निकोला म्र्क्सिक, पोलाई के सह-संस्थापक और सीईओ – साक्षात्कार श्रृंखला

निकोला म्र्क्सिक पोलाई के सह-संस्थापक और सीईओ हैं, जो ऑटोमेटेड कस्टमर सर्विस के लिए एंटरप्राइज-रेडी वॉयस असिस्टेंट के एक प्रमुख आपूर्तिकर्ता हैं।

आपको एआई में क्या आकर्षित किया?

मैं बहुत कम उम्र से ही गणित और कंप्यूटर विज्ञान में रुचि रखता था। कैम्ब्रिज में अपने अध्ययन के दौरान, मुझे स्टीव यंग और ज़ौबिन गहारमानी जैसे कई प्रमुख मशीन लर्निंग शोधकर्ताओं के साथ काम करने का अवसर मिला। स्टीव ने मुझे अपनी स्टार्टअप, वोकलआईक्यू में शामिल होने के लिए मनाया, जहां मैंने स्पोकन डायलॉग सिस्टम बनाने पर काम किया। बाद में, मैंने स्टीव के साथ ही पीएचडी की, जहां मैंने डेटा-चालित भाषा समझने वाले मॉडल बनाने पर काम किया जो विभिन्न उपयोगों और भाषाओं में काम कर सकते हैं। कॉनवर्सेशनल एआई एक बहुत ही कठिन और जटिल क्षेत्र है, जिसमें अभी भी कई वैज्ञानिक और इंजीनियरिंग सफलताएं होनी बाकी हैं, और यह मुझे तब से व्यस्त रखा है।

2017 में, आपने पोलाई की स्थापना की, जो एक कॉनवर्सेशनल एआई कंपनी है। पोलाई के पीछे की उत्पत्ति की कहानी के बारे में बताएं?

मेरे सह-संस्थापक, शॉन वेन, एडी सू और मैंने कैम्ब्रिज में एक ही समय में अपनी पीएचडी की। हमने वर्षों से डायलॉग सिस्टम पर काम किया, लेकिन जल्द ही हमें एहसास हुआ कि जैसे जटिल सिस्टम हम पर काम कर रहे थे, उनके बहुत कम व्यावसायिक अनुप्रयोग थे। इसलिए, हमने एक साथ मिलकर एक कॉनवर्सेशनल एआई समाधान बनाने का फैसला किया जो वास्तविक दुनिया में उपयोगी हो। हमने देखा कि वास्तव में कॉनवर्सेशनल, मल्टी-टर्न, ट्रांजैक्शनल डायलॉग सिस्टम का अवसर है जो वास्तविक लोगों के साथ दैनिक जीवन में बातचीत कर सकते हैं।

हमने ग्राहक सेवा पर ध्यान केंद्रित किया क्योंकि हमें लगा कि वर्तमान तकनीकी क्षमताएं और ग्राहकों की आवश्यकताएं अच्छी तरह से मेल खाती हैं।

कुछ मशीन लर्निंग और नेचरल लैंग्वेज प्रोसेसिंग तकनीकों के बारे में बताएं जो उपयोग की जाती हैं?

हमारा मुख्य राज हमारे विभिन्न प्रोप्राइटरी एनकोडर मॉडल हैं। हमने उन्हें अरबों प्राकृतिक बातचीत पर प्री-ट्रेन किया है, ताकि वे इरादे को निकाल सकें जब भी इनपुट भाषण में स्लैंग या मुहावरे का उपयोग किया जाता है। यह फोन पर संचार के लिए बहुत महत्वपूर्ण है। ग्राहक कीवर्ड में नहीं बोलते; वे कहानियां सुनाते हैं, बाधा डालते हैं, प्रश्न पूछते हैं और आमतौर पर बस बातचीत को नियंत्रित करना चाहते हैं।

हमने हाल ही में अपने कॉनवेक्स मॉडल की घोषणा की है, जो एक अत्यधिक डेटा-कुशल एंटिटी एक्सट्रैक्टर है, जो हमें बातचीत से मूल्यों को सटीक रूप से निकालने की अनुमति देता है।

हमारी एएसआर ऑर्केस्ट्रेशन प्रक्रिया में भाषण मान्यता प्लेटफ़ॉर्म को फ़ाइन-ट्यून करना शामिल है ताकि विभिन्न उच्चारणों और संदर्भों के कारण होने वाले शोर को कम किया जा सके।

हमने एक बहुत ही मजबूत डायलॉग पॉलिसी लाइब्रेरी भी विकसित की है जिसमें पूर्व-डिज़ाइन किए गए उपयोग के मामले शामिल हैं जिनमें सभी सामान्य ग्राहक सेवा लेनदेन शामिल हैं, ताकि हम ग्राहकों के लिए बहुत जल्दी से एक नई वॉयस असिस्टेंट स्थापित कर सकें।

आपके विचार में एक अच्छा कॉनवर्सेशनल एआई उत्पाद और एक खराब कॉनवर्सेशनल एआई उत्पाद में क्या अंतर है?

