마이크 캡스, 다이브플레인 공동 창립자 및 CEO – 인터뷰 시리즈

마이크 캡스 박사는 유명한 기술자이며 다이브플레인 코퍼레이션의 CEO입니다. 다이브플레인을 공동 창립하기 전에 마이크는 에픽 게임즈의 사장으로서 비디오 게임 산업에서 전설적인 경력을 쌓았습니다. 에픽 게임즈는 포트나이트와 기어즈 오브 워와 같은 블록버스터 게임을 제작했습니다. 그의 임기 동안 그는 100개의 게임 오브 더 이어 상을 수상했으며, 수십 개의 컨퍼런스 키노트를 진행했으며, 미국 최고법원에서 비디오 게임에 대한 자유로운 발언을 성공적으로 옹호했습니다.

다이브플레인은 여러 산업에서 AI 기반 비즈니스 솔루션을 제공합니다. 6개의 특허가 승인되었으며 다이브플레인의 이해할 수 있는 AI는 윤리적인 AI 정책과 데이터 개인정보 보호 전략을 지원하기 위한 완전한 이해와 의사결정 투명성을 제공합니다.

비디오 게임 산업에서 성공적인 경력을 누린 후 다이브플레인에서 AI에 집중하기로 결정한 이유는 무엇인가요?

게임을 만드는 것은 재미있었지만 – 적어도 당시에는 – 새로운 가족을 둔 상태에서 이상적인 경력은 아니었습니다. 저는 이사회와 자문 역할로忙했습니다. 그러나 그것은 충분히 만족스럽지 않았습니다. 그래서 저는 세 가지 주요 문제를 해결할 수 있는 목록을 만들었습니다. 그 목록에는 블랙박스 AI 시스템의 확산이 포함되어 있었습니다. 저의 계획은 각 문제에 대해 1년씩 시간을 할애하는 것이었지만, 몇 주 후에, 저의 지능적인 친구 크리스 헤이저드가 투명하고 완전히 설명 가능한 AI 플랫폼을 비밀리에 개발하고 있다고 저에게 말해주었습니다. 그리고 여기 있습니다.

다이브플레인은 AI에 인간성을 불어넣는 것을 목표로 설립되었습니다. 이것이 무엇을 의미하는지 구체적으로 설명해 주시겠습니까?

여기서 인간성은 인간적인 것 또는 동정심을 의미합니다. AI 모델에 인간의 최고를 담아야 합니다. 단순히 훈련하고 테스트하고 모든 것이 괜찮다고 생각해서는 안 됩니다.

입력 데이터, 모델 자체, 모델의 출력을 신중하게 검토해야 하며, 그것이 인간의 최고를 반영하는지 확인해야 합니다. 대부분의 시스템은 역사적 또는 실제 데이터에 훈련되기 때문에 처음부터 올바르거나 편향되지 않은 것은 아닙니다. 우리는 모델에서 편향을 제거하는唯一한 방법은 투명성, 감사 가능성, 인간이 이해할 수 있는 설명의 조합이라고 믿습니다.

다이브플레인의 핵심 기술은 REACTOR입니다. 이것이 기계 학습을 설명할 수 있는 새로운 접근법인 이유는 무엇입니까?

기계 학습은 일반적으로 특정 유형의 결정에 대한 모델을 구축하는 것을 포함합니다. 결정은 차의 바퀴를 돌리는 각도, 구매 또는 사기를 승인 또는 거부하는지, 또는 누군가에게 제품을 추천하는지 여부일 수 있습니다. 모델이 결정에 도달하기 위해 무엇을 했는지 배우려면, 모델에게 여러 번 비슷한 결정에 대해 묻고 다시 시도하여 모델이 실제로 무엇을 했는지 예측하려고 해야 합니다. 기계 학습 기술은 제공할 수 있는 통찰력의 유형에 제한되거나, 통찰력이 모델이 실제로 무엇을 했는지 반영하는지 여부에 제한되거나, 정확도가 낮을 수 있습니다.

REACTOR를 사용하는 것은 다릅니다. REACTOR는 데이터의 불확실성을 특성화하며, 데이터가 모델이 됩니다. 결정 유형마다 모델을 하나씩 구축하는 대신, REACTOR에게 무엇을 결정하도록 요청하면 됩니다. REACTOR는 데이터가 필요하고, 결정과 관련된 모든 불확실성, 반事実적 추론, 그리고 거의 모든 추가 질문에 대한 답변을 제공할 수 있습니다. 데이터가 모델이므로 데이터를 편집하면 REACTOR가 즉시 업데이트됩니다. 결정에 사용된 데이터가 이상하거나 결정의 원인이 무엇인지 보여줄 수 있습니다. REACTOR는 모든 작업에서 확률 이론을 사용하므로, 모든 부분의 측정 단위를 알 수 있습니다. 그리고 결정에 사용된 데이터와 불확실성을 사용하여 결정의 유효성을 검증할 수 있습니다.

