Marc Sloan, Scout의 공동 창립자 및 CEO – 인터뷰 시리즈

Marc Sloan은 세계 최초의 웹 브라우저 챗봇인 Scout의 공동 창립자 및 CEO입니다. Scout는 온라인에서 모든 것을 처리할 수 있는 디지털 어시스턴트로, 사용자가 온라인에서 무엇을 하는지에 따라 유용한 일을 제안합니다.

당신은 처음으로 AI에 관심을 갖게 된 계기는 무엇인가?

제 첫 번째 AI 경험은 GCHQ의 자연어 처리 연구 팀에서 간격 년 동안 일하면서 시작되었습니다. 그때私は 기계 학습이 실제 문제에 미치는 영향과 차이를 직접 볼 수 있었습니다.

그것은 내 마음속에 컴퓨터를 사용하여 문제를 해결하는 방식에 대한 스위치를.flip했습니다. 소프트웨어 엔지니어링은 데이터를 입력받고 결과를 생산하는 프로그램을 생성하는 방법을 가르치지만, 기계 학습은 데이터를 입력받고 결과를 생성하는 프로그램을 생성하는 방법을 가르칩니다. 즉, 동일한 프레임워크를 사용하여 수천 개의 다른 문제를 해결할 수 있습니다. 제가 이미 최적화 문제를 수학에서 연구하고 있었기 때문에, 대학에 돌아간 후에 AI에 집중하고 음성 처리에 대한 논문을 작성하기 전에 UCL에서 정보 검색에 대한 박사 학위를 신청했습니다.

David Silver의 지도 아래 웹 검색에서 강화 학습을 연구했습니다. 이 연구에 대해 논의해 볼 수 있나요?

제 박사 학위는 정보 검색에서 순위 학습 문제에 강화 학습을 적용하는 것에 관한 것이었습니다. 제가 도움을 준 분야는 다이나믹 정보 검색입니다. 저는 Jun Wang 교수와 David Silver 교수의 지도 아래 연구를 진행했습니다. 두 분 모두 에이전트 기반 강화 학습의 전문가입니다.

우리의 연구는 검색 엔진이 사용자 행동에서 학습하여 검색 결과를 자동으로 개선하는 방법을 조사했습니다. 다중 무기 방식으로, 우리의 시스템은 다양한 검색 순위를 시도하고 클릭 행동을 수집하여 그것들이 효과적인지 여부를 결정했습니다. 또한 개별 사용자에게 적응할 수 있었으며 모호한 검색 쿼리에 특히 효과적이었습니다. 당시 David는 고 문제에 깊이 집중하고 있었고, 그는 이 특정 문제에 대한 적절한 강화 학습 설정을 결정하는 데 도움을 주었습니다.

David Silver와 함께 일하면서 얻은 기업가 정신의 교훈은 무엇인가?

UCL의 연구는 종종 기업가적입니다. David는 이전에 Demis Hassabis와 함께 Elixir 스튜디오를 설립했으며 이후 DeepMind에 합류하여 Alpha Go를 개발했습니다. 우리의 미디어 퓨처스 연구 그룹의 다른 회원들도 다양한 스타트업을 설립했습니다. Jun은 미디어감마(Mediagamma)를 설립했으며, Simon Chan은 prediction.io를 설립하여 SalesForce에 인수되었습니다. Jagadeesh Gorla는 Jaggu를 설립했습니다. 우리 팀은 종종 우리의 연구가 가질 수 있는 상업적 영향을 논의했습니다. 저는 شاید 이것이 UCL이 런던에 위치해 있기 때문에 자연스러운 출발점이기 때문이라고 생각합니다.

최근에 Scout, 세계 최초의 웹 브라우저 챗봇을 출시했습니다. Scout를 출시한 영감은 무엇인가?

이 아이디어는 자연스럽게 제 박사 학위 연구에서 발전했습니다. 저는 바로 박사 학위를 마친 후 Entrepreneur First에 합류하여 제 연구를 제품으로 어떻게 전환할 수 있을지 생각하기 시작했습니다.

