Richard Boyd, Co-Pendiri & CEO Tanjo Inc – Seri Wawancara

Richard Boyd adalah seorang wirausaha, penulis dan pembicara pada berbagai topik dari pendidikan hingga perawatan kesehatan hingga dunia virtual, permainan komputer, pembelajaran mesin dan antarmuka manusia/komputer. Selama tiga dekade, Richard telah memimpin atau membantu menciptakan beberapa perusahaan teknologi paling inovatif dan layanan di berbagai industri, termasuk memulai dan menjabat sebagai kepala eksekutif empat perusahaan di wilayah Research Triangle Park, Carolina Utara. Richard menjual perusahaannya yang terakhir kepada Lockheed Martin (LMT ), dan tetap sebagai Direktur Laboratorium Dunia Virtual.

Richard adalah co-pendiri dan CEO perusahaan kecerdasan buatan dan pembelajaran mesin Tanjo Inc yang berbasis di wilayah Research Triangle Park, Carolina Utara.

Anda telah bekerja pada VR sejak tahun 90-an, dan pada tahun 2001 Anda co-pendiri 3Dsolve. Apa beberapa proyek awal yang dikerjakan oleh 3Dsolve?

Proyek paling berdampak pertama untuk 3dsolve adalah membantu Komando Pelatihan dan Doktrin Angkatan Darat AS (TRADOC) mempelajari cara mengharness simulasi pembelajaran untuk operasi taktis unit kecil. Kami menciptakan kursus “Level 4 interaktif multimedia instruksi” (IMI) pertama untuk Angkatan Darat yang lulus validasi TRADOC. Secara esensial ini adalah mengharness nilai “praktik aman dalam lingkungan 3D yang sepenuhnya disimulasikan untuk unit darat” Kursus pertama adalah lebih dari 100 jam instruksi dalam dunia permainan 3D berbasis kolaboratif untuk 25B10 MOS (spesialisasi militer) untuk komunikasi.

Kami sedang mengirimkan tentara ke Afganistan dan Irak pada saat itu dan melatih mereka untuk bekerja di DTOCs (pusat operasi taktis digital) ketika kami tidak memiliki DTOCs di AS untuk melatih mereka. 3Dsolve melakukan perjalanan ke Fort Hood, Fort Gordon dan berbagai fasilitas lain di AS untuk menemukan peralatan, bertemu dengan ahli subjek dan membangun DTOCs virtual di mana tentara dapat dilatih. Hasil validasi menentukan bahwa tentara yang menggunakan metode ini dilatih dalam waktu yang lebih singkat dengan tingkat pengetahuan yang lebih tinggi (dan lulus kelas) daripada metode kelas sebelumnya. Saya pikir ini adalah awal dari industri permainan serius.

Saya juga menjabat sebagai anggota dewan penasihat ADL (Pembelajaran Terdistribusi Lanjutan) Colab, di mana standar untuk konten pembelajaran yang dapat digunakan kembali dibuat. Saya bekerja dengan Phillip Dodds di sana pada standar 3D untuk SCORM (Model Referensi Objek Konten Berbagi). Catatan samping: Phillip adalah orang yang memainkan organ di film Spielberg Close Encounters of the Third Kind.

Saya juga menjabat sebagai anggota badan standar internasional lainnya yang disebut 3DIF, yang dipimpin oleh Intel (INTC ) dan Boeing, di mana kami menciptakan standar ECMA internasional dengan nama yang sama untuk format pertukaran 3D. Ide ini adalah untuk akhirnya menangkap semua nilai dalam model CAD 3D yang dibangun untuk segala sesuatu di dunia dan menerjemahkannya untuk digunakan dalam permainan serius dan dokumen teknis 3D. Ini masih hidup di Adobe Acrobat dan platform lainnya.

Kami terus bekerja dengan headset dan berbagai periferal VR, berkolaborasi dengan pelopor industri seperti Warren Robinett, Dr. Fred Brooks, Alan Kay dan lain-lain. Mitra saya, David Smith, menciptakan platform sumber terbuka yang disebut OpenCroquet, bersama dengan Alan Kay, yang masih hidup hingga hari ini.

Bagaimana kehidupan Anda berubah setelah Lockheed Martin mengakuisisi 3Dsolve pada tahun 2007?

