Etienne Bernard, Co-Founder & CEO of NuMind – Seri Wawancara

Etienne Bernard, adalah Co-Founder & CEO dari NuMind sebuah perusahaan perangkat lunak yang didirikan pada Juni 2022 yang mengkhususkan diri dalam mengembangkan alat pembelajaran mesin. Etienne adalah seorang ahli di bidang AI & pembelajaran mesin. Setelah menyelesaikan PhD (ENS) & postdoc (MIT) di fisika statistik, Etienne bergabung dengan Wolfram Research di mana ia menjadi kepala pembelajaran mesin selama 7 tahun. Selama waktu itu, Etienne memimpin pengembangan alat pembelajaran otomatis, kerangka pembelajaran dalam yang ramah pengguna, dan berbagai aplikasi pembelajaran mesin.

Apa yang awalnya menarik Anda untuk mempelajari pembelajaran mesin?

Pertama kali saya mendengar istilah “pembelajaran mesin” adalah pada tahun 2009, saya rasa, berkat hadiah Netflix. Saya menemukan ide bahwa mesin dapat belajar sangat menarik dan kuat. Sudah jelas bagi saya bahwa ini akan menyebabkan banyak aplikasi penting – termasuk kemungkinan menciptakan AI. Saya segera memutuskan untuk mempelajari lebih lanjut, dan tidak pernah kembali.

Setelah menyelesaikan PhD (ENS) & postdoc (MIT) di fisika statistik, Anda bergabung dengan Wolfram Research di mana Anda menjadi kepala pembelajaran mesin selama 7 tahun. Apa beberapa proyek yang paling menarik yang Anda kerjakan?

Proyek favorit saya di Wolfram adalah mengembangkan fungsi pembelajaran mesin otomatis untuk Bahasa Wolfram (a.k.a. Mathematica). Yang pertama adalah Classify, di mana Anda hanya memberikan data dan itu mengembalikan klasifikasi. Bagi saya, pembelajaran mesin selalu tentang menjadi otomatis. Anda tidak menyetel parameter hiper untuk siswa manusia, dan Anda tidak harus melakukannya untuk mesin juga! Ini cukup menantang dari perspektif ilmiah dan rekayasa perangkat lunak untuk menciptakan fungsi pembelajaran mesin otomatis yang benar-benar robust dan efisien.

Mengembangkan kerangka pembelajaran dalam tingkat tinggi juga merupakan proyek yang sangat menarik. Banyak keputusan desain yang sulit tentang bagaimana merepresentasikan jaringan saraf simbolis, bagaimana memvisualisasikannya, dan bagaimana memanipulasinya (yaitu, dapat memotong beberapa bagian, menempelkan yang lain bersama, menggantikan lapisan, dll.) Saya rasa kita melakukan pekerjaan yang cukup baik, dan jika itu open source, saya yakin itu akan banyak digunakan 😉

Selama periode waktu ini Anda juga menulis sebuah buku seminal yang berjudul “Introduction to Machine Learning“, apa beberapa tantangan di balik menulis buku yang begitu komprehensif?

Oh, ada banyak! Ini membutuhkan waktu dua tahun untuk menulis. Saya bisa saja memutuskan untuk menulis sebuah buku “cara” saja, yang akan lebih mudah, tapi bagian dari perjalanan saya di Wolfram telah tentang mempelajari pembelajaran mesin, dan saya merasa perlu untuk mengirimkannya. Jadi kesulitan utama adalah menentukan apa yang harus dibicarakan, dan dalam urutan apa, untuk membuatnya menarik dan mudah dipahami. Lalu ada detail pedagogis: apakah saya harus menggunakan rumus matematika untuk konsep ini? Atau beberapa kode? Atau hanya visualisasi? Saya ingin membuat buku ini seaksesibel mungkin dan ini memberi saya banyak sakit kepala. Secara keseluruhan saya senang dengan hasilnya. Saya harap itu akan berguna bagi banyak!

Bagaimana cerita di balik NuMind?

Okay. Saya ingin menciptakan sebuah startup selama beberapa waktu, awalnya pada tahun 2012 untuk menciptakan alat pembelajaran mesin otomatis, tapi pekerjaan di Wolfram terlalu menyenangkan. Lalu sekitar tahun 2019-2020, model bahasa besar pertama (LLM) mulai muncul, seperti GPT-2 dan kemudian GPT-3. Ini adalah kejutan bagi saya bagaimana mereka dapat memahami dan menghasilkan teks. Pada saat yang sama, saya bisa melihat betapa sulitnya menciptakan model NLP: Anda perlu berurusan dengan tim anotasi, memiliki ahli yang menjalankan banyak eksperimen, dll. Saya pikir harus ada cara untuk menggunakan LLM ini melalui alat untuk secara dramatis meningkatkan pengalaman menciptakan model NLP. Co-founder saya, Samuel (yang kebetulan adalah sepupu saya), berbagi visi yang sama, dan jadi kami memutuskan untuk menciptakan alat ini.

Tujuan dari NuMind adalah untuk menyebarkan penggunaan pembelajaran mesin – dan kecerdasan buatan secara umum – dengan menciptakan alat yang sederhana namun kuat. Apa beberapa alat yang saat ini tersedia?

