साक्षात्कार
जेम्स कपलन, मीटकाई मेटावर्स के सीईओ और सह-संस्थापक – साक्षात्कार श्रृंखला
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
जेम्स कपलन मीटकाई के सीईओ और सह-संस्थापक हैं, जो एक आर्टिफिशियल इंटेलिजेंस, वीआर, और कॉनवर्सेशनल सर्च कंपनी है, जो लॉस एंजिल्स, कैलिफोर्निया में स्थित है। यह कंपनी वर्तमान में एआई स्पीच रेस में नए और अनोखे फीचर्स के साथ आगे है। इसका कॉनवर्सेशनल एआई जटिल भाषा को समझने और विभिन्न विषयों पर प्राकृतिक बातचीत में व्यक्तिगत परिणाम देने में सक्षम है। मीटकाई की तकनीक वैश्विक स्तर पर आईओएस, गूगल प्ले, और ऐप गैलरी के माध्यम से तैनात की जा रही है।
आपको 6 साल की उम्र में ही एआई के प्रति जुनून था, आप इस तकनीक से कैसे परिचित हुए?
मेरा एआई से परिचय वीडियो गेम्स के माध्यम से हुआ। पहले यह ओरेगन ट्रेल गेम में एआई को समझने की कोशिश करने से शुरू हुआ – यह बहुत ही बुनियादी एआई था, लेकिन फिर भी यह एक प्रकार का एआई था। इसके बाद मैं एमएमओआरपीजी में चला गया और मुझे ऑनलाइन गेम खेलना बहुत पसंद था, लेकिन मुझे आइटम्स के लिए ग्राइंडिंग करना पसंद नहीं था। इसलिए मैं बॉट्स लिखने लगा।
आपके द्वारा कोड किए गए एआई एप्लिकेशन के कुछ पहले उदाहरण क्या थे?
एमएमओ के लिए बॉट्स लिखना मेरा पहला एआई विकास अनुभव था। शुरुआत में मेरे बॉट्स बहुत ही सरल थे और मैक्रोज़ के अधिक करीब थे बजाय एआई के। लेकिन जैसे ही मैं बड़ा हुआ और गेम्स में बॉट डिटेक्शन बेहतर हुआ, मुझे बॉट्स को अधिक वास्तविक बनाने की आवश्यकता महसूस हुई। मुझे बॉट्स लिखना बहुत पसंद था – स्कूल में मैंने एक बॉट लिखा जो टेलर स्विफ्ट कॉन्टेस्ट जीतने में सफल रहा (और वह वास्तव में प्रदर्शन करने आई थी)। इसी तरह, मैंने पोकेमोन गो के लिए पहला बॉट भी लिखा और दुर्भाग्य से जब मैं डिटेक्शन से बचने में रुचि खो बैठा, तो कई लोगों को प्रतिबंधित कर दिया गया।
आपने 2018 में मीटकाई लॉन्च किया जब आप वर्तमान एआई वॉयस असिस्टेंट्स से निराश थे। अधिकांश एआई असिस्टेंट्स इतने कमजोर क्यों हैं?
मुख्य समस्या यह है कि अधिकांश एआई असिस्टेंट्स बाहरी एपीआई पर बहुत अधिक निर्भर करते हैं। यहां तक कि जब वे पूर्णता को नियंत्रित करते हैं, जैसे कि एलेक्सा ई-कॉमर्स सर्च के लिए, वे समान समस्याओं से ग्रस्त हैं। सरल शब्दों में, आप एक वॉयस असिस्टेंट से कैसे उम्मीद कर सकते हैं कि वह बुद्धिमान होगा जब यह केवल भाषण को पाठ में परिवर्तित करता है और उस पाठ को एक पाठ-आधारित सर्च इंजन में डालता है? हमने मीटकाई की शुरुआत इस विचार के साथ की कि हम एक “लीपफ्रोग” एआई असिस्टेंट प्रदान कर सकते हैं जो पूरे एंड-टू-एंड प्रोसेसिंग पाइपलाइन को नियंत्रित करता है जो एक वॉयस असिस्टेंट बनाता है। हमने एक कॉनवर्सेशनल सर्च इंजन विकसित किया जो कीवर्ड-आधारित नहीं है, जिससे अधिक जटिल प्रश्नों और बातचीत का समर्थन किया जा सके। अन्य असिस्टेंट्स सीमित कारकों के कारण कमजोर अनुभव प्रदान करते हैं और वे मल्टी-टर्न कॉनवर्सेशन सपोर्ट नहीं बना सकते हैं। हमारा लक्ष्य अभी भी बहुत शुरुआती चरण में है और हम अपनी तकनीक को मौजूदा खिलाड़ियों के समान डोमेन की संख्या को पूरा करने के लिए स्केल करने की कोशिश कर रहे हैं।
एक उन्नत वॉयस असिस्टेंट अनुभव बनाने के पीछे प्राकृतिक भाषा समझने और प्राकृतिक भाषा प्रसंस्करण की कुछ चुनौतियां क्या हैं?
