डिलन फॉक्स, असेंबली एआई के सीईओ और संस्थापक – साक्षात्कार श्रृंखला

डिलन फॉक्स असेंबली एआई के सीईओ और संस्थापक हैं, जो एक प्लेटफ़ॉर्म है जो ऑडियो और वीडियो फ़ाइलों और लाइव ऑडियो स्ट्रीम को असेंबली एआई के स्पीच-टू-टेक्स्ट एपीआई के साथ टेक्स्ट में परिवर्तित करता है।

आपको मशीन लर्निंग में क्या आकर्षित किया?

मैंने प्रोग्रामिंग सीखना शुरू किया और वाशिंगटन डीसी में पाइथन मीटअप में भाग लिया, जहां मैं कॉलेज गया था। कॉलेज के पाठ्यक्रमों के माध्यम से, मैं खुद को एल्गोरिदम-प्रकार की प्रोग्रामिंग समस्याओं में अधिक झुकता हुआ पाया, जो प्राकृतिक रूप से मुझे मशीन लर्निंग और एनएलपी में ले गया।

असेंबली एआई की स्थापना से पहले, आप सिस्को में एक वरिष्ठ सॉफ्टवेयर इंजीनियर थे, आप क्या कर रहे थे?

सिस्को में, मैं एक वरिष्ठ सॉफ्टवेयर इंजीनियर था जो उनके सहयोग उत्पादों के लिए मशीन लर्निंग पर ध्यान केंद्रित कर रहा था।

सिस्को में आपका काम और स्पीच रिकग्निशन प्रौद्योगिकी की सोर्सिंग में एक समस्या ने आपको असेंबली एआई लॉन्च करने के लिए कैसे प्रेरित किया?

मेरी पिछली नौकरियों में, मुझे कई एआई परियोजनाओं पर काम करने का अवसर मिला, जिनमें से कई परियोजनाओं में स्पीच रिकग्निशन की आवश्यकता थी। लेकिन स्पीच रिकग्निशन सेवा प्रदान करने वाली सभी कंपनियां पुरानी और खराब थीं, जो खरीदने में मुश्किल थीं और पुरानी एआई प्रौद्योगिकी चला रही थीं।

जैसे ही मैं एआई अनुसंधान में अधिक रुचि लेने लगा, मैंने देखा कि स्पीच रिकग्निशन के क्षेत्र में बहुत काम किया जा रहा था और अनुसंधान कितनी तेजी से सुधार कर रहा था। इसलिए यह कई कारकों का संयोजन था जिसने मुझे सोचने पर मजबूर किया, “क्या होगा अगर आप एक ट्विलियो-शैली की एआई कंपनी बना सकते हैं जो नवीनतम एआई अनुसंधान का उपयोग करके विकसित की जा सकती है, जो विकासकर्ताओं के लिए स्पीच रिकग्निशन के लिए राज्य-ऑफ-द-आर्ट एआई मॉडल तक पहुंच प्रदान करती है, जो एक बहुत बेहतर विकासकर्ता अनुभव प्रदान करती है।”

और यहीं से असेंबली एआई का विचार बढ़ा।

सटीक और विश्वसनीय स्पीच रिकग्निशन प्रौद्योगिकी बनाने के पीछे सबसे बड़ी चुनौती क्या है?

लागत और प्रतिभा सटीक और विश्वसनीय स्पीच रिकग्निशन प्रौद्योगिकी बनाने के लिए किसी भी कंपनी के लिए सबसे बड़ी चुनौतियां हैं।

डेटा महंगा है और आपको एक मजबूत स्पीच रिकग्निशन प्रणाली बनाने के लिए सैकड़ों हजारों घंटों की आवश्यकता होती है। न केवल यह, बल्कि प्रशिक्षण के लिए कम्प्यूटर आवश्यकताएं भी बड़ी हैं और उत्पादन में इन मॉडलों की सेवा करना भी महंगा है और इसके लिए विशेषज्ञ प्रतिभा की आवश्यकता होती है ताकि यह आर्थिक रूप से व्यावहारिक हो।

इन प्रौद्योगिकियों का निर्माण करने के लिए एक विशेषज्ञ कौशल सेट की आवश्यकता होती है जो खोजना मुश्किल है। यह एक बड़ा कारण है कि ग्राहक हमारे पास शक्तिशाली एआई मॉडल तक पहुंच प्राप्त करने के लिए आते हैं जिन्हें हम अनुसंधान, प्रशिक्षण और घर में तैनात करते हैं। वे एएसआर और एनएलपी के लिए राज्य-ऑफ-द-आर्ट एआई मॉडल में वर्षों के अनुसंधान तक पहुंच प्राप्त करते हैं, सभी एक सरल एपीआई के साथ।

केवल ऑडियो और वीडियो सामग्री को ट्रांसक्राइब करने के अलावा असेंबली एआई अतिरिक्त मॉडल प्रदान करता है, आप इन मॉडलों पर चर्चा कर सकते हैं?

हमारे एआई मॉडल्स का सूट वास्तविक समय और एसिंक्रोनस ट्रांसक्रिप्शन से परे है। हम इन अतिरिक्त मॉडलों को ऑडियो इंटेलिजेंस मॉडल के रूप में संदर्भित करते हैं क्योंकि वे ग्राहकों को ऑडियो डेटा का विश्लेषण करने और बेहतर ढंग से समझने में मदद करते हैं।

हमारा सारांश मॉडल एक सामान्य सारांश प्रदान करता है, साथ ही समय-कोडित सारांश जो स्वचालित रूप से खंडों में विभाजित होता है और प्रत्येक “अध्याय” के लिए एक सारांश उत्पन्न करता है जब बातचीत में विषय बदलते हैं (यूट्यूब अध्यायों के समान)।

हमारा भावना विश्लेषण मॉडल प्रत्येक वाक्य की भावना का पता लगाता है जो ऑडियो फ़ाइलों में बोली जाती है। प्रतिलिपि में प्रत्येक वाक्य को सकारात्मक, नकारात्मक या तटस्थ के रूप में चिह्नित किया जा सकता है।

हमारा इकाई पहचान मॉडल ऑडियो फ़ाइलों में बोली जाने वाली एक विस्तृत श्रृंखला की इकाइयों की पहचान करता है, जैसे कि व्यक्ति या कंपनी के नाम, ईमेल पते, तिथियां और स्थान।

हमारा विषय पहचान मॉडल ऑडियो और वीडियो फ़ाइलों में बोले जाने वाले विषयों को लेबल करता है। अनुमानित विषय लेबल मानक आईएबी टैक्सोनॉमी का पालन करते हैं, जो उन्हें संदर्भ-आधारित लक्ष्यीकरण के लिए उपयुक्त बनाता है।

हमारा सामग्री मॉडरेशन मॉडल ऑडियो और वीडियो फ़ाइलों में संवेदनशील सामग्री का पता लगाता है – जैसे कि नफ़रत भरी भाषा, हिंसा, संवेदनशील सामाजिक मुद्दे, शराब, ड्रग्स और अधिक।

कंपनियों के लिए असेंबली एआई का उपयोग करने के सबसे बड़े उपयोग क्या हैं?

कंपनियों के लिए असेंबली एआई का उपयोग करने के सबसे बड़े उपयोग चार श्रेणियों में आते हैं: टेलीफोनी, वीडियो, वर्चुअल मीटिंग और मीडिया।

कॉलरेल एक अच्छा उदाहरण है जो टेलीफोनी स्पेस में एक ग्राहक है, जो असेंबली एआई के एआई मॉडल – कोर ट्रांसक्रिप्शन, ऑटोमैटिक ट्रांसक्रिप्ट हाइलाइट्स और पीआईआई रेडैक्शन – का उपयोग करके अपने ग्राहकों को एक शक्तिशाली कॉनवर्सेशनल इंटेलिजेंस समाधान प्रदान करता है।

मूल रूप से, कॉलरेल अब अपने फोन कॉल में महत्वपूर्ण सामग्री को स्वचालित रूप से सतह पर ला सकता है और अपने ग्राहकों को पैमाने पर परिभाषित कर सकता है – जैसे कि विशिष्ट ग्राहक अनुरोध, सामान्य प्रश्न और बार-बार उपयोग किए जाने वाले कीवर्ड और वाक्यांश। हमारा पीआईआई रेडैक्शन मॉडल उन्हें स्वचालित रूप से संवेदनशील डेटा का पता लगाने और प्रतिलिपि पाठ से हटाने में मदद करता है (जैसे सामाजिक सुरक्षा संख्या, क्रेडिट कार्ड संख्या, व्यक्तिगत पते और अधिक)।

वीडियो उपयोग के मामले वीडियो स्ट्रीमिंग प्लेटफ़ॉर्म से लेकर वीडियो संपादकों जैसे वीड तक होते हैं, जो असेंबली एआई के कोर ट्रांसक्रिप्शन मॉडल का उपयोग करके उपयोगकर्ताओं के लिए वीडियो संपादन प्रक्रिया को सरल बनाते हैं। वीड अपने उपयोगकर्ताओं को वीडियो को प्रतिलिपि बनाने और कैप्शन का उपयोग करके सीधे संपादित करने की अनुमति देता है।

वर्चुअल मीटिंग में, मीटिंग ट्रांसक्रिप्शन सॉफ़्टवेयर कंपनियां जैसे फैथम असेंबली एआई का उपयोग करके बुद्धिमान सुविधाओं का निर्माण कर रही हैं जो अपने उपयोगकर्ताओं को ज़ूम कॉल से महत्वपूर्ण क्षणों को ट्रांसक्राइब और हाइलाइट करने में मदद करती हैं, जो बेहतर बैठक भागीदारी और बैठक के दौरान और बाद में कठिन कार्यों को समाप्त करती है (जैसे नोट्स लेना)।

मीडिया में, हम पॉडकास्ट होस्टिंग प्लेटफ़ॉर्म जैसे देखते हैं जो हमारे कंटेंट मॉडरेशन और टॉपिक डिटेक्शन मॉडल का उपयोग करते हैं ताकि वे ब्रांड सुरक्षा के मामलों के लिए बेहतर विज्ञापन उपकरण प्रदान कर सकें और डायनेमिक विज्ञापन के साथ उपयोगकर्ता-जनित सामग्री का मुद्रीकरण कर सकें।

असेंबली एआई ने हाल ही में 30 मिलियन डॉलर का श्रृंखला बी दौर जुटाया है। यह असेंबली एआई के मिशन को कैसे तेज करेगा?

एआई के क्षेत्र में हो रही प्रगति अविश्वसनीय रूप से रोमांचक है। हमारा लक्ष्य यह प्रगति को इंटरनेट पर हर विकासकर्ता और उत्पाद टीम के सामने लाना है – एक सरल सेट के माध्यम से एपीआई। जैसे ही हम एएसआर और एनएलपी कार्यों (जैसे स्पीच रिकग्निशन, सारांश, भाषा पहचान और कई अन्य कार्यों) के लिए राज्य-ऑफ-द-आर्ट एआई मॉडल में अनुसंधान और प्रशिक्षण जारी रखते हैं, हम विकासकर्ताओं और उत्पाद टीमों को इन एआई मॉडलों को एक सरल एपीआई के माध्यम से उजागर करते रहेंगे – नि:शुल्क।

असेंबली एआई एक ऐसा स्थान है जहां विकासकर्ता और उत्पाद टीमें उन उन्नत एआई मॉडलों तक पहुंच प्राप्त करने के लिए आ सकती हैं जिनकी उन्हें नए उत्पादों, सेवाओं और पूरी कंपनियों का निर्माण करने की आवश्यकता है।

पिछले 6 महीनों में, हमने 15 नए भाषाओं के लिए एएसआर समर्थन लॉन्च किया है – जिनमें स्पेनिश, जर्मन, फ्रेंच, इतालवी, हिंदी और जापानी शामिल हैं – हमने अपने सारांश मॉडल, रियल-टाइम एएसआर मॉडल, कंटेंट मॉडरेशन मॉडल और अनगिनत अन्य उत्पाद अपडेट में भी महत्वपूर्ण सुधार किए हैं।

हमने अपने श्रृंखला ए फंड में शायद ही कोई पैसा खर्च किया है, लेकिन यह नई फंडिंग हमें अपने प्रयासों को आक्रामक रूप से बढ़ाने की अनुमति देगी – बिना अपने रनवे पर समझौता किए।

इस नई फंडिंग के साथ, हम अपने उत्पाद रोडमैप को तेज कर पाएंगे, बेहतर एआई इन्फ्रास्ट्रक्चर बना पाएंगे जो हमारे एआई अनुसंधान और अनुमान इंजन को तेज करेगा, और अपनी एआई अनुसंधान टीम का विस्तार कर पाएंगे – जिसमें आज डीपमाइंड, गूगल ब्रेन, मेटा एआई, बीएमडब्ल्यू और सिस्को से शोधकर्ता शामिल हैं।

क्या असेंबली एआई के बारे में और कुछ है जो आप साझा करना चाहते हैं?

हमारा मिशन विकासकर्ताओं और उत्पाद टीमों को एक सरल एपीआई के माध्यम से अत्यधिक बड़े पैमाने पर राज्य-ऑफ-द-आर्ट एआई मॉडल तक पहुंच प्रदान करना है।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें असेंबली एआई पर जाना चाहिए।