James Kaplan, mede-oprichter en CEO van MeetKai – Interviewreeks

James Kaplan is de mede-oprichter en CEO van MeetKai, een AI-assistent die het leven gemakkelijker maakt door middel van conversatie, personalisatie en curatie.

U bent begonnen met programmeren toen u nog maar zes jaar oud was, wat u aanvankelijk zo enthousiast maakte over programmeren, en welke talen hebt u geleerd?

De aanleiding was het spel Oregon Trail dat was gebouwd voor Windows 95. Ik was eraan verslaafd en speelde het elke dag na school. Ik was in de eerste klas, dus er was niet veel anders te doen! Ik begon na te denken over alle dingen die ik zou willen veranderen aan het spel. Toen ik jonger was, kocht ik een exemplaar van “Game Programming for Teens”, een basisboek over programmeren in een lokale boekhandel. Ik was meteen aangetrokken en vergat snel mijn oorspronkelijke motivatie voor Oregon Trail. Maar ik hield altijd van spellen, en die fungeerden als mijn motivatie om nieuwe programmeertalen te leren. In de loop van de jaren leerde ik Visual Basic toen ik een bot voor NeoPets probeerde te schrijven (het werkte) en vervolgens PHP toen ik 12 was om dynamische websites te maken. Zelfs toen was mijn motivatie voor het leren van PHP om geld te verdienen om videospellen te kopen.

Uw vorige onderneming was het opereren van een op AI gebaseerd hedgefonds, wat hebt u van deze ervaring geleerd?

Mijn belangrijkste conclusie was om de notie te laten varen dat je niet kunt concurreren met reuzen in een overvolle markt. Het kan heel verleidelijk zijn om te denken dat, in de financiële wereld, alles wat winstgevend is al is ingenomen door een grote speler. Maar ik realiseerde me snel dat je je concurrenten niet moet overschatten. Luie en organisatorische inertie verhinderen nieuwe ideeën. Soms is een idee of campagne te niches voor een groter bedrijf. Verbazingwekkend genoeg kunnen ze ook denken dat iets te riskant is om te ontwikkelen, dus het is niet de moeite waard om buiten hun comfortzone te gaan.

Kunt u het verhaal achter het lanceren van de MeetKai AI-assistent delen?

Ik was het beu om in de financiële wereld te werken. Alles moest worden gemeten in termen van Sharpe-ratio en PnL’s. Het haalde veel van de lol uit de technologie, en het was ver verwijderd van wat me oorspronkelijk op het pad van programmeren had gebracht. In het najaar van 2018 sprak ik met Weili Dai, de mede-oprichter van MeetKai, over wat ik zag in het technologie landschap in het algemeen. Een van mijn belangrijkste observaties was dat de spraakassistentenmarkt was gestagneerd. Alle belangrijke spelers hielden vast aan oude benaderingen, en gebruikers profiteerden niet van de technologie. Niemand was bereid om nieuwe benaderingen te proberen, “omdat dat niet is hoe X het doet”. Er was geen differentiatie. Als ik van scratch begon en alle (nou ja, de meeste) vooropgezette noties over “hoe je een spraakassistent moet bouwen” weggooid, dan kon ik de gebruikerservaring fundamenteel veranderen. We begonnen met het bouwen van een echte AI-assistent in plaats van een spraakgestuurde chatbot. De lessen die ik had geleerd in mijn vorige onderneming, gecombineerd met de mentoring van Weili, leidden ertoe dat we MeetKai oprichtten.

Wat zijn enkele van de uitdagingen bij het bouwen van een AI-assistent?

Er zijn twee soorten problemen bij het bouwen van een echte AI-assistent – gebruikersverwachtingen en technische implementatie. Het eerste probleem wordt over het hoofd gezien, maar is van toepassing op MeetKai. Gebruikers zijn getraind in wat wel en niet binnen de grenzen van een spraakassistent valt. In het bijzonder gaan ze ervan uit dat ze op een commando-georiënteerde manier moeten zoeken. We werken eraan om gebruikers te trainen om op een natuurlijke taal te zoeken. Dat maakt het mogelijk om rijkere soorten functionaliteiten te hebben, zoals het gebruik van negaties “Vind me een film van Dwayne ‘The Rock’ Johnson die niet Moana is”. We kunnen dat perfect aan in het dagelijks leven, maar huidige spraakassistenten kunnen dat niet.

De tweede categorie uitdagingen is technisch. Dit manifesteert zich in twee subcategorieën – zoeken en begrijpen. Voor zoeken zijn we anders dan andere virtuele assistenten omdat we onze index van de inhoud onderhouden. Terwijl dit alle magie mogelijk maakt die ons next-gen maakt, brengt het met zich mee de uitdagingen van het runnen en onderhouden van een aangepaste spraak-eerst zoekmachine. Dit is een gebied waar we continu innoveren. Taalbegrip is het tweede gebied waar uitdagingen optreden bij het bouwen van een AI-assistent. Voor de meeste spraakassistenten zou dit betekenen dat ze Engelse tekst kunnen begrijpen. MeetKai begrijpt en ondersteunt 16 talen. Dit is niet 16 keer meer werk, omdat we multilinguale benaderingen gebruiken, maar het is nog steeds een aanzienlijke hoeveelheid meer dan “Engels eerst, Engels alleen”. Het is de moeite waard om de tijd te investeren, omdat het voor ons enorm belangrijk is dat MeetKai echt wereldwijd is.

