Sarah Nagy, fondatrice e CEO di Seek AI – Serie di interviste

Sarah Nagy è la fondatrice e CEO di Cerca l'intelligenza artificiale, una piattaforma che consente agli utenti finali aziendali di porre a Seek esattamente le stesse domande che attualmente pongono al team di dati, direttamente in Slack, Teams ed e-mail. Nessun "affinamento" di come scrivono la loro domanda e nessun apprendimento di una nuova piattaforma.

Inizialmente hai iniziato come ricercatore con i dati del telescopio spaziale Hubble. A cosa stavi lavorando?

Stavo facendo ricerche all'UCLA e al Caltech, osservando alcune delle galassie più distanti che potevano essere osservate con un telescopio, e stavo lavorando sull'analisi di alcune delle loro proprietà come la loro massa e dimensione. Lo scopo di questa ricerca era aiutarci a capire la differenza tra galassie molto distanti rispetto a galassie più vicine alla nostra e sviluppare modelli di come queste galassie si formano nel tempo.

Hai poi lavorato come data scientist presso varie startup. Quali sono stati alcuni dei progetti più interessanti?

Un progetto che si distingue prevedeva l'utilizzo dell'elaborazione del linguaggio naturale (NLP) per classificare il testo non strutturato relativo agli articoli al dettaglio. Ad esempio, prendendo il testo grezzo (ad esempio "air jordan verde") e l'etichettatura come marca stimata ("Nike"). Avevo un collega specializzato in PNL che era impegnato con un progetto diverso, quindi inizialmente non avrei dovuto lavorare su questo. Alla fine mi è stato consegnato poiché erano occupati. All'epoca non sapevo nemmeno nulla di PNL, quindi ho seguito alcuni corsi gratuiti da Stanford e Fast.ai per ampliare le mie conoscenze. Mi è piaciuto molto conoscere la PNL e ho iniziato a capire perché è così importante e perché l'intelligenza artificiale (AI) in grado di comprendere il linguaggio è un grande passo verso la cosiddetta "AI generale". Questa esperienza mi ha sicuramente spinto a comprendere rapidamente l'importanza di GPT-3 quando è uscito per la prima volta.

Potresti condividere la storia della genesi di Seek AI?

Quando è uscito il modello GPT-3 di OpenAI, ho subito riconosciuto quale incredibile progresso fosse e mi sono particolarmente entusiasmato per le applicazioni che coinvolgono la scrittura di codice GPT-3. Dopotutto, scrivevo codice tutto il giorno come scienziato di dati e vedere l'intelligenza artificiale fare questo - e generare il codice perfettamente - è stato sbalorditivo. Paragonerei la mia reazione a GPT-3 al primo apprendimento della realtà virtuale nel 2013, che è stata un'altra esperienza sbalorditiva per me. Ho finito per decidere che dovevo formare una startup per fare una scommessa su questa tecnologia. Non sapevo esattamente cosa avrei costruito, ma avevo la sensazione viscerale che se avessi imparato di più su questi modelli, qualcosa di prezioso sarebbe andato a posto.

Una volta che ho imparato davvero a conoscere i modelli, è stato allora che ho capito che avrei potuto risolvere un punto dolente che ho incontrato ovunque avessi lavorato come quantitativo o come scienziato di dati. Il punto dolente in questione era che gli uomini d'affari non avevano gli strumenti giusti per rispondere alle proprie domande sui dati. In qualità di data scientist, lavoravo spesso su problemi che richiedevano molta attenzione, ma spesso venivo interrotto da colleghi dal lato aziendale che avevano domande sui dati, costringendomi a interrompere ciò che stavo facendo. Il processo sembrava arcaico e inefficiente. Mi sono reso conto che se mi fossi concentrato su questa nuova tecnologia per risolvere il problema, sarebbe stata una soluzione che definisce la categoria a questo problema molto importante e onnipresente.

Seek AI utilizza l'IA generativa. Potrebbe spiegare ai nostri lettori di cosa si tratta?

"AI generativa" è una parola d'ordine molto pubblicizzata, ma a differenza di altre parole d'ordine, non credo che l'hype sia ingiustificato. Il termine si riferisce a grandi modelli di machine learning con centinaia di miliardi di parametri, come l'intelligenza artificiale aperta DALL-E ed GPT-3. L'innovazione di questi modelli è che possono comprendere il linguaggio naturale e generare testo, immagini, codice e altro ancora. Se ti capita di giocare con DALL-E o Stable Diffusion, ad esempio, capirai rapidamente perché questi modelli sono così pubblicizzati; hanno una capacità incredibilmente umana di comprendere i comandi del linguaggio naturale e possono generare arte che rivaleggia con i migliori artisti umani.

La generazione di codice è una delle applicazioni più di nicchia, ma più importanti, dell'IA generativa. I dati stanno diventando sempre più grandi e complessi, e quindi più difficili da analizzare e organizzare manualmente dagli esseri umani. Tuttavia, ci sono così tante informazioni codificate in questi dati. Queste informazioni non sono solo potenti per le organizzazioni, ma possono anche portare a incredibili scoperte scientifiche dal punto di vista accademico. Costruire l'intelligenza artificiale per estrarre valore dai dati sbloccherà un valore incredibile sotto forma di informazioni utili.