Memang. Alat pertama kami adalah untuk menciptakan model NLP kustom. Misalnya, katakanlah Anda ingin menganalisis sentimen pengguna dari umpan balik mereka. Menggunakan model yang sudah jadi umumnya tidak bagus, karena telah dilatih pada jenis data yang berbeda, dan untuk tugas yang sedikit berbeda (tugas analisis sentimen sangat berbeda dari satu sama lain!). Sebagai gantinya, Anda ingin melatih model kustom yang bekerja dengan baik pada data Anda. Alat kami memungkinkan Anda untuk melakukannya dengan cara yang sangat sederhana dan efisien. Secara dasar Anda memuat data, melakukan sedikit anotasi, dan mendapatkan model yang dapat Anda terapkan melalui API. Ini memungkinkan karena penggunaan LLM, tapi juga paradigma pembelajaran baru yang kami sebut Interactive AI Development.

Apa beberapa model kustom yang Anda lihat dikembangkan dari putaran pertama pelanggan NuMind?

Ada beberapa analisis sentimen. Misalnya, satu klien memantau sentimen dari obrolan grup di mana orang membantu satu sama lain melawan kecanduan. Analisis ini diperlukan untuk campur tangan dalam kasus langka di mana sentimen menurun. Klien lain menggunakan kami untuk menemukan lowongan pekerjaan yang paling sesuai untuk resume tertentu – dan saya percaya ada banyak potensi dalam jenis pencocokan AI ini. Kami juga memiliki pelanggan yang mengekstrak informasi dari dokumen medis dan hukum.

Seberapa banyak waktu yang dapat diselamatkan perusahaan dengan menggunakan alat NuMind?

Ini tergantung pada aplikasi, tentu saja, tapi dibandingkan dengan solusi tradisional (menglabeli data dan melatih model secara terpisah), kami melihat hingga 10x perbaikan kecepatan untuk mendapatkan model dan memasangnya ke produksi. Saya harap angka ini akan meningkat seiring kami terus mengembangkan produk. Akhirnya, saya percaya proyek yang akan memakan waktu berbulan-bulan akan selesai dalam beberapa hari, dan dengan kinerja yang lebih baik.

Bagaimana NuMind’s Interactive AI Development bekerja?

Idenya dari Interactive AI Development berasal dari bagaimana manusia mengajar satu sama lain. Misalnya, katakanlah Anda merekrut seorang magang untuk mengklasifikasikan email Anda. Anda pertama-tama akan menjelaskan tugas dan tujuannya. Lalu Anda mungkin memberikan beberapa contoh yang baik, beberapa kasus sudut mungkin. Lalu magang Anda akan mulai menglabeli email, dan percakapan akan dimulai. Magang Anda akan kembali dengan pertanyaan seperti “Bagaimana saya harus menglabeli ini?” atau “Saya pikir kita harus membuat label baru untuk ini”, atau bahkan bertanya Anda “mengapa” kita harus menglabeli dengan cara tertentu. Demikian pula Anda mungkin bertanya kepada magang Anda untuk mengidentifikasi dan memperbaiki kesenjangan pengetahuan mereka. Dengan cara ini pengajaran sangat alami dan sangat efisien dalam hal pertukaran informasi. Kami mencoba meniru alur kerja ini agar manusia dapat mengajar mesin dengan efisien.

Dalam istilah teknis, alur kerja ini adalah komunikasi rendah-latensi, tinggi-bandwidth, multimodal, dan dua arah antara manusia dan mesin, dan kami memutuskan untuk menyebutnya Interactive AI Development untuk menekankan aspek dua arah dan rendah-latensi. Saya melihat ini sebagai paradigma ketiga untuk mengajar mesin, setelah pemrograman klasik, dan pembelajaran mesin klasik (di mana Anda hanya memberikan sejumlah contoh tugas untuk komputer untuk mengetahui apa yang harus dilakukan).

Paradigma baru ini dibuka oleh LLM. Memang, Anda perlu memiliki sesuatu yang sudah cukup pintar di mesin untuk berinteraksi dengan itu secara efisien. Saya percaya paradigma ini akan menjadi umum di masa depan, dan kami sudah dapat melihat kilasannya dengan LLM berbasis obrolan, dan dengan alat kami tentu saja.

Kami menerapkan paradigma ini untuk mengajar tugas NLP, tapi ini dapat – dan akan – digunakan untuk banyak hal lain, termasuk pengembangan perangkat lunak.

Apakah ada yang lain yang Anda ingin bagikan tentang NuMind?

Mungkin bahwa ini adalah alat yang dapat digunakan oleh ahli dan non-ahli pembelajaran mesin, bahwa itu multibahasa, bahwa Anda memiliki model Anda sendiri, dan bahwa data dapat tetap berada di mesin Anda!

Di lain waktu kami berada dalam fase beta pribadi, jadi jika Anda memiliki kebutuhan NLP, kami akan senang berbicara dan menentukan apakah/bagaimana kami dapat membantu Anda!

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi NuMind.