherches doctorales. Je suis allé directement de la fin de mon doctorat à rejoindre Entrepreneur First, où j’ai commencé à réfléchir à la façon de transformer mes recherches en produit.

Avant de commencer, j’ai effectué un stage à Microsoft (MSFT ) Research où j’ai appliqué mes recherches à Bing. À l’époque, la principale chose que j’ai apprise de mes recherches était que la recherche d’informations pouvait être prédite en fonction du comportement en ligne des utilisateurs. Mais je me suis frustré du fait que la seule façon réelle de présenter ces prédictions dans un moteur de recherche était d’améliorer l’auto-suggestion. Alors, j’ai commencé à réfléchir à la façon dont l’expérience en ligne de l’utilisateur pourrait être améliorée en utilisant ces prédictions, et pas seulement l’expérience de recherche.

C’est cette réflexion qui a conduit mon co-fondateur et moi, sur Entrepreneur First, à créer un module complémentaire de navigateur qui observe le comportement de l’utilisateur, prédit les informations dont l’utilisateur a probablement besoin en ligne, et les récupère pour lui. Après quelques années d’expériences et de prototypes, cela a évolué en une interface de chatbot où le navigateur « parle » à l’utilisateur de ce qu’il fait en ligne et essaie de l’aider en cours de route.

Quels navigateurs Web seront compatibles avec Scout ?

Nous nous concentrons actuellement sur Chrome en raison de sa popularité et de son architecture de module complémentaire mature, mais nous avons des prototypes fonctionnels sur Firefox et Safari, et même une application mobile.

La fonctionnalité d’assistant de shopping de Scout semble pouvoir économiser du temps et de l’argent aux utilisateurs. En supposant que quelqu’un recherche un produit sur Amazon (AMZN ), qu’est-ce qui se passe à l’arrière-plan, et comment Scout interagit-il avec l’utilisateur ?

L’idée est que, une fois que vous avez installé Scout, vous continuez à utiliser le Web comme d’habitude. Si vous faites des achats, vous pouvez visiter Amazon pour regarder des produits. À ce stade, Scout reconnaît que vous faites des achats sur Amazon et le produit que vous regardez, et il vous dit « Bonjour ». Il apparaît comme un widget de chat sur la page Web, un peu comme Intercom, sauf que Scout peut apparaître sur pratiquement n’importe quelle page Web. Vous pouvez voir à quoi cela ressemble sur mon site Web.

Parce que vous faites des achats, il commencera à suggérer des moyens de vous aider. Il vous demandera si vous souhaitez voir des critiques en ligne, d’autres prix, des vidéos YouTube du produit, etc. Vous interagissez en appuyant sur des boutons et le chatbot personnalise l’expérience en fonction de ce que vous voulez qu’il fasse. Chaque fois qu’il trouve des informations (comme une vidéo YouTube), il les intègre dans le fil de conversation, exactement comme un ami pourrait partager des médias avec vous sur WhatsApp. Au fil du temps, vous finissez par avoir un dialogue avec le navigateur sur ce que vous faites en ligne, avec le navigateur qui vous aide en cours de route.

Le traitement de la page Web se fait à l’intérieur du navigateur lui-même. La seule information que notre backend voit est le fil de conversation, ce qui signifie que les implications en matière de confidentialité sont minimes.

Nous avons une architecture personnalisée pour comprendre le comportement de navigation en ligne et gérer les dialogues avec l’utilisateur. Nous utilisons l’apprentissage automatique pour identifier les tâches que nous pouvons aider à réaliser en ligne et la façon dont nous devrions aider. À l’origine, nous utilisions l’apprentissage par renforcement pour nous adapter aux préférences des utilisateurs au fil du temps. Cependant, l’une des plus grandes leçons que j’ai apprises en dirigeant une startup d’IA est de garder les processus simples et d’essayer d’utiliser l’apprentissage automatique uniquement pour optimiser un processus existant. Donc, à la place, nous avons maintenant un moteur de règles sophistiqué pour gérer les tâches au fil du temps qui peut être géré par l’apprentissage par renforcement une fois que nous devons nous développer.

Pouvez-vous donner d’autres exemples de la façon dont Scout peut aider les utilisateurs finals ?

Nous nous concentrons actuellement sur les tests de marché pour des applications spécifiques de Scout. Les achats et la planification d’événements ont déjà été mentionnés, mais nous examinons également la façon dont Scout peut aider les universitaires (en trouvant des articles de recherche, des détails d’auteurs et des réseaux de références) et même les guitaristes (en trouvant des partitions de guitare, en jouant de la musique et des vidéos en ligne avec des partitions et en aidant à accorder une guitare). Nous avons également passé du temps à explorer des scénarios professionnels tels que le recrutement en ligne, l’analyse financière et le droit.

En fin de compte, Scout peut potentiellement fonctionner sur n’importe quel site Web et aider dans n’importe quel scénario, ce qui rend la technologie incroyablement excitante, mais également difficile à démarrer.

Y a-t-il autre chose que vous aimeriez partager sur Scout ?

Si vous souhaitez voir à quoi cela ressemble si votre navigateur pouvait vous parler, vous pouvez lire plus sur le blog de Scout.

Merci pour cette prise de vue fascinante sur la conception d’un type de chatbot unifié. Nous sommes impatients de suivre ce projet. Veuillez visiter le site Web de Marc Sloan pour en savoir plus.