Salah satu proyek pelopor lain yang kami kerjakan di 3Dsolve yang menyebabkan Lockheed membeli kami adalah simulasi kapal selam kelas Los Angeles. Pada saat itu, Angkatan Laut masih menetapkan kapal-kapal untuk pelatihan. Kami mempelopori konsep “Simulasi Kapal Total”, mereplikasi kapal seluruhnya dalam lingkungan permainan multipemain. Kami menggunakan mesin Unreal dari Epic Games dan benar-benar mengubah pelatihan untuk kapal-kapal tersebut. Di Lockheed, kami menciptakan simulasi untuk penghancur, Kapal Tempur Pesisir, serta semua sistem subsistem.

Awalnya, ini adalah tantangan bagi kami untuk beradaptasi dari perusahaan teknologi permainan ke lapisan tambahan pengawasan dan pelaporan yang diperlukan di kontraktor pertahanan yang berusia 100 tahun. Kami belajar untuk menciptakan kenyataan kami sendiri. Saya membentuk organisasi informal yang disebut Virtual World Labs dan memodelkannya berdasarkan Skunkworks LM yang terkenal di California. Faktanya, Skunkworks menjadi anggota VWL. Kami belajar dalam tahun pertama bahwa setiap kali kami mengajukan proposal paten, kami mendapatkan cek, dan cek lainnya ketika paten tersebut diberikan. Jadi, ini menjadi program insentif kami. Kami duduk dan menciptakan hal-hal baru di AR, VR dan AI. Pada akhir masa jabatan saya selama 5,5 tahun di sana, kami telah mengumpulkan lebih dari 100 aplikasi paten dalam grup kecil sekitar 40 orang.

Salah satu program paling menyenangkan dan relevan adalah penciptaan Kerangka Dunia Virtual DOD. Kami telah menjadi bagian dari beberapa latihan perang gabungan skala besar dan menyaksikan frustrasi atas kurangnya interoperabilitas antara sistem proprietary yang perlu bekerja sama dalam latihan simulasi konstruktif dan virtual ini. Reaksi pertama kami adalah bahwa ini adalah masalah yang sudah terpecahkan… Ini disebut Internet! Jika komunitas akuisisi dapat membuat semua orang mematuhi layanan web, kami dapat membangun sistem pelatihan terintegrasi yang lebih baik. Dan WebGL baru saja disetujui oleh World Wide Web Consortium. Waktunya telah tiba untuk perubahan besar dalam bisnis seperti biasa. Pentagon mengeluarkan permintaan proposal untuk mencari “kerangka dunia virtual umum” untuk simulasi terintegrasi. Kepala program tersebut di Pentagon adalah seorang pilot angkatan udara yang kreatif bernama Frank Digiovanni. Kami menyebutnya D9. Ia mengingatkan saya pada kisah-kisah Kolonel John Boyd yang mendorong destruksi kreatif program pesawat tempur kami dan pemikiran di angkatan udara.

Masalahnya adalah, D9 secara eksplisit memberi tahu tim akuisisinya bahwa ia “tidak ingin perusahaan seperti Lockmart” untuk membangun kerangka baru tersebut. Tapi David dan saya pergi ke sana bersama dengan daftar sekitar 17 vendor yang mengajukan proposal untuk program tersebut dan kami memenangkannya. Kami belajar setelah itu bahwa semua orang lainnya menunjukkan solusi proprietary dan mencoba membuat pemerintah mengadopsinya. Kami menunjukkan proposal verbal kami di gedung Reagan di DC dengan tidak ada apa-apa, tetapi mengatakan bahwa jawaban atas masalah mendalam ini terletak pada arsitektur Internet. Kami mengatakan bahwa kami dapat merancangnya dalam beberapa bulan dan memiliki prototipe yang berfungsi dalam enam bulan. Kami juga mengatakan bahwa harus terbuka. Kami memenangkan “tangan turun, dunk” menurut D9, karena pendekatan kami sangat segar dan berbeda dan “di luar kotak”.

