Dr. Lingjia Tang, CTO dan Co-Founder, Clinc – Seri Wawancara

Dr. Lingjia Tang, CTO dan Co-Founder Clinc, adalah profesor Ilmu Komputer di Universitas Michigan. Penelitian Dr. Tang tentang membangun infrastruktur produksi skala besar untuk aplikasi cerdas secara luas diakui dan dihormati di komunitas akademis. Selain bekerja di Microsoft dan Google, Lingjia menerima gelar PhD dalam Ilmu Komputer dari Universitas Virginia. Lingjia baru-baru ini menerima penghargaan bergengsi termasuk ISCA Hall of Fame, Facebook Research Awards, dan Google Research Award.

Apa yang awalnya menarik Anda ke AI? Kapan Anda pertama kali menyadari bahwa Anda ingin meluncurkan bisnis AI?

Di pertengahan 2000-an, saya melakukan penelitian sekitar sistem skala besar yang mendukung berbagai aplikasi dan bagaimana kita dapat merancang server sebagai sistem perangkat lunak untuk menjalankan aplikasi tersebut lebih efisien. Pada saat itu, kita beralih dari bekerja dengan aplikasi web tradisional ke fungsi yang lebih didorong oleh pembelajaran mesin. Itulah saat saya mulai memperhatikan algoritma yang terkait dengan AI dan memahami bagaimana aplikasi AI bekerja. Segera setelah itu, tim penelitian yang saya kerjakan memutuskan untuk berubah dan pada dasarnya membangun aplikasi AI kita sendiri sebagai benchmark untuk dipelajari, yang merupakan apa yang menyebabkan kita menerbitkan beberapa paper penelitian kita dan mengembangkan produk pertama kita, Sirius – asisten pribadi suara dan visi akhir yang terbuka.

Sebagai perangkat lunak sumber terbuka, Sirius memungkinkan orang untuk membangun asisten virtual konversasional mereka sendiri. Pada saat itu, ini adalah kemampuan yang sangat terbatas bagi masyarakat umum dan benar-benar hanya dikendalikan oleh perusahaan besar seperti Google dan Apple. Namun, kita melihat bahwa kita mengisi celah kritis ketika kita merilis perangkat lunak dan melihat bahwa itu memiliki puluhan ribu unduhan dalam seminggu! Itulah titik balik di mana kita tahu ada permintaan pasar yang besar untuk perangkat lunak seperti ini.

Pada tahun 2015, kita meluncurkan Clinc dengan pemikiran bahwa kita akan dapat menyediakan semua orang – setiap pengembang, perusahaan, orang – yang ingin membangun asisten virtual dengan akses ke keahlian, alat, dan inovasi untuk dapat melakukannya.

Clinc menawarkan solusi AI konversasional tanpa mengandalkan kata kunci atau skrip. Bisakah Anda menjelaskan beberapa detail tentang bagaimana ini dicapai? Apa beberapa tantangan Pemrosesan Bahasa Alami (NLP) yang harus diatasi?

Apa yang benar-benar membedakan Clinc dari platform AI konversasional lain di pasar adalah algoritma AI yang mendasarinya yang memungkinkan “pengalaman manusia di ruangan” yang memahami bahasa yang kacau dan tidak terstruktur. Ini memungkinkan koreksi untuk membalikkan dan “menyembuhkan” kesalahan yang dibuat dalam percakapan manusia dan memungkinkan aliran percakapan yang kompleks – percakapan yang dapat dipahami oleh manusia nyata. Berbeda dengan algoritma pencocokan kata dari teks ke ucapan, Clinc menganalisis puluhan faktor dari input pengguna termasuk kata-kata, sentimen, niat, nada suara, waktu hari, lokasi, dan hubungan, dan menggunakan faktor-faktor tersebut untuk memberikan jawaban yang mewakili komposit pengetahuan yang diekstrak dari otak yang dilatih. Misalnya, jika saya bertanya kepada asisten virtual saya, “berapa banyak uang yang saya habiskan untuk burger?” itu perlu memahami bahwa saya bertanya tentang uang dan pengeluaran, bahwa saya bertanya secara spesifik tentang burger dan bahwa burger adalah jenis makanan dan harus cocok dengan pengeluaran saya baru-baru ini di restoran.