Hoe gebruikt MeetKai gepersonaliseerde AI om zich te onderscheiden?

We gebruiken gepersonaliseerde AI op twee verschillende gebieden – begrijpen en zoeken.

Wanneer een gebruiker zegt: “Kun je me iets Chinees vinden vanavond?”, kan dat betekenen dat ze een Chinees recept, een Chinees restaurant of een Chinees programma willen kijken. Met onze gepersonaliseerde, diepe begrijping kunnen we het onderscheid maken en een resultaat voor de gebruiker bieden dat ze verwachten. Dit gebeurt allemaal zonder dat hun gegevens ooit het platform hoeven te verlaten.

We bakken personalisatie in de zoekfunctie zelf. Een van de grootste problemen waarmee andere virtuele assistenten te maken krijgen, is dat veel van de zoekopdrachten worden doorgegeven aan derde partijen. Wanneer je met een conventionele assistent naar een restaurant zoekt, wordt die zoekopdracht doorgegeven aan Yelp. Het nadeel daarvan is dat Yelp de gebruiker niet persoonlijk kent, en als ze dat wel doen, is het een privacyprobleem. Omdat MeetKai een first-party-app is, van begin tot einde, hebben we echte personalisatie.

Wat zijn enkele use cases voor MeetKai?

MeetKai’s doel is om de eerste AI-conciërge te zijn. We willen gebruikers helpen in hun dagelijks leven. We willen geen commando-georiënteerde assistent zijn. We ondersteunen geen functies zoals “volume omhoog”, “volume omlaag”, “30-seconden timer”, … je snapt het idee. Ik denk sterk dat die functies geen AI zijn, maar alleen spraakgestuurde invoer. Als je terugdenkt aan de dagen van AskJeeves, was het hele idee dat het je butler was, niemand zou ooit Google Assistant antropomorfiseren. Net zoals Apple’s Siri of Amazon’s Alexa zou willen zijn, maar niemand denkt aan hen als iets anders dan een app. We zijn nog in onze vroege stadia, maar we hebben alle noodzakelijke technologie gebouwd om onze drie tot vijf jaar roadmap naar een echte AI-assistent te voltooien.

Hoe kan de industrie voorkomen dat een AI-assistent vooroordelen introduceert of bestaande vooroordelen versterkt in een gebruiker?

Er is een delicate balans tussen het bieden van gepersonaliseerde resultaten en het niet creëren van vooroordelen. We hebben gezien wat er gebeurt als onderzoekers optimaliseren voor engagementmetingen op sociale media-platforms – het creëert vooroordeelbubbels. De eerste stap naar dit als industrie is om onze metrics en KPI’s opnieuw te bekijken. Bij MeetKai optimaliseren we voor een balans tussen doorklikken en nieuwheid van de doorklik. De AI moet veel meer worden beloond voor het vinden van een nieuwe resultaat dat in 30% van de gevallen wordt doorgelikt, in plaats van alleen het “top”-resultaat dat in 50% van de gevallen wordt doorgelikt. Maar deze aanpak heeft een vrij duidelijke valkuil bij diepere overweging. Wat als de resultaten die de AI oplevert alleen maar vooroordeelresultaten zijn voor de kleine bubbel van de gebruiker? We bouwen onze AI om in beide richtingen van de personalisatiezone van de gebruiker te duwen. Als een gebruiker vraagt om een lijst met artikelen over rundvlees, dan presenteren we hen in plaats van artikelen die overeenkomen met hun overtuigingen, artikelen die aan de rand of net buiten de rand van hun voorkeuren liggen. Dit kan een artikel over dierethiek en klimaatverandering zijn, evenals een artikel over de potentiële gezondheidsvoordelen van dierlijke vetten. De technische intuïtie voor de aanpak die we hebben genomen, is geworteld in de aanname dat het moeilijk is om AI te trainen om te bepalen of Y vooroordeel is, maar het is veel gemakkelijker om het te trainen om te weten dat X en Z op de randen van dezelfde zone als Y liggen.

Waar ziet u de toekomst voor AI-assistenten in 5 of 10 jaar?

AI-assistenten zullen meer en meer naar een first-party-gebaseerde aanpak gaan, zoals MeetKai heeft. Gedurende hun hele bestaan hebben Alexa en Google geprobeerd om een ecosysteem van derde partijen en vaardigheden te cultiveren. Dit leidt tot enkele serieuze problemen op het gebied van privacy. Bovendien zegt dit niets over de bovengrenzen die het stelt aan functionaliteiten. Ik verwacht dat meer industrie spelers de aanpak die we hebben genomen, zullen overnemen, en er zijn tekenen van dit over de hele linie.

Bedankt voor het geweldige interview, lezers die meer willen leren over deze gepersonaliseerde AI-assistent, moeten MeetKai bezoeken.