Ketika saya kembali ke Orlando untuk menjelaskan kemenangan baru ini kepada kepemimpinan divisi Lockheed Martin kami, saya sedikit dipanggil ke karpet. Saya diberi selamat, tetapi kemudian mereka bertanya tentang bagian sumber terbuka. “Apa yang akan terjadi pada bisnis simulasi konstruktif kami yang ada?” mereka bertanya. Jawaban saya – “Ini akan mengganggu sepenuhnya.” Ada jeda, lalu pertanyaan yang tak terhindarkan “Jadi, bagaimana kita akan menghasilkan uang? Apa model bisnisnya?” Jawaban saya – “Model bisnis akan banyak.” Saya masih menikmati kerutan dahi yang bingung yang dihasilkan oleh jawaban itu. Saya menjelaskan semua cara Red Hat berhasil membangun bisnis miliaran dolar di atas perangkat lunak gratis, tetapi saya tidak pikir mereka pernah merasa nyaman dengan gangguan tersebut.

Jabatan saya pada saat itu adalah Direktur Teknologi Muncul dan Mengganggu, bersama dengan jabatan saya sebagai Arsitek Utama Laboratorium Dunia Virtual. Saya bekerja selama setahun berikutnya untuk mencoba membuat Lockheed menerima lebih banyak gangguan diri dan destruksi kreatif Schumpeter. Saya menjelaskan inovasi di perusahaan besar seperti Lockheed seperti proses melahirkan. Orang-orang menyukai ide memiliki anak. Ini baik untuk masyarakat dan sangat memuaskan. Anak-anak adalah masa depan kita. Tapi melalui lensa yang salah, anak-anak juga dapat dianggap sebagai parasit. Mulai saat mereka pertama kali mengambil alih di rahim, mereka mulai mengambil sumber daya. Jika tidak karena kondisi yang dilindungi di rahim, antibodi ibu akan keluar untuk menghancurkan bayi. Inovasi di Lockheed seperti itu. Semua orang ingin dan berbicara tentang inovasi, tetapi tidak ada yang ingin mengorbankan sumber daya mereka untuk itu ketika hasilnya masih jauh. (Lihat animasi papan tulis saya tentang bagaimana inovasi seperti melahirkan.)

Selama waktu Anda di Lockheed Martin, salah satu paten yang Anda tulis bersama terdengar seperti sesuatu dari film fiksi ilmiah, disebut holodeck. Apa itu holodeck?

Pada tahun 2009, saya diundang ke Los Angeles oleh James Cameron selama produksi film Avatarnya. Kami telah bekerja dengan Jim sebelumnya (pada “The Abyss”) dan ia ingin menunjukkan saya kamera 3D yang telah ia ciptakan dengan Vince Pace (yang kami kenal dari The Abyss). Tapi hal yang benar-benar menarik perhatian saya adalah set virtual di dalam hangar pesawat Hughes yang besar. Saya menghabiskan banyak waktu di sana dengan layar panel datar kecil dan hanya berjalan-jalan di dunia virtual Pandora. Saya menulis tentang ini untuk Armed Forces Journal dan merancang bersama David Smith ide untuk membangun lapangan pelatihan virtual besar seukuran lapangan sepak bola. pada saat itu kami bekerja pada program yang disebut Future Immersive Training Environment (FITE) untuk Korps Marinir. Dalam program tersebut, marinir akan mengenakan laptop di punggung mereka dan headmount. Semua peralatan tambahan ini benar-benar menyebabkan kekhawatiran tentang pelatihan negatif. Saya tidak akan pernah melupakan sersan pertama yang memasangnya dan mengatakan, “kita harus berlatih seperti kita bertarung, kan?” dan kemudian melompat ke tanah dan bergulir, menghancurkan semua elektronik menjadi potongan-potongan yang tidak berguna. Konsep Holodeck lebih seperti Volume James Cameron untuk pembuatan film; di mana aktor memiliki setelan pelacakan cahaya dan semua instrumentasi ada di sekitar mereka. Head mounted display masih diperlukan tetapi nirkabel dan ringan. Lebih seperti Oculus Quest hari ini. Kami bahkan menemukan cara untuk melakukannya di luar ruangan di bawah sinar matahari.

Pada tahun 2015 Anda menulis bahwa kita tidak perlu terlalu khawatir tentang mesin mengambil alih, tetapi sebaliknya kita harus mencari cara untuk mencapai keseimbangan yang tepat antara manusia dan otomatisasi untuk mengoptimalkan hasil. Apakah Anda masih merasa bahwa masyarakat terlalu khawatir tentang AGI atau mesin mengambil alih?

