Marc Sloan, mede-oprichter en CEO van Scout – Interviewreeks

Marc Sloan is de mede-oprichter en CEO van Scout, de eerste webbrowserchatbot ter wereld, een digitale assistent voor het uitvoeren van taken online. Scout suggereert nuttige dingen die het voor u kan doen op basis van wat u online doet.

Wat trok u aanvankelijk aan bij AI?

Mijn eerste ervaring met AI was tijdens een tussenjaar dat ik doorbracht bij het natuurlijke taalverwerkingsonderzoeksteam van GCHQ tijdens mijn bachelor. Ik zag met eigen ogen de impact die machine learning op echte problemen kon hebben en het verschil dat het maakt.

Het activeerde een schakelaar in mijn hoofd over hoe computers kunnen worden gebruikt om problemen op te lossen: software engineering leert u programma’s te maken die gegevens verwerken en resultaten produceren, maar machine learning laat u gegevens verwerken en de resultaten beschrijven die u wilt produceren om een programma te maken. Dit betekent dat u hetzelfde kader kunt gebruiken om duizenden verschillende problemen op te lossen. Voor mij voelde dit veel meer impact hebben dan het schrijven van een programma voor elk probleem.

Ik studeerde al optimalisatieproblemen in de wiskunde naast informatica, dus toen ik terugkwam op de universiteit, richtte ik me op AI en voltooide mijn scriptie over spraakverwerking voordat ik me aanmelde voor een PhD in Information Retrieval aan de UCL.

U heeft onderzoek gedaan naar versterking van het leren in webzoekopdrachten onder supervisie van David Silver, de oprichter van AlphaGo. Kunt u enkele van deze onderzoeken bespreken?

Mijn PhD was gericht op het toepassen van versterking van het leren op leren om rangschikkingproblemen in informatieopname op te lossen, een veld dat ik hielp creëren en dat Dynamic Information Retrieval wordt genoemd. Ik werd begeleid door prof. Jun Wang en prof. David Silver, beiden experts in agent-gebaseerd versterkt leren.

Ons onderzoek keek naar hoe zoekmachines konden leren van gebruikersgedrag om zoekresultaten autonoom over tijd te verbeteren. Met behulp van een Multi-Armed Bandit-benadering zou ons systeem verschillende zoekresultaten proberen en klikgedrag verzamelen om te bepalen of ze effectief waren of niet. Het kon zich ook aanpassen aan individuele gebruikers over tijd en was bijzonder effectief in het omgaan met dubbelzinnige zoekopdrachten. Op dat moment richtte David zich diep op het Go-probleem en hij hielp me bij het bepalen van de juiste versterkte leeropstelling van staten en waardefunctie voor dit specifieke probleem.

Wat zijn enkele van de ondernemingslessen die u heeft geleerd van het werken met David Silver?

Onderzoek aan de UCL is vaak ondernemend. David had eerder Elixir Studios opgericht met Demis Hassabis en vervolgens DeepMind om aan Alpha Go te werken. Maar andere leden van onze Media Futures-onderzoeksgroep eindigden ook met het starten van verschillende startups: Jun richtte Mediagamma op (toepassing van RL op online advertentie-uitgaven), Simon Chan startte prediction.io (overgenomen door SalesForce) en Jagadeesh Gorla startte Jaggu (een aanbevelingsservice voor e-commerce). Ons team besprak vaak de commerciële impact die ons onderzoek kon hebben, denk ik misschien omdat de basis van de UCL in Londen een natuurlijk startpunt is voor het creëren van een bedrijf.

U heeft onlangs Scout gelanceerd, de eerste webbrowserchatbot ter wereld. Wat was de inspiratie achter het lanceren van Scout?

Het idee evolueerde natuurlijk uit mijn PhD-onderzoek. Ik ging rechtstreeks van het voltooien van mijn PhD naar Entrepreneur First, waar ik begon na te denken over hoe ik mijn onderzoek in een product kon omzetten.