REACTOR는 작은 데이터 세트와 희소한 데이터 세트에서 특히 경쟁력 있는 정확도를 유지하면서 모든 것을 수행할 수 있습니다.

GEMINAI는 데이터셋의 디지털 쌍을 구축하는 제품입니다. 이것이 구체적으로 무엇을 의미하는지, 어떻게 데이터 개인정보를 보장하는지 설명해 주시겠습니까?

GEMINAI에 데이터셋을 입력하면, 데이터의 통계적 모양에 대한 깊은 지식을 구축합니다. 원본 데이터와 구조가相同하지만, 모든 레코드는 새로 생성됩니다. 통계적 모양은 동일합니다. 예를 들어, 원본 데이터와 합성 데이터의 평균 心率은 거의 동일할 것입니다. 따라서, 원본 데이터와 동일한 답변을 제공하는 데이터 분석과 기계 학습 모델 훈련을 위해 합성 데이터를 사용할 수 있습니다.

원본 데이터에 레코드가 있는 경우, 합성 데이터에는 해당 레코드가 없습니다. 우리는 이름을 제거하는 것뿐만 아니라, 원본 데이터와 합성 데이터에서 해당 레코드와 유사한 레코드가不存在하도록합니다. 즉, 정보 공간에서 원본 데이터와 합성 데이터에서 해당 레코드와 유사한 레코드가 없습니다.

따라서, 합성 데이터셋을 훨씬 더 자유롭게 공유할 수 있으며, 기밀 정보를 부적절하게 공유하는 위험이 없습니다. 이는 개인 금융 거래, 환자 건강 정보, 기밀 데이터 등에 관계없이 통계적 모양이 기밀이 아닌 경우, 합성 데이터셋도 기밀이 아닙니다.

GEMINAI는 차별적 개인정보 보호를 제공하는 방법은 무엇입니까?

차별적 개인정보 보호는 개인의 정보가 통계에 과도하게 영향을 미치지 않도록하는 기술의 집합입니다. 그러나, 차별적 개인정보 보호만을 사용하는 경우, 데이터에 대한 개인정보 보호 예산을 관리해야 하며, 충분한 노이즈를 추가해야 합니다. 예산이 사용되면, 데이터를 다시 사용할 수 없습니다.

GEMINAI는 이러한 문제를 해결합니다. GEMINAI는 데이터를 합성하여, 실제 데이터와 유사하지만, 개인의 정보를 포함하지 않는 데이터셋을 생성합니다. 이 합성 데이터셋은 실제 데이터와 동일한 통계적 모양을 가지며, 기계 학습 모델 훈련에 사용할 수 있습니다.

다이브플레인은 데이터 및 신뢰 앨라이언스를 공동 창립했습니다. 이것이 무엇을 의미하는지 설명해 주시겠습니까?

这是一个技术 CEO들의 훌륭한 그룹으로, 책임있는 데이터 및 AI 관행을 개발하고 채택하기 위해 협력합니다. IBM, 존슨앤드존슨, 마스터카드, UPS, 월마트, 다이브플레인과 같은 세계적 기업들이 있습니다. 우리는 초기 단계에서 이를 공동 창립한 것을 매우 자랑스럽게 생각하며, 우리가 함께한 이니셔티브에서 이루어진 작업에 대해 매우 자랑스럽게 생각합니다.

다이브플레인은 최근에 성공적인 시리즈 A 라운드를 마쳤습니다. 이것이 회사에 미치는 영향은 무엇입니까?

우리는 기업 프로젝트에서 성공을 거두었지만, 한 번에 하나의 기업을 변경하는 것은 어렵습니다. 우리는 이 지원을 사용하여 우리의 팀을 구축하고, 우리의 메시지를 공유하며, 이해할 수 있는 AI를 가능한 한 많은 곳에 도입할 것입니다!

(MA ) (WMT )

다이브플레인에 대해 더 공유하고 싶은 것이 있습니까?

다이브플레인은 AI가 확산됨에 따라 올바르게 진행되는 것을 보장하는 것입니다. 우리는 공정하고, 투명하고, 이해할 수 있는 AI에 대해 이야기하며, 결정에 대한 이유를 설명하며, AI의 “블랙박스” 사고를 벗어나고자 합니다. 우리는 설명 가능성이 AI의 미래이며, 이를 주도하는 데 중요한 역할을 하게 된 것을 기대합니다!

이 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 다이브플레인을 방문하십시오.