エティエンヌ・ベルナール、NuMindの共同創設者兼CEO – インタビュー・シリーズ

エティエンヌ・ベルナールは、NuMindの共同創設者兼CEOです。NuMindは、2022年6月に創設された機械学習ツールの開発を専門とするソフトウェア会社です。エティエンヌは、AIと機械学習の専門家です。ENSでの博士号とMITでのポスドクを取得した後、エティエンヌはWolfram Researchに入社し、7年間機械学習の責任者を務めました。この期間中、エティエンヌは自動学習ツールの開発を主導し、ユーザーに優しい深層学習フレームワークと様々な機械学習アプリケーションを開発しました。

機械学習に最初に惹かれたのは何ですか?

私は2009年に「機械学習」という用語を初めて聞きました。Netflix Prizeの影響でした。機械が学習するという考えは、私にとって非常に面白く強力なものでした。将来、重要なアプリケーションが生まれることは明らかでした。私はすぐにそれに没頭し、戻ることはありませんでした。

ENSでの博士号とMITでのポスドクを取得した後、Wolfram Researchに入社し、7年間機械学習の責任者を務めました。どのようなプロジェクトに取り組んだのですか?

私の好きなプロジェクトは、Wolfram Language（Mathematica）の自動機械学習関数の開発でした。最初のプロジェクトは、Classifyでした。データを入力すると、クラス分類器が返されます。機械学習は常に自動化されているべきです。人間の学生のハイパーパラメータを調整するのと同じように、機械のハイパーパラメータを調整する必要はありません。科学的およびソフトウェア工学的な観点から見ると、真正にロバストで効率的な自動機械学習関数を作成することは非常に課題でした。

高レベルのニューラルネットワークフレームワークを作成することも非常に面白いプロジェクトでした。ニューラルネットワークをシンボリックに表現する方法、視覚化する方法、操作する方法（例えば、部分を切り取ったり、他の部分を接着したり、層を置き換えたりする）について、多くの難しい設計上の決定を下す必要がありました。私たちは、ある程度の成功を収めたと思います。もしオープンソースであれば、多くの人が利用するでしょう；）

その間、機械学習の分野で非常に重要な書籍「Introduction to Machine Learning」を著しました。書籍を書く上で、どのような課題に直面しましたか?

多くの課題がありました！書籍を書くのに2年かかりました。私は「どうやって」本を書くだけの「本」を書くことができたのですが、ウォルフラムでの私の旅は機械学習を学ぶことについてでした。私はそれを伝える必要を感じました。主な困難は、どの話題について話すか、どのような順序で話すか、そしてそれを面白く理解しやすくする方法を決めることでした。次に、教育的な詳細がありました。どの概念について数学の式を使うべきか、コードを使うべきか、または単に視覚化するべきか。私はこの本をできるだけアクセスしやすくしたいと思いましたが、それは私にとって多くの頭痛のタネでした。全体的には結果に満足しています。多くの人に役立つことを願っています！

NuMindの創設ストーリーを共有してください。

はい。私は2012年からスタートアップを創設したいと思っていましたが、ウォルフラムでの仕事が面白すぎて、創設することはできませんでした。2019年から2020年頃、最初の大規模な言語モデル（LLM）が登場し始めました。GPT-2やGPT-3などです。彼らがテキストを理解し、生成する能力に私は驚かされました。同時に、NLPモデルを作成するのがどれほど難しいかも理解しました。アノテーションチームを扱ったり、専門家が多くの実験を行ったりする必要がありました。LLMを使用してNLPモデルの作成を劇的に改善するツールを作成する必要があると思いました。私の共同創設者であるサミュエル（彼は私の従兄弟です）は、私と同じビジョンを共有し、ツールを作成することにしました。

NuMindの目標は、機械学習と人工知能を使用することを広めることです。現在、どのようなツールが利用可能ですか?

はい。私たちの最初のツールは、カスタムNLPモデルを作成するためのものです。例えば、ユーザーのフィードバックから感情を分析したいとします。オフザシェルフのモデルを使用することは一般的に良くありません。なぜなら、モデルは異なるデータで訓練されており、少し異なるタスクに適合しているからです。代わりに、ユーザーのデータに適合するカスタムモデルを訓練する必要があります。私たちのツールは、非常に簡単で効率的な方法でそれを行うことを可能にします。基本的に、データをロードし、少量のアノテーションを実行し、API経由でデプロイできるモデルを取得します。これは、LLMと私たちがInteractive AI Developmentと呼ぶ新しい学習パラダイムを使用することで可能です。

最初のNuMind顧客から開発されたカスタムモデルについて教えてください。

いくつかの感情分析器がありました。例えば、クライアントは依存症と闘う人々が互いに助け合うチャットグループの感情を監視しています。この分析は、感情が低下している場合に介入するために必要です。別のクライアントは、特定の履歴書に最も適した仕事の募集を見つけるために私たちのツールを使用しています。私は、これらのマッチメイキングAIには多くの潜在性があると思います。医療文書や法的な文書から情報を抽出する顧客もいます。

企業がNuMindのツールを使用することで、どれくらいの時間を節約できますか?

それはアプリケーションによって異なりますが、従来のソリューション（データをラベル付けしてモデルを訓練する）と比較して、最大10倍の速度向上が見込めます。製品を開発し続けるにつれて、この数値は改善するはずです。最終的には、数ヶ月かかっていたプロジェクトが数日で完了し、パフォーマンスも向上するでしょう。

NuMindのInteractive AI Developmentについて説明してください。

Interactive AI Developmentのアイデアは、人間が互いに教え合う方法から生まれました。例えば、メールを分類するためにインターンを雇ったとします。まず、タスクとその目的について説明します。次に、いい例やコーナーケースをいくつか示します。次に、インターンはメールの分類を開始し、会話が始まります。インターンは「このメールをどう分類するべきか？」や「新しいラベルを作成するべきか？」などの質問をします。同様に、インターンに質問をして、彼らの知識のギャップを特定して修正することができます。このような教え方は非常に自然で、情報交換の観点から見ると非常に効率的です。私たちは、人間が機械を効率的に教えるために、このワークフローを模倣しようとしています。

技術的な観点から見ると、このワークフローは、人間と機械の間で低遅延、高帯域幅、多モーダル、双方向のコミュニケーションです。私たちはこれをInteractive AI Developmentと呼んでいます。双方向性と低遅延性を強調するためにです。我々はこれを、プログラミングの古典的な方法や機械学習（コンピューターにタスクの例を与えて何をすべきかを理解させる）に続く、機械を教えるための3番目のパラダイムと見ています。

この新しいパラダイムは、LLMによって解放されます。実際、機械にすでに何らかの知能がある必要があります。そうすれば、効率的にそれとやり取りすることができます。我々は、このパラダイムが近い将来に一般的になることを予想しています。チャットベースのLLMや私たちのツールでそれを垣間見ることができます。

我々は、このパラダイムをNLPタスクの開発に適用していますが、これは将来的にソフトウェアの開発にも使用されるでしょう。

NuMindについてさらに共有したいことはありますか?

もしかしたら、NuMindは機械学習の専門家でも非専門家でも使用できるツールであること、NuMindにアクセスしてください。多言語対応であり、モデルを所有でき、データはマシンに残ることができるからです。

現在、私たちはプライベートベータ版の段階にあるため、NLPのニーズがある場合は、ご相談ください。

素晴らしいインタビュー、ありがとうございました。詳しく知りたい読者は、NuMindを訪れてください。