Saya pikir ketika orang-orang yang sangat pintar dengan keahlian yang melimpah dalam ruang ini (seperti Ray Kurzweil, Stephen Hawking, Elon Musk, James Cameron dan Bill Gates) mengungkapkan kekhawatiran, kita semua harus memperhatikan dan melacak kemajuan menuju kecerdasan buatan umum dan implikasinya bagi masyarakat. Jika kita telah belajar sesuatu baru-baru ini, itu adalah bahwa keahlian domain sangat penting, dan kita harus selalu memperhatikan peringatan dari orang-orang dengan keahlian yang lebih dalam daripada kita sendiri.

Setelah mengatakan itu, untuk masa depan yang dapat dilihat, kita melihat gangguan inkremental yang lebih besar yang memerlukan perhatian dan tindakan segera. Kutipan saya yang disuling tentang imperatif abad ke-21 untuk mencapai keseimbangan yang tepat antara manusia dan otomatisasi untuk mengoptimalkan hasil adalah masalah kritis sekarang. Saya benar-benar pikir siapa pun yang tidak mendapatkan hal itu dengan benar akan dikutuk untuk menjadi tidak relevan segera, bukan hanya tidak kompetitif. Ketika JP Morgan menggantikan 320.000 jam per tahun tinjauan hukum pinjaman dengan sistem pembelajaran mesin yang disebut COIN, mereka mengganggu diri mereka sendiri dan segera menciptakan manfaat sebesar $300 juta untuk garis bawah mereka. Dan manfaat itu sekarang adalah anuitas. Setiap pesaing mereka yang masih memiliki biaya itu tidak akan bisa bersaing.

Saya percaya ini benar dan penting untuk perusahaan, pemerintah, bahkan individu. Saya berada di dewan sebuah perguruan tinggi masyarakat di Carolina Utara dengan 70.000 siswa. Saya terus-menerus mencoba membimbing siswa dan kurikulum kami menuju pekerjaan yang masih akan dilakukan oleh manusia lima tahun dari sekarang. Ketika saya menemukan siswa yang ingin masuk ke radiologi, saya menjelaskan kepada mereka bahwa mesin sudah lebih baik daripada manusia dalam membaca sinar X. Pertimbangkan bidang baru atau bagaimana bidang tersebut mungkin berubah dengan kenyataan itu. Ini bukan futurisme. Ini adalah Nowism.

Anda telah menyatakan bahwa manusia berpikir secara linear dan bahwa mesin berpikir secara eksponensial. Jelas Anda adalah seorang pemikir eksponensial, mengapa begitu sulit bagi manusia untuk berpikir secara eksponensial?

70% orang Amerika tidak dapat membaca dan memahami bagian sains dari New York Times (studi Michigan State). Penulis seperti Dan Ariely, dalam buku best seller-nya Predictably Irrational, dan lain-lain berbicara tentang bagaimana kita manusia tidak baik dalam berpikir statistik. Berpikir eksponensial dan logaritmis juga tidak sangat umum. Mentor dan pahlawan saya Alan Kay memiliki pidato TED yang sangat baik tentang universal dan non-universal dalam pendidikan. Saya menulis tentang ini dalam artikel di situs web Getting Smart tentang Mempertimbangkan Kembali Pendidikan dari Prinsip-Prinsip Pertama. Secara esensial, penalaran abstrak dan deduktif sulit kecuali diajarkan. Kami memiliki masalah pendidikan yang menghambat kemampuan kami untuk memahami kemajuan Hukum Moore atau penyebaran pandemik.

Pandemik saat ini menyinarkan cahaya yang sangat terang pada implikasi memiliki kepemimpinan yang tidak dapat berpikir secara eksponensial (atau mendengarkan keahlian).

Anda telah bekerja pada VR sejak tahun 90-an, bagaimana perasaan Anda tentang beberapa aplikasi konsumen VR saat ini seperti Oculus Quest?

Setiap kali saya melihat roller coaster hipe VR kembali naik ke atas jalur trek, saya mulai mengingatkan semua orang tentang tiga kendala utama yang mencegah adopsi yang luas.