एक अच्छा उत्पाद हमेशा समझेगा कि उपयोगकर्ता का क्या मतलब है और उपयोगकर्ता को कभी भी दोहराने के लिए नहीं कहेगा। कॉल अक्सर शोर वाले वातावरण में होते हैं, इसलिए उत्पादों को अशांत इनपुट के प्रति लचीला होना चाहिए। जैसे ही ब्रांड बड़े बाजारों तक पहुंचते हैं, उत्पादों को विभिन्न उच्चारणों और इरादों को समझना चाहिए। दोनों के लिए उत्पादों को मजबूत भाषण मान्यता क्षमताओं, लचीला इरादा वर्गीकरण और एंटिटी निष्कर्षण की गारंटी देने की आवश्यकता है।

एक महान उत्पाद उपयोगकर्ताओं के लिए सक्रिय रूप से आकर्षक होगा। यह उपयोगकर्ता की सोच का पालन करेगा, और जटिल, दैनिक मामलों को संभालेगा जहां उपयोगकर्ता एक साथ कई इरादों और जानकारी के टुकड़ों को साझा कर सकते हैं, और वे विभिन्न संदर्भों के बीच कूद सकते हैं। इसके लिए मजबूत मल्टी-लेबल वर्गीकरण और संदर्भ प्रबंधन की आवश्यकता है।

एक आकर्षक उत्पाद मानव विशेषताओं को प्रदर्शित करेगा बिना अजीब या बहुत रोबोटिक हुए। इसका मतलब है कि तेज़ इंटरैक्शन, वास्तविक आवाज़, निरंतर फीडबैक संकेत और यादृच्छिकता और खामियों का एक स्तर।

अंत में, एक महान कॉनवर्सेशनल एआई उत्पाद उपयोगकर्ताओं के साथ कहीं भी जुड़ेगा और एक सीमलेस, प्लेटफ़ॉर्म-विशिष्ट अनुभव प्रदान करेगा, जो वॉयस, एसएमएस, चैट या सोशल मैसेजिंग प्लेटफ़ॉर्म पर हो सकता है। इंटरैक्शन पैराडाइम को प्रत्येक संचार प्लेटफ़ॉर्म की विशिष्टता को अपनाना चाहिए।

कंपनियों को कॉनवर्सेशनल एआई का उपयोग करने के बजाय चैटबॉट में पूछताछ को निर्देशित करने की कोशिश करने के कुछ फायदे क्या हैं?

ग्राहक अनुभव महत्वपूर्ण है और यह एक प्रमुख चालक बन गया है जो ग्राहकों को बनाए रखने में मदद करता है। शीर्ष प्राथमिकता यह सुनिश्चित करनी चाहिए कि ग्राहकों को अपनी जरूरतों को पूरा करने में आसानी हो।

फोन अभी भी अधिकांश ग्राहकों के लिए कंपनी से संपर्क करने का पसंदीदा चैनल है। 65% से अधिक ग्राहक इंटरैक्शन अभी भी फोन पर होते हैं। कोविड-19 महामारी के दौरान, संपर्क केंद्रों पर समर्थन के लिए अधिक ग्राहकों के साथ दबाव डाला गया है।

बिल्कुल, एक महान अनुभव यह सुनिश्चित करता है कि ग्राहक जिस तरह से चाहें उस तरह से संवाद कर सकें। इसलिए, जो कोई भी असिंक्रोनस संचार पसंद करता है, हम ब्रांडों के लिए यह सुनिश्चित करना आसान बनाते हैं कि वे पाठ संचार चैनलों पर भी उसी स्तर का अनुभव प्रदान करें।

ग्राहक के कहने के पीछे के इरादे का पता लगाना कितना बड़ा चुनौती है?