Voordat ik dit deed, voltooide ik een stage bij Microsoft (MSFT ) Research, waar ik mijn onderzoek op Bing toepaste. Op dat moment leerde ik uit mijn onderzoek dat informatiezoekopdrachten voorspeld konden worden op basis van online gebruikersgedrag. Maar ik werd gefrustreerd omdat de enige echte manier om deze voorspellingen in een zoekmachine te laten zien door auto-suggest te verbeteren was. Dus begon ik na te denken over hoe de hele online ervaring van de gebruiker verbeterd kon worden met behulp van deze voorspellingen, niet alleen de zoekervaring.

Het was dit denken dat mij en mijn nieuwe mede-oprichter op Entrepreneur First ertoe bracht om een browser-add-on te creëren die gebruikersgedrag observeert, voorspelt wat de gebruiker waarschijnlijk online nodig heeft en het voor hen ophaalt. Na een paar jaar experimenteren en prototypen evolueerde dit in een chatbot-interface waarin de browser ‘praat’ met u over wat u online doet en probeert u op weg te helpen.

Met welke webbrowsers zal Scout compatibel zijn?

We richten ons op Chrome op dit moment vanwege de populariteit en de volwassen add-on-architectuur, maar we hebben prototypes die werken op Firefox en Safari en zelfs een mobiele app.

De Scout-winkelfunctie klinkt alsof het gebruikers zowel tijd als geld kan besparen. Als iemand een product op Amazon (AMZN ) onderzoekt, wat gebeurt er dan in de backend en hoe communiceert Scout met de gebruiker?

Het idee is dat u, zodra u Scout hebt geïnstalleerd, de webbrowser gewoon blijft gebruiken. Als u winkelt, bezoekt u misschien Amazon om producten te bekijken. Op dat moment herkent Scout dat u winkelt op Amazon en het product dat u bekijkt, en het zegt “Hallo”. Het verschijnt als een chatwidget op de webpagina, een beetje zoals Intercom werkt, behalve dat Scout op vrijwel elke webpagina kan verschijnen. U kunt zien hoe het eruitziet op mijn website.

Omdat u winkelt, zal het beginnen met het suggereren van manieren waarop het u kan helpen. Het zal vragen of u online recensies wilt zien, andere prijzen, YouTube-video’s van het product en meer. U communiceert door op knoppen te drukken en de chatbot past de ervaring aan aan wat u wilt dat het doet. Telkens wanneer het informatie vindt (zoals een YouTube-video), zal het deze in de chatthread embedden, net zoals een vriend media met u deelt op WhatsApp. Na verloop van tijd hebt u een gesprek met de browser over wat u online doet, met de browser die u op weg helpt.

De verwerking van de webpagina gebeurt binnen de browser zelf. De enige informatie die onze backend ziet, is de chatthread, wat betekent dat de privacy-implicaties minimaal zijn.

We hebben een op maat gemaakte architectuur voor het begrijpen van online browse-gedrag en het beheren van dialogen met de gebruiker. We gebruiken machine learning om te bepalen welke taken we online kunnen helpen en hoe we moeten helpen. Oorspronkelijk gebruikten we versterkt leren om ons aan te passen aan gebruikersvoorkeuren over tijd. Echter, een van de grootste lessen die ik heb geleerd van het runnen van een AI-startup, is om processen eenvoudig te houden en om alleen machine learning te gebruiken om een bestaand proces te optimaliseren. Dus in plaats daarvan hebben we nu een geavanceerde regelengine voor het beheren van taken over tijd die kan worden beheerd door versterkt leren zodra we moeten schalen.

Kunt u enkele voorbeelden geven van hoe Scout kan helpen bij evenementenplanning?

We realiseerden ons dat evenementenplanning (en reisboekingen) niet zo verschillend zijn van online winkelen. U kijkt nog steeds naar producten, leest recensies en gaat over tot aankoop/deelname. Dus veel van wat we hebben gebouwd voor winkelen, is ook van toepassing hier.