1. Beberapa manusia akan selamanya secara fisik tidak mampu menikmati 3D VR stereoskopik.
2. Gesekan pengaturan dan koneksi membuatnya menjadi pengalaman yang tidak banyak orang temukan menyenangkan.
3. Kerapuhan sistem berarti bahwa hanya hobiis ahli yang ingin mengutak-atik dan menyelesaikan koneksi yang gagal

Manusia belum memiliki upgrade dalam waktu lama (sejak Pleistosen menurut perkiraan saya) dan beberapa dari kita memiliki waktu yang sangat sulit untuk beradaptasi dengan tampilan 3D stereoskopik. Jika kita menetapkan mereka untuk sementara, kita kemudian ditinggalkan dengan masalah besar kedua: gesekan pengaturan dan koneksi yang mengerikan. Terlalu banyak kabel dan penyetelan sebelum seseorang dapat memasuki pengalaman. Dan ketiga adalah kerapuhan dan kerapuhan sistem yang berarti bahwa hanya hobiis ahli yang ingin mengutak-atik dan menyelesaikan koneksi yang gagal.

Oculus Quest jauh melampaui harapan saya dengan menghancurkan kendala kedua dan ketiga. Di keluarga kami, kami menghabiskan waktu di konten Oculus Quest hampir setiap hari. Ini, menurut saya, adalah terobosan besar yang dibutuhkan VR. Sekarang kita hanya perlu pergi sejauh mungkin dan melihat bagaimana kita dapat menyesuaikan teknologi untuk memenuhi mereka yang memiliki kendala fisik yang mencegah mereka menikmati VR.

Apa yang menginspirasi Anda untuk meluncurkan Tanjo?

Saya menemukan pembelajaran mesin pada tahun 2009 saat saya menjalankan Virtual World Labs di Lockheed Martin. Pembelajaran mesin sudah ada, tentu saja, tetapi itu adalah tahun saya benar-benar memahami seberapa jauh kemajuan yang telah dibuat, dan bagaimana itu secara fundamental berbeda dari “kecerdasan buatan” yang kami gunakan di permainan komputer dan simulasi DOD sebelumnya.

Saya sekarang berpikir bahwa kecerdasan buatan berkembang dalam 3 tahap. Pada tahap pertama, yang berlangsung sekitar 1958 hingga 2009 (penanda arbitrer saya), kami tidak akan meminta komputer untuk menghitung sesuatu sampai manusia memahami sepenuhnya dan dapat memecahnya menjadi gerbang logika yang rapuh dan pernyataan jika/maka. Kami kemudian akan memasukkannya ke dalam komputer sebagai mesin keadaan yang terbatas atau pohon perilaku hierarkis dan menjalankan program. Pada akhirnya, itu semua hanya kode. Tidak ada yang mistis tentang itu.

Tahap berikutnya adalah pembelajaran mesin, di mana manusia tidak perlu memahami cara mengatakan kepada mesin untuk mengemudi. Sekarang kita hanya memberikan set data pelatihan yang besar kepada sekumpulan perpustakaan pembelajaran mesin yang dirancang dengan baik yang kemudian menginfer pengetahuan mereka sendiri. Hari ini, sistem pembelajaran mesin dapat hanya menonton 100 jam video dan kemudian mengemudi kendaraan otonom dengan sempurna di mana saja. (Saya biasanya membuat lelucon ‘di mana saja kecuali di Roma’)

Di Tanjo, kami menggunakan pembelajaran mesin dalam proyek-proyek singkat untuk memberikan perusahaan-perusahaan bank dan lembaga pendidikan tinggi dan perusahaan 2000 kecerdasan yang mengoptimalkan hasil mereka. Kami secara rutin melihat pengembalian investasi sebesar 10x dari implementasi kami. Dan pengembalian itu biasanya adalah anuitas. Berapa banyak investasi teknologi yang telah kita lihat sebelumnya yang menciptakan jenis-jenis keuntungan produktivitas seperti itu? Kami telah memiliki pengukuran ROI yang divalidasi sebesar 600x; dan satu hasil yang memalukan sebesar 1600x. Kami tidak menggunakan yang terakhir sebagai studi kasus karena terdengar terlalu hiperbolik.

Bisakah Anda membahas Tanjo Animated Personas (TAP), dan bagaimana cara kerjanya?