Mencapai tingkat pemahaman ini tidaklah mudah. Secara umum, kita akan membagi AI konversasional menjadi dua komponen: Pemahaman Bahasa Alami (NLU) dan manajemen dialog. Jadi, tantangan yang kita hadapi adalah bagaimana membangun sistem yang dapat mengekstrak potongan informasi kunci secara akurat dan dapat memprediksi apa yang pengguna tanyakan.

Kita dapat melakukan ini melalui NLU kontekstual yang canggih, yang dilatih untuk menjadi intuitif dalam sifatnya untuk mengikuti aliran percakapan alami, memahami bahasa gaul dan konteks. Ini berbeda dengan solusi kompetitif yang memiliki pendekatan aturan berbasis untuk Pemrosesan Bahasa Alami (NLP) yang tidak memungkinkan “penyembuhan percakapan”, yang berarti jika pelanggan membuat kesalahan, solusi kompetitif membuat mereka kembali ke awal, membuang waktu dan hanya membuat pengguna frustrasi. Kita juga menggunakan crowdsourcing untuk mengekstrak data bahasa kita untuk membuat set data yang lebih kaya dan beragam yang dapat digunakan langsung untuk melatih model AI.

Bisakah Anda membahas bagaimana pembelajaran dalam digunakan dengan sistem AI Clinc?

Clinc menggunakan pendekatan hibrida untuk pembelajaran dalam di mana kita menggunakan model tradisional lama untuk beberapa derajat dan menggunakan pembelajaran dalam di mana diperlukan. Secara khusus, kita menggunakan pembelajaran dalam untuk memahami kata-kata dan bahasa untuk menentukan aliran dialog. Secara umum, seluruh dialog kita adalah kombinasi dari pembelajaran dalam dan kecerdasan simbolik. Kita tidak menggunakan pembelajaran dalam untuk generasi bahasa karena, ketika datang ke pelanggan kita yang sebagian besar di industri perbankan, ada banyak peraturan yang asisten virtual harus ikuti yang menentukan apa yang dapat dan tidak dapat mereka katakan kepada pelanggan mereka. Jadi, masih ada banyak ketidakpastian tentang apakah pembelajaran dalam akan dapat mengikuti batasan bahasa yang ditetapkan.

Saat ini, saya tidak berpikir bahwa komunitas AI konversasional sepenuhnya siap untuk sepenuhnya mengadopsi pembelajaran dalam sementara komunitas akademis 100% semua masuk, tetapi saya sangat menantikan untuk melihat apa yang dapat dilakukan oleh model baru.

Apa prosesnya untuk perusahaan yang ingin menyesuaikan tanggapan AI untuk menargetkan audiens tertentu? Bisakah Anda memberikan beberapa contoh tentang bagaimana Clinc saat ini digunakan oleh klien?

Kita memungkinkan klien untuk melisensikan platform yang dapat mereka bangun sesuai keinginan mereka, atau mengambil chatbot yang sepenuhnya dibangun dan dilatih, Finie, dan menyesuaikannya dan mengintegrasikannya ke dalam aplikasi atau layanan pesan mereka. Finie dapat menangani masalah terkait saldo, transaksi, riwayat pengeluaran, menemukan ATM, membuat transfer, dan lain-lain.

Contoh favorit saya tentang bagaimana klien telah menyesuaikan AI Clinc untuk menargetkan audiens tertentu adalah İşbank. Sebagai bank swasta terbesar di Turki, mereka berpaling kepada kita untuk mengembangkan asisten perbankan digital mereka, Maxi, pada tahun 2018. Untuk menginfuskan Maxi dengan kepribadian unik, İşbank mengadakan 14 kelompok fokus untuk mengetahui apa jenis ciri dan keterampilan yang diinginkan nasabah bank dalam asisten virtual. Mereka juga merekrut seorang aktris suara untuk membaca kalimat dalam bahasa Turki yang terkait dengan tugas perbankan. Tim perbankan konversasional İşbank datang dengan kalimat-kalimat tersebut dengan mempertimbangkan cara orang nyata akan mengungkapkan kebutuhan mereka. Atas rekomendasi kita, tim membayar peserta di pasar crowdsourcing seperti Amazon Mechanical Turk untuk menyediakan cara yang berbeda mereka mungkin mengungkapkan pertanyaan yang sama, seperti permintaan untuk melihat saldo mereka (“berapa saldo saya”, “berapa banyak uang yang saya miliki di akun saya”, “tunjukkan saya uang tunai di akun saya”) atau membayar tagihan (“bayar tagihan saya”, “pembayaran tagihan”).