Seek AI sta costruendo un'interfaccia che consente agli utenti di interagire con i dati utilizzando il linguaggio naturale. I lavoratori della conoscenza possono accedere all'interfaccia in linguaggio naturale di Seek AI tramite e-mail, Slack, testo e una gamma di sistemi di gestione delle relazioni con i clienti (CRM).

Quali altri tipi di apprendimento automatico vengono utilizzati in Seek AI?

Sebbene l'IA generativa sia un pezzo della nostra architettura di machine learning, la nostra architettura include anche diversi fork di modelli di deep learning open source. I modelli Transformer (di cui "AI generativa" è una variante) comprendono molti (ma non tutti) i modelli utilizzati da Seek.

Perché è così importante che gli utenti non tecnici possano accedere rapidamente ai dati?

A che servono i dati se non generano un ROI e come può un'azienda ottenere questo ROI se gli utenti che si rivolgono al business non possono nemmeno accedervi? Ecco perché è assolutamente essenziale dare accesso a quante più persone possibile, senza compromettere la precisione.

Quando ero uno scienziato dei dati, a volte ricevevo richieste dal CEO per analizzare alcuni dati per aiutare con il prodotto della nostra azienda o la strategia go-to-market. Questi progetti potrebbero richiedere settimane o più. In qualità di CEO ora, capisco decisamente l'importanza di quei progetti a un livello più profondo rispetto a quando ero sul lato dei dati. Spesso mi ritrovo a desiderare di poter semplicemente avere i dati a portata di mano in modo da poter prendere le mie decisioni più velocemente. Questo è un esempio di ciò che stiamo risolvendo in Seek.

In che modo Seek AI rende questi dati così facili da recuperare?

Qualcosa a cui è interessante pensare è che i dati possono davvero essere analizzati solo con il codice. È vero che esistono piattaforme che sono astrazioni su questo codice (ad esempio dashboard di dati), ma sotto il cofano c'è un codice scritto manualmente dagli analisti di dati che consente di presentare i dati agli utenti finali aziendali.

La maggior parte dei lavoratori della conoscenza non sa come programmare, non vuole programmare o semplicemente non può nemmeno accedere ai dati anche se vuole scrivere codice per analizzarli. Pertanto, quando hanno bisogno di dati, devono individuarli in una dashboard o chiedere al team di dati se non riescono a trovarli. Più grandi diventano i set di dati, più questo accadrà.

I data team devono quindi essere "traduttori" delle domande in linguaggio naturale rivolte loro e dei dati stessi, che interrogano utilizzando il codice. Rimuovere questo intermediario "traduttore" è il cuore di ciò che Seek sta facendo.

In che modo le aziende assicurano che i dati che utilizzano siano accurati?

Gestire il compromesso tra accuratezza e accessibilità dei dati è una sfida enorme. Come ho affermato in una recente intervista, da un lato, l'accessibilità consente alle persone meno tecniche di iniziare a interagire con la fonte di conoscenza rappresentata dai dati di un'azienda. D'altra parte, a cosa serve una sorgente di acqua inquinata (cioè dati cattivi)?

I migliori data team sono quelli che gestiscono questo compromesso nel modo più ottimale possibile, e gran parte di ciò sta calibrando e controllando attentamente tutti gli strumenti con cui gli utenti non tecnici possono interagire.

Quali sono alcuni esempi di casi d'uso per la piattaforma Seek AI?

Stiamo già offrendo valore ai clienti e ai partner di progettazione nei mercati verticali dell'e-commerce B2B SaaS, Fintech, Consumer Product Goods (CPG) e B2C.

pinna da battaglia, ad esempio, è il principale mercato di set di dati finanziari alternativi. Credono che dare risposte rapide e di alta qualità alle domande dei propri clienti sia la differenza tra vincere e perdere rispetto ai concorrenti. Il CEO dell'azienda, Tim Harrington, ha osservato: “Seek AI ha svolto un ruolo fondamentale nella strategia 2023 della nostra azienda a causa del vantaggio che ci offre nell'accedere e analizzare i nostri oltre 2,400 set di dati in risposta alle domande dei clienti. Stimerei che il nostro ROI su Seek AI sia circa 10 volte in base a quanto avremmo speso per raggiungere questo livello di efficienza senza la piattaforma".

C'è qualcos'altro che vorresti condividere su Seek AI?

Questo potrebbe essere il posto giusto per una presa spudorata. Seek offre attualmente prove gratuite della nostra piattaforma, a cui è possibile accedere cercare.ai. Siamo entusiasti di essere pionieri nel portare l'IA generativa ai data team e non vedo l'ora di intraprendere questo viaggio con i nostri clienti.

Grazie per l'ottima intervista, i lettori che desiderano saperne di più dovrebbero visitare Cerca l'intelligenza artificiale.