Dr. Lingjia Tang, CTO og medgrunnlegger, Clinc – Intervju-serie

Dr. Lingjia Tang, CTO og medgrunnlegger av Clinc, er professor i datavitenskap ved University of Michigan. Dr. Tangs forskning på å bygge store produksjonsinfrastrukturer for intelligente applikasjoner er bredt anerkjent og respektert i den akademiske samfunnet. I tillegg til å ha arbeidet i både Microsoft og Google, mottok Lingjia sin PhD i datavitenskap fra University of Virginia. Lingjia har nylig mottatt prestisjefylte priser, inkludert ISCA Hall of Fame, Facebook Research Awards og Google Research Award.

Hva var det som først tiltalte deg til AI? Når oppdaget du at du ønsket å starte et AI-selskap?

I midten av 2000-tallet utførte jeg forskning rundt store skala systemer som støtter ulike applikasjoner og hvordan vi kan designe servere som et programvaresystem for å kjøre disse applikasjonene mer effektivt. På den tiden skiftet vi fra å arbeide med tradisjonelle web-applikasjoner til mer maskinlæring-drevne funksjoner. Det var da jeg begynte å merke meg algoritmene assosiert med AI og fikk interesse for å forstå hvordan AI-applikasjoner fungerer. Snart etter bestemte forskningsteamet jeg arbeidet med å bygge våre egne AI-applikasjoner som benchmark for å studere, noe som ledet til at vi publiserte våre første forskningsartikler og utviklet vårt første produkt, Sirius – en åpen slutt-til-slutt tale- og visjon personlig assistent.

Som åpen kildekode-programvare tillot Sirius folk å bygge konversasjonelle virtuelle assistenter på egen hånd. På den tiden var dette en svært begrenset funksjonalitet for allmennheten og var stort sett kontrollert av store selskaper som Google og Apple. Men vi så at vi fylte en kritisk lukke når vi lanserte programvaren og så at den hadde titusener av nedlastinger i den første uken! Det var vendepunktet der vi visste at det var stor etterspørsel etter denne type programvare.

I 2015 lanserte vi Clinc med tanken på at vi skulle kunne gi alle – hver enkelt utvikler, selskap, person – som ønsker å bygge en virtuell assistent, tilgang til ekspertise, verktøy og innovasjon for å kunne gjøre det.

Clinc tilbyr konversasjonelle AI-løsninger uten å være avhengig av nøkkelord eller skript. Kan du gå inn i noen detaljer om hvordan dette oppnås? Hva er noen av de største utfordringene innen Naturlig Språkbehandling (NLP) som måtte overvinnes?

Hva som virkelig skiller Clinc fra andre konversasjonelle AI-plattformer på markedet, er de underliggende AI-algoritmene som muliggjør “en person i rommet”-opplevelsen, som forstår uordentlig og uskrevet språk. Dette tillater korreksjoner for å gå tilbake og “helbrede” feil i menneskelig samtale og muliggjør komplekse konversasjonsstrømmer – samtaler som en virkelig person ville kunne forstå. I motsetning til en tale-til-tekst ord-matching algoritme, analyserer Clinc dusinvis av faktorer fra brukerens innputt, inkludert ordvalg, mening, intensjon, tone, tid på dagen, plassering og relasjoner, og bruker disse faktorene til å levere et svar som representerer en kompositt av kunnskap utvunnet fra dens trente hjjerne. For eksempel, hvis jeg spør min virtuelle assistent: “Hvor mye penger brukte jeg på en burger?” må den forstå at jeg spør om penger og utgifter, at jeg spør spesifikt om en hamburger og at