Contoh ini benar-benar menunjukkan seberapa besar İşbank berinvestasi dalam menawarkan asisten perbankan digital untuk membantu nasabah mereka navigasi akun mereka. Dengan Clinc, İşbank meluncurkan Maxi ke lebih dari 7,5 juta orang, dalam bahasa Turki. Sejak peluncurannya, İşbank telah melihat adopsi yang luas oleh lebih dari 5,5 juta pengguna, dengan rata-rata 9,8 interaksi per pengguna. Dalam beberapa bulan terakhir, ketika kasus COVID-19 meningkat di Turki, İşbank dengan cepat melatih Maxi untuk merespons pertanyaan terkait COVID-19. Sejak Maret 2020, Maxi telah menjawab lebih dari 1,2 juta pertanyaan pelanggan terkait COVID-19, peningkatan lebih dari 62% dalam penggunaan.

Apa yang akan Anda katakan kepada wanita yang tertarik untuk mempelajari lebih lanjut tentang AI tetapi ragu-ragu untuk terlibat karena itu adalah bidang yang didominasi oleh pria?

Saya tidak berpikir ada alasan mengapa AI dianggap sebagai bidang yang didominasi oleh pria. Saya berpikir ada banyak pelopor wanita di AI yang melakukan sangat baik dan membuat dampak. Saya berpikir AI yang dikombinasikan dengan kebijakan sosial adalah area unik yang memiliki potensi untuk memiliki dampak besar pada kehidupan sehari-hari orang. Ini adalah di mana saya berpikir bahwa wawasan yang lebih beragam di seluruh papan akan sangat menguntungkan kita, terutama karena ada banyak percakapan sekitar bias AI yang melibatkan ras dan jenis kelamin. Saya percaya bahwa memiliki komunitas pengembang AI yang beragam akan terus memiliki dampak yang tidak proporsional pada masyarakat dan kebijakan.

Bagi wanita di luar sana yang tertarik untuk bergabung dengan bidang AI, saya sangat merekomendasikannya terutama jika Anda tertarik untuk membuat dampak. AI telah mengalami pertumbuhan dan inovasi yang luar biasa selama beberapa tahun terakhir dan ini benar-benar waktu yang menyenangkan untuk menjadi bagian dari itu.

Apakah ada yang lain yang ingin Anda bagikan tentang Clinc?

Clinc membuat langkah besar saat ini. Secara pribadi, saya baru saja memasuki peran baru sebagai CTO Clinc dan saya sangat bersemangat untuk fokus pada bagaimana kita dapat bekerja lebih erat dengan pengembang dan ilmuwan data untuk meningkatkan jangkauan teknologi kita. Ketika saya melihat ke masa depan, saya melihat permintaan akan aplikasi yang didukung AI beralih untuk memungkinkan orang-orang yang tidak memiliki pengalaman ilmu data dan latar belakang pembelajaran mesin untuk dapat menggunakannya juga. Misalnya, Anda tidak perlu memiliki gelar desain grafis untuk dapat menggunakan Photoshop. Saya berpikir AI menuju arah di mana pengembang dengan tidak ada pelatihan AI atau latar belakang pembelajaran mesin akan dapat mencapai hasil dan menghasilkan aplikasi berkualitas tinggi. Secara keseluruhan, kita ingin mengulangi bahwa kita tidak hanya berdedikasi pada pengguna akhir tetapi juga pada pengembang, tidak peduli tingkat apa, yang tertarik dengan solusi kita.

Terima kasih atas wawancara yang luar biasa, saya berharap dapat mengikuti kemajuan Anda. Siapa pun yang ingin mempelajari lebih lanjut harus mengunjungi Clinc.