그 전에 저는 Microsoft Research에서 인턴으로 일하면서 제 연구를 Bing에 적용했습니다. 당시 제가 배운 가장 중요한 것은 정보 찾기가 온라인 사용자 행동에 따라 예측될 수 있다는 것이었습니다. 그러나 저는 실제로 검색 엔진에서 이러한 예측을 표면화하는 유일한 방법은 자동 제안을 개선하는 것이라는 사실에 실망했습니다. 그래서 저는 사용자의 전체 온라인 경험을 이러한 예측을 사용하여 어떻게 개선할 수 있는지 생각하기 시작했습니다.

이러한 생각이 저와 제 새로운 공동 창립자를 Entrepreneur First에서 Scout를 만들게 되었습니다. Scout는 브라우저 애드온으로, 사용자 행동을 관찰하고 사용자가 온라인에서 무엇을 하는지 예측하며 필요한 정보를 가져옵니다. 몇 년간의 실험과 프로토タイプ 개발을 거친 후, 이것은 브라우저가 사용자와 대화하는 챗봇 인터페이스로 발전했습니다.

Scout는 어떤 웹 브라우저와 호환될 것인가?

현재 우리는 Chrome에 집중하고 있습니다. Chrome은 가장 인기 있는 웹 브라우저이며 성숙한 애드온 아키텍처를 가지고 있기 때문입니다. 그러나 우리는 Firefox와 Safari에서 작동하는 프로토タイプ를 가지고 있으며,甚至 모바일 앱도 있습니다.

Scout의 쇼핑 어시스턴트 기능은 사용자에게 시간과 돈을 절약할 수 있을 것 같습니다. Amazon에서 제품을 검색하는 경우, 백엔드에서 무슨 일이 발생하는지, 그리고 Scout가 사용자와 어떻게 상호 작용하는지 설명해 주시겠습니까?

아이디어는 Scout를 설치한 후에 웹을 일반적으로 사용하는 것입니다. 쇼핑을 하는 경우, Amazon에서 제품을 볼 수 있습니다. 이 시점에서, Scout는 Amazon에서 쇼핑을 하고 있는 제품을 인식하고, “안녕하세요”라고 말합니다. 이것은 웹페이지에 채팅 위젯으로 나타납니다. Intercom과 유사하지만, Scout는 потен적으로 모든 웹페이지에서 나타날 수 있습니다.

쇼핑을 하는 경우, Scout는 도움을 줄 수 있는 방법을 제안합니다. 제품에 대한 리뷰, 다른 가격, YouTube 비디오 등을 보려는지 물어볼 것입니다. 사용자는 버튼을 누르는 방식으로 상호 작용하며, 챗봇은 사용자가 원하는 것을 하도록 경험을 맞춥니다. Scout가 정보(예: YouTube 비디오)를 찾으면, 그것을 채팅 스레드 내에 삽입합니다. 사용자는 브라우저와 온라인에서 무엇을 하는지에 대해 대화를 나눕니다.

웹페이지 처리는 브라우저 내에서 발생합니다. 백엔드는 채팅 스레드만 볼 수 있으므로, 개인 정보 보호 영향은 최소화됩니다.

우리는 온라인 브라우징 행동을 이해하고 사용자와 대화를 관리하는 데 사용되는 고유한 아키텍처를 가지고 있습니다. 우리는 사용자에게 도움을 줄 수 있는 작업을 식별하고, 어떻게 도움을 줄 수 있는지 결정하는 데 기계 학습을 사용합니다. 처음에는 사용자 선호도에 따라 시간이 지남에 따라 적응하기 위해 강화 학습을 사용했습니다. 그러나 저가 운영하는 AI 스타트업에서 배운 가장 큰 교훈 중 하나는 프로세스를 간단하게 유지하고 기계 학습을 사용하여 기존 프로세스를 최적화하는 것만으로 제한하는 것입니다. 따라서 우리는 규칙 엔진을 사용하여 시간이 지남에 따라 작업을 처리하며, 필요할 때 강화 학습으로 확장할 수 있습니다.

Scout가 이벤트 계획을 도와주는 예는 무엇인가?

우리는 이벤트 계획과 온라인 예약이 쇼핑과 크게 다르지 않다는 것을 깨달았습니다. 여전히 제품을 보고, 리뷰를 읽고, 구매/참석을 결정합니다. 따라서 우리는 쇼핑을 위해 구축한 많은 것이 여기에서도 적용됩니다.