Het grootste verschil is dat tijd en locatie nu belangrijk zijn. Dus bijvoorbeeld, als u naar concertkaartjes op Ticketmaster kijkt, kan Scout het adres van de locatie identificeren en voorstellen om u richtingen van uw huidige locatie naar de locatie te vinden, of de prijs van een Uber, of voorstellen wanneer u moet vertrekken. Als u Scout hebt verbonden met uw agenda, kan Scout controleren of u beschikbaar bent op het tijdstip van het evenement en het toevoegen aan uw agenda.

In de toekomst voorzien we dat Scout-gebruikers in staat zullen zijn om met hun vrienden te communiceren via het platform om dingen te bespreken die ze online doen, zoals evenementenplanning, winkelen, werk enz.

Dialogue-triggers zullen worden gebruikt om Scout te laten communiceren. Wat zijn enkele van deze triggers?

Standaard zal Scout u niet storen, tenzij het een trigger tegenkomt die aangeeft dat u mogelijk hulp nodig heeft. Er zijn verschillende soorten triggers:

• Bezoek aan een specifieke website.
• Bezoek aan een type website (zoals nieuws, winkelen enz.).
• Bezoek aan een website met een bepaald type informatie (d.w.z. een adres, een video enz.).
• Klikken op links of knoppen op webpagina’s.
• Interactie met Scout door op knoppen te drukken
• Scout haalt bepaalde soorten media op, zoals video’s, muziek, tweets enz.

We plannen om gebruikers toe te staan om de soort triggers die Scout moet reageren op, te fine-tunen, en uiteindelijk, hun voorkeur automatisch te leren.

Kunt u enkele van de moeilijkheden bespreken die verbonden zijn aan het waarborgen dat Scout echt behulpzaam is wanneer het besluit om met een gebruiker te communiceren zonder irritant te worden?

We nemen gebruikersbetrokkenheid heel serieus en proberen te meten of interacties leidden tot positieve of negatieve resultaten. We proberen een goed verhouding te behouden tussen hoe vaak Scout probeert een gesprek te starten en hoe vaak het wordt gebruikt. Echter, het is een moeilijke balans om goed te krijgen en we proberen constant te verbeteren.

Vanwege de indringende aard van dit product, is het krijgen van de interface en UX recht cruciaal. We hebben veel tijd besteed aan het proberen van compleet verschillende interfaces en gebruikersinteractiemethoden. Dit werk heeft ons geleid tot de huidige chatbot-achtige interface, die we vinden geeft ons de meeste flexibiliteit in de hulp die we kunnen bieden, gekoppeld aan gebruikersfamiliariteit en minimale gebruikersinspanning voor interacties.

Kunt u enkele andere scenario’s geven van hoe Scout eindgebruikers kan helpen?

Ons focus op dit moment is het testen van specifieke toepassingen voor Scout. Winkelen en evenementenplanning zijn al genoemd, maar we kijken ook naar hoe Scout kan helpen bij academici (met het vinden van onderzoeksartikelen, auteurinformatie en referentienetwerken) en zelfs gitaristen (met het vinden van gitaarnoten, muziek en video’s naast bladmuziek online en het helpen bij het stemmen van een gitaar). We hebben ook enige tijd besteed aan het onderzoeken van professionele scenario’s zoals online werving, financiële analyse en recht.

Uiteindelijk kan Scout potentieel werken op elke website en helpen in elke scenario, wat het zo’n opwindende technologie maakt, maar het maakt het ook moeilijk om te beginnen.

Is er nog iets anders dat u zou willen delen over Scout?

Als u wilt zien wat het is alsof uw browser met u kan praten, kunt u meer lezen op de blog van Scout.

Bedankt voor de fascinerende kijk op het ontwerpen van een unite-type chatbot. We zijn enthousiast om dit project te volgen. Bezoek alstublieft de website van Marc Sloan om meer te leren.