वॉयस चैनलों के माध्यम से ग्राहकों को समझने में कई चुनौतियां हैं। उपयोगकर्ताओं के अर्थ को सटीक रूप से और लगातार समझने के लिए कई घटकों को अच्छी तरह से काम करने की आवश्यकता है।

स्पीच रिकग्निशन मुश्किल है, खासकर जब लोग शोर वाले वातावरण से कॉल करते हैं, जैसे कि स्पीकरफोन पर या यातायात या सुरंगों से गुजरते समय। स्पीच रिकग्निशन क्षेत्रों में अलग-अलग उच्चारण और बोलियों में भी मुश्किल हो सकता है। हमने एक प्रभावी तरीका विकसित किया है जिससे स्पीच रिकग्निशन मॉडल को दिए गए संदर्भ के लिए पूर्वाग्रह दिया जा सके ताकि स्पीच रिकग्निशन को अनुकूलित किया जा सके।

क्योंकि हमारे कॉनवर्ट मॉडल को इतनी बड़ी मात्रा में बातचीत पर प्रशिक्षित किया गया है, यह कमजोर संकेतों पर भी इरादे का पता लगा सकता है, जैसे कि हम मनुष्य आमतौर पर कुछ शब्दों को याद करने के बावजूद क्या कहा जा रहा है यह समझने में सक्षम हैं।

एक और विचार यह है कि जब उपयोगकर्ता एक साथ कई कार्य करना चाहते हैं। उदाहरण के लिए, कोई कह सकता है, “मैंने अपना कार्ड खो दिया है। क्या आप मुझे बता सकते हैं कि क्या यह उपयोग किया गया है और इसे ब्लॉक कर दें?” इस मामले में, मॉडल को दो इरादों को पहचानने और उन पर कार्रवाई करने की आवश्यकता है जो समझ में आती है।

मॉडल को यह भी समझने में सक्षम होना चाहिए कि ग्राहक द्वारा स्वेच्छा से दी जाने वाली संस्थाओं को निकालना और समझना। उदाहरण के लिए, “क्या आपके पास शनिवार दोपहर के भोजन के लिए मेरे, मेरी पत्नी और हमारे 2 बच्चों के लिए एक टेबल है?” यहां सतही इरादा टेबल की उपलब्धता की जांच करना है, लेकिन मॉडल को तारीख (शनिवार) और लोगों की संख्या (4) को निकालना होगा और किसी भी अन्य संभावित जानकारी को समझना होगा जो प्रासंगिक हो सकती है (शायद बच्चों को रेस्तरां क्षेत्र में बैठने की अनुमति है, लेकिन बार में नहीं)।

अंत में, बातचीत हमेशा रैखिक नहीं होती है। ग्राहक अनुचित प्रश्नों के साथ बाधा डाल सकते हैं जो वॉयस असिस्टेंट के प्रॉम्प्ट से संबंधित नहीं हैं, इसलिए असिस्टेंट को एक प्रकार के इनपुट के लिए “सुनने” में सक्षम होना चाहिए, जबकि विभिन्न ट्रिगर्स जैसे कि एफएक्यू या पहले द्वारा उपयोगकर्ता द्वारा प्रदान की गई जानकारी में परिवर्तन के लिए खुला है।

एक कंपनी जो पोलाई के साथ एक कॉनवर्सेशनल एआई बॉट लॉन्च करना चाहती है, उसके लिए प्रक्रिया और समयरेखा क्या है?

हम व्यवसायों को व्यावहारिक व्यवसाय प्रभाव वाले वॉयस असिस्टेंट प्रदान करने के लिए यहां हैं। इसलिए, हम हर एक्सपोज़र के साथ एक खोज के साथ शुरू करते हैं जहां हम ग्राहकों को उनके सीएक्स उद्देश्यों, कुंजी मेट्रिक्स और समर्थन प्रक्रियाओं की पहचान करने और कल्पना करने में मदद करते हैं। यह वह जगह है जहां हम उन यात्राओं को परिभाषित करते हैं जिन्हें वॉयस असिस्टेंट ग्राहकों को मार्गदर्शन करने की आवश्यकता होगी। यह, साथ ही हमारे पूर्व-प्रशिक्षित कॉनवर्ट मॉडल, का अर्थ है कि हमें ग्राहकों से बहुत अधिक बातचीत डेटा की आवश्यकता नहीं है।

इसके बाद, हम ग्राहक से बहुत कम इनपुट की आवश्यकता के साथ एक वॉयस असिस्टेंट विकसित करने में सक्षम हैं, इसलिए यह ग्राहक की आंतरिक आईटी टीमों पर बहुत अधिक दबाव नहीं डालता है।

जटिलता के आधार पर, हम 2 सप्ताह के भीतर एक प्रूफ ऑफ वैल्यू और 2 महीनों में एक पूरी तरह से विकसित तैनाती प्रदान कर सकते हैं।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें पोलाई की वेबसाइट पर जाना चाहिए।