가장 큰 차이점은 시간과 위치가 중요하다는 것입니다. 예를 들어, Ticketmaster에서 콘서트 티켓을 보는 경우, Scout는 장소의 주소를 식별하고, 현재 위치에서 장소까지의 길을 찾거나, Uber의 가격을 찾거나, 출발할 시간을 제안할 수 있습니다. 사용자가 Scout를 캘린더에 연결한 경우, Scout는 이벤트 시간에 사용자가 사용 가능한지 확인하고, 사용자의 캘린더에 추가할 수 있습니다.

미래에는 Scout 사용자가 친구와 온라인에서 하는 일(예: 이벤트 계획, 쇼핑, 작업 등)에 대해 플랫폼을 통해 대화할 수 있을 것입니다.

Scout가 사용자와 통신을 시작하는 대화 트리거는 무엇인가?

기본적으로, Scout는 사용자를 방해하지 않습니다. 그러나 트리거가 발생하면 사용자에게 도움이 필요할 수 있습니다. 트리거에는 다음이 있습니다:

• 특정 웹사이트를 방문합니다.
• 특정 유형의 웹사이트(예: 뉴스, 쇼핑 등)를 방문합니다.
• 주소, 비디오 등 특정 유형의 정보를 포함하는 웹사이트를 방문합니다.
• 웹페이지의 링크나 버튼을 클릭합니다.
• Scout와 상호 작용하여 버튼을 누릅니다
• Scout가 특정 유형의 미디어(예: 비디오, 음악, 트윗 등)를 가져옵니다.

우리는 사용자가 Scout가 응답할 트리거 유형을 미세하게 조정할 수 있도록 할 계획이며, 궁극적으로는 자동으로 사용자의 선호도를 학습할 것입니다.

Scout가 사용자와 상호 작용할 때真正로 도움이 되도록 하면서도 사용자를 방해하지 않도록 하는 어려움에 대해 논의해 볼 수 있나요?

우리는 사용자 참여를 매우 중요하게 생각하며, 사용자와의 상호 작용이 긍정적이거나 부정적인 결과로 이어지는지 측정하려고 노력합니다. 우리는 Scout가 대화 시작을 시도하는 빈도와 사용 빈도之间의 良好한 비율을 유지하려고 합니다. 그러나 이것은 올바르게 얻는 것이 어려운 균형입니다. 우리는 항상 개선하려고 노력하고 있습니다.

이 제품의 침습적인 성질로 인해, 인터페이스와 UX를 올바르게 얻는 것이 중요합니다. 우리는 완전히 다른 인터페이스와 사용자 상호 작용 방법을 시도하는 데 많은 시간을 보냈습니다. 이 작업은 현재의 챗봇 스타일 인터페이스로 이어졌습니다. 이것은 우리에게 가장 큰 유연성을 제공하며, 사용자에게는 최소한의 노력이 필요합니다.

Scout가 최종 사용자를 도울 수 있는 다른 시나리오는 무엇인가?

현재 우리의重点은 Scout의 특정 응용 프로그램에 대한 시장 테스트입니다. 쇼핑과 이벤트 계획이 이미 언급되었습니다. 그러나 우리는 또한 Scout가 학자(온라인 연구 논문, 저자 정보, 참조 네트워크 찾기에서)를 도와줄 수 있는 방법과, 기타 기타(기타 시트 뮤직, 음악 재생 및 온라인 시트 뮤직과 함께 비디오 재생, 기타 튜닝 도움 등에서)를 도와줄 수 있는 방법을 조사하고 있습니다. 우리는 또한 온라인 채용, 재무 분석 및 법률과 같은 전문 시나리오를 탐색했습니다.

궁극적으로, Scout는 모든 웹사이트에서 작동할 수 있으며, 모든 시나리오에서 도움을 줄 수 있습니다. 이것이 기술이 매우 흥미롭지만, 시작하기 어렵게 만드는 것입니다.

Scout에 대해 더 공유하고 싶은 것이 있나요?

Scout의 블로그에서 브라우저가 사용자와 대화할 수 있는 모습을 볼 수 있습니다.

유니트형 챗봇을 설계하는 것에 대한 관심진진한 이야기를 감사합니다. 우리는 이 프로젝트를 따라가기를 기대합니다. 더 많은 정보를 알고 싶다면 Marc Sloan의 웹사이트를 방문하세요.