Terobosan besar kami datang ketika kami menyadari bahwa sistem kecerdasan mesin yang luar biasa dan aneh ini kami bangun melihat orang-orang dengan cara yang sama seperti mereka melihat objek informasi. Kami menjalankan eksperimen awal dengan set data pelatihan dari aplikasi kencan populer. Otak pembelajaran mesin kecil kami menciptakan grafik minat dan peta sentimen dari setiap orang dari jejak data mereka yang muncul terlihat seperti profil Myers Briggs. Kami berpikir sebentar tentang membuat aplikasi kencan pembelajaran mesin pada tahun 2014. Ini adalah pertimbangan yang sangat singkat, karena tidak memenuhi tujuan tinggi yang kami miliki untuk melakukan pekerjaan yang bermakna.

Sebaliknya, kami menyebutnya “Mesin Empati” dan membangun apa yang kami sebut “Tanjo Animated Personas” dari pola pembelajaran mesin perilaku manusia ini.

Perusahaan analis Gartner memberi kami Penghargaan Penjual yang Keren pada tahun 2018 untuk terobosan ini. Kami membantu peneliti pasar memodelkan dan memahami (dan harapannya memicu percakapan yang lebih dalam dengan pelanggan mereka; serta menggunakan itu untuk memodelkan populasi orang untuk mempelajari kesehatan dan kesejahteraan. Misalnya: kami dapat membuat model populasi sintetis dari kode pos atau county dan mensimulasikan intervensi dan pesan apa yang mendorong perilaku yang lebih baik untuk mengurangi penyebaran virus, atau untuk menurunkan obesitas, merokok, dll.

Apakah Anda menggunakan pembelajaran yang diawasi untuk mendidik Tanjo?

Keseimbangan antara manusia dan mesin sama pentingnya dalam input sebagai output dari sistem ini. Pengawasan manusia absolut membantu dalam melatih “Otak” dari salah satu sistem pembelajaran mesin kami lebih cepat. Ketika kami menciptakan otak NC yang akan menghubungkan semua 58 perguruan tinggi masyarakat di Carolina Utara, kami bekerja dengan fakultas dan administrator di beberapa perguruan tinggi terbaik di sini untuk memastikan bahwa peringkatnya dari berbagai bidang pengetahuan dan bagaimana ia menyortir konten valid.

Salah satu produk Tanjo adalah ContractBot untuk analisis kontrak. Apa itu ContractBot dan jenis perusahaan apa yang dirancang khusus untuknya?

Kami menciptakan Contractbot awalnya untuk industri akuntansi. Pada tahun 2017, FASBI (Interpretasi Dewan Standar Akuntansi Keuangan) merilis aturan baru sekitar pengakuan pendapatan dan pengakuan sewa untuk bisnis. Perusahaan akuntansi mengadakan konferensi di seluruh negeri untuk mempersiapkan diri dan klien mereka untuk perubahan ini. Dengan lensa pembelajaran mesin kami, kami menyadari bahwa ini adalah kesempatan yang ideal untuk sistem pembelajaran mesin yang sempit untuk bekerja bersama akuntan untuk secara dramatis meningkatkan kecepatan analisis serta meningkatkan akurasi. Kami melatih sistem pada lebih dari empat juta kontrak: segala sesuatu dari satu halaman yang discan, pesanan pembelian tulisan tangan, hingga kontrak dengan seratus halaman jaminan dan penafian dan deskripsi pembayaran milestone. Ia belajar dengan sangat cepat untuk memahami bahasa dan menyortir dokumen atau bagian dokumen dan menerapkan aturan bisnis untuk melakukan analisis hampir secara instan yang akan memakan waktu sepanjang hari bagi seorang akuntan.

Proyek ini dan lain-lain adalah studi kasus yang kami sediakan untuk mendorong siapa pun di bisnis hari ini untuk mengambil lensa keseimbangan manusia/mesin yang baru dan melihat dengan dekat setiap aktivitas untuk menentukan apa yang merupakan campuran yang tepat dari upaya manusia dan mesin untuk mengoptimalkan bisnis mereka.

Ketika JP Morgan menggunakan pendekatan ini untuk menghilangkan 320.000 jam analisis pinjaman per tahun, mereka tidak hanya merealisasikan pengembalian investasi 100x pada tahun itu, tetapi juga akan menerima anuitas pembayaran itu setiap tahun ke depan. Setiap pesaing mereka yang masih melakukan “bisnis seperti biasa”, yang masih memiliki biaya itu, tidak akan bisa bersaing, tetapi tidak relevan.