एक प्राथमिक चुनौती अगली पीढ़ी के एनएलयू में इरादों और इकाइयों से परे जाना है। अधिकांश एनएलयू पारंपरिक भाषा समझने के दृष्टिकोण पर केंद्रित है। प्रत्येक इनपुट उत्तर को इरादे में वर्गीकृत किया जाता है और फिर टोकन्स को इकाइयों में लेबल किया जाता है। मैं कई समस्याओं को गिना सकता हूं, लेकिन सबसे महत्वपूर्ण हैं:
- एक संदर्भ-मुक्त इरादा वर्गीकरण जो मल्टी-टर्न बातचीत को संभालने में विफल रहता है। अधिकांश दृष्टिकोण केवल रॉ टेक्स्ट की परवाह होती है जो ट्रांसक्राइब किया गया था। वे संदर्भ की परवाह नहीं करते हैं – न तो उपयोगकर्ता कौन है, न ही उपयोगकर्ता को क्या पसंद है, केवल वह जो अभी पूछा गया है। यह विशेष रूप से तब महत्वपूर्ण है जब उपयोगकर्ता कुछ संक्षिप्त कहता है। उदाहरण के लिए, यदि कोई कहता है कि कॉस्मोपॉलिटन, तो इसका अर्थ पेय या पत्रिका हो सकता है और यह व्यक्ति पर बहुत अधिक निर्भर करता है।
- इकाई पहचान मॉडल गैर-श्रेणीबद्ध मानों के लिए खराब काम करते हैं। बड़े भाषा मॉडल नए इकाइयों को तेजी से अनुकूलित नहीं कर पाते हैं जो डेटासेट में नहीं हैं। एआई को इकाइयों को पहचानने के लिए एक बहुत अधिक परिष्कृत तरीके की आवश्यकता है जो गहरे संदर्भ पर विचार करता है। उदाहरण के लिए, उपयोगकर्ता का स्थान यह决定 करने में बहुत महत्वपूर्ण है कि क्या यह एक रेस्तरां का नाम है या कुछ और।
- इकाई संबंध अच्छी तरह से नहीं माने जाते हैं। मेरा पसंदीदा उदाहरण यह है कि अधिकांश सर्च इंजन नकारात्मकता के साथ कैसे विफल होते हैं। अन्य वॉयस असिस्टेंट्स पर रोमांस के बिना एक फिल्म के लिए खोज करने की कोशिश करें और आप समझ जाएंगे कि मेरा मतलब क्या है।
वर्तमान में अधिकांश वॉयस असिस्टेंट्स वॉयस को टेक्स्ट में अनुवादित करते हैं और गूगल सर्च करते हैं। मीटकाई एआई कैसे अलग तरह से काम करता है?
मीटकाई और गूगल के बीच मुख्य अंतर यह है कि हम एक समृद्ध भाषा समझ मॉडल का उपयोग आइटम्स को खोजने के लिए करते हैं, न कि केवल वेब पेज। जब आप “टॉम क्रूज़ मूवीज़ विद नो एक्शन” खोजते हैं, तो गूगल उन पेजों की तलाश करता है जिनमें यह टोकन सेट दिखाई देता है (टॉम क्रूज़, मूवीज़, एक्शन)। मीटकाई में, हम सही ढंग से समझते हैं कि टॉम क्रूज़ एक अभिनेता है, मूवीज़ मीडिया का वर्ग है जिसे वे खोज रहे हैं, और एक्शन वांछित नहीं है। इसके साथ, हम अधिक बुद्धिमान खोज कर सकते हैं।
मीटकाई ने हाल ही में अपना पहला लाइफस्टाइल वीआर वर्ल्ड लॉन्च किया है: मीटकाई मेटावर्स। आप इस एप्लिकेशन के बारे में क्या बता सकते हैं?
मेटावर्स स्पेस में अधिकांश कंपनियां व्यक्ति-से-व्यक्ति इंटरैक्शन पर काम कर रही हैं। इसके अलावा, सामग्री भी अधिकतर कार्टूनिश है या केवल 360° वीडियो है। मीटकाई मेटावर्स के साथ हमारा लक्ष्य एक अलग दृष्टिकोण पर केंद्रित है – व्यक्ति-से-एआई। हम एक मेटावर्स विकसित कर रहे हैं जहां आप जिन पात्रों के साथ बातचीत कर रहे हैं, वे सभी हमारे उन्नत कॉनवर्सेशनल एआई द्वारा संचालित हैं। इसके अलावा, हम पर्यावरण को अधिक यथार्थवादी और इमर्सिव बनाने के लिए प्रक्रियात्मक जेनरेशन पर काम कर रहे हैं। मेटावर्स में अन्वेषण के लिए दो प्रारंभिक दुनिया हैं: ध्यान और संग्रहालय। पहले में, हमने एक विंग चुन मास्टर को डिजिटलाइज़ किया है और पहली बार, हमने एक एआई पात्र बनाया है जो उपयोगकर्ताओं को क्रांतिकारी ध्यान तकनीकों का उपयोग करके आराम की स्थिति में प्रवेश करने के लिए निर्देश दे सकता है। बाद में, हमने एक बढ़ते हुए कला संग्रहालय बनाया है और एक एआई-संचालित क्यूरेटर प्रदान किया है जो स्थान में कला के बारे में प्रश्नों का उत्तर दे सकता है और टूर प्रदान कर सकता है।
मेटावर्स में एआई का उपयोग कुछ उदाहरण क्या हैं?
हम मेटावर्स में तीन स्थानों पर एआई का उपयोग करते हैं:
- हमारे मेटावर्स में प्रत्येक पात्र की बातचीत क्षमताओं को संचालित करने के लिए।
- उपयोगकर्ता को ध्वनि मार्गदर्शन के माध्यम से उपलब्ध सामग्री को गतिविधि से बनाने के लिए। हमारे प्रारंभिक दो अनुभवों में ध्यान सत्र और कला गैलरी टूर शामिल हैं।
- 3डी स्पेस को प्रक्रियात्मक रूप से बनाने के लिए, न कि हाथ से लेआउट की आवश्यकता है।
वॉयस असिस्टेंट्स के भविष्य के लिए आपकी दृष्टि क्या है?
वॉयस असिस्टेंट्स का भविष्य होने के लिए, उन्हें एक कमांड-आधारित प्रणाली से बहुत अधिक विकसित होने की आवश्यकता है। इसका अर्थ है विशिष्ट डोमेन में गहरी विशेषज्ञता और क्षमताएं प्राप्त करना। मुझे लगता है कि विभिन्न डोमेन-विशिष्ट वॉयस असिस्टेंट्स को एकत्रित करना एक सभी-बुद्धिमान मेटा असिस्टेंट बनाने की कुंजी होगी। यह उन प्रयासों से अलग है जो हमने वॉयस असिस्टेंट्स के शुरू होने के बाद से “सब कुछ एक साथ” करने की कोशिश की है।
क्या मीटकाई या मीटकाई मेटावर्स के बारे में आप कुछ और साझा करना चाहेंगे?
हम अभी भी अपने मेटावर्स रोडमैप की शुरुआत में हैं। हमारा अंतिम लक्ष्य यह है कि हम वास्तविक दुनिया में आपके द्वारा अनुभव की जाने वाली किसी भी चीज़ को मेटावर्स में पुनरावृत्ति करना चाहते हैं और फिर उसे आगे बढ़ाना चाहते हैं। इसका अर्थ है कि हम उन लागत और समय-संबंधी कारकों को समाप्त करना चाहते हैं जो वास्तविक दुनिया में उन अनुभवों को सीमित करते हैं। मेटावर्स हमें अधिक समृद्ध जीवन जीने की अनुमति दे सकता है, न कि उन्हें बदलने की। हमारे पास अभी भी कई तकनीकी चुनौतियां हैं जिन्हें हल करने की आवश्यकता है, लेकिन हमारे पास एक स्पष्ट सेट của मील के पत्थर हैं जो हासिल करने योग्य हैं यदि हार्डवेयर में सुधार जारी रहता है। हम वीआर स्पेस को आगे बढ़ाने के लिए हार्डवेयर भागीदारों के साथ密 तौर पर काम कर रहे हैं। वीआर के अलावा, हम अपने मेटावर्स अनुभव को वीआर के बाहर संभव बनाना चाहते हैं। हम आने वाले महीनों में इसके बारे में अधिक जानकारी घोषित करेंगे।
साक्षात्कार के लिए धन्यवाद, मैं आपके मेटावर्स संस्करण पर आपकी प्रगति का अनुसरण करने की प्रतीक्षा कर रहा हूं। अधिक जानने के इच्छुक पाठकों को मीटकाई पर जाना चाहिए。