Salah satu produk paling menarik yang ditawarkan Tanjo adalah Otak Perusahaan Tanjo. Apa jenis pembelajaran mesin yang digunakan di balik ini dan apa kasus penggunaannya?

Ketika kami menggunakan pembelajaran mesin untuk membantu Departemen Pendidikan AS menciptakan Registry Pembelajaran, kami melihat kekuatan pembelajaran mesin untuk mengorganisir dan menganalisis pengetahuan. Ketika saya berbicara tentang ini, saya biasanya menunjukkan slide dengan gambar dari adegan terakhir “Raiders of the Lost Ark”; di mana seorang clerk mengarahkan krating yang membosankan melalui gudang besar untuk mengarsipkan artefak yang sangat kuat yang dapat menyelamatkan atau menghancurkan planet, dan itu memiliki tag kecil yang mengatakan ARC.

Apa yang kami pelajari dari proyek Registry Pembelajaran dan lain-lain adalah bahwa pencarian perusahaan rusak. Perusahaan memiliki informasi yang tidak ditandai dan tersembunyi di danau dan kolam data kecil yang tidak dapat diakses atau tidak jelas dan oleh karena itu tidak transparan terhadap pertanyaan. Dalam Abad Informasi yang dipercepat ini, kami kehilangan pengetahuan yang diperoleh setiap hari karena metode penyimpanan dan pengambilan yang buruk.

Otak Perusahaan Tanjo hidup di dalam firewall Anda, dengan kode sumber penuh, terhubung ke semua dan tidak memiliki yang lain untuk dilakukan selain membaca dan memindai dan mengorganisir semua yang dapat diakses dan menunggu momen yang menyenangkan ketika mendeteksi manusia mencoba melakukan sesuatu yang dapat menggunakan peta informasi yang luas di ujung jarinya. Karena memiliki banyak waktu dan kekuatan dan kedekatan dengan pengetahuan organisasi, ia tidak akan menetap untuk mengurangi pembacaan “Perang dan Damai” menjadi #NovelRusia #Tolstoy #ceritaperang #ceritacinta. Sebaliknya, ia akan memetakan dengan apa yang kami sebut “sidik jari hiperdimensi” hingga 4.000 konsep yang diimbang. Upaya yang tampaknya berlebihan ini membayar dividen besar bagi lembaga penelitian, bank, dan perguruan tinggi dengan Otak Perusahaan Tanjo. Biasanya bagi mereka untuk menyadari nilai yang jauh melebihi biaya lisensi hanya dalam langkah pemetaan pengetahuan organisasi yang merupakan bagian dari pelatihan Otak Perusahaan Anda, ketika kepemimpinan belajar betapa banyak pengetahuan yang mereka investasikan dan andalkan benar-benar ada dan apa yang semua itu maksudkan. Ketika Otak Perusahaan diimplementasikan, organisasi sekarang memiliki lensa untuk melihat bagaimana informasi memasuki sistem mereka, siapa yang mempelopori, siapa yang menantang, dan akhirnya bagaimana keputusan dibuat. Ini menjadi kebutuhan yang jelas secara retrospeksi. Dan seperti sistem pembelajaran mesin yang diimplementasikan JP Morgan, membayar dividen selamanya.

Apakah ada yang ingin Anda bagikan tentang Tanjo?

Tanjo saat ini bekerja keras pada Otak Covid-19. Sesuai dengan tesis yang mendorong perusahaan kami, kami menentukan bagaimana mencapai keseimbangan antara manusia dan mesin untuk memastikan informasi yang tepat dan sumber daya terbaik tersedia bagi orang-orang yang membuat keputusan penting selama krisis ini. Kapabilitas Tanjo Animated Personas akan digunakan untuk memodelkan data populasi manusia untuk melacak penyebaran virus, tetapi juga menentukan langkah-langkah dan metode komunikasi dan kata-kata sebenarnya yang akan mendapatkan perilaku yang kita butuhkan untuk membantu kita keluar dari krisis ini menuju ekosistem yang lebih sehat bagi kita semua.

Ini telah menjadi percakapan yang menarik, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Tanjo.

https://youtu.be/f0_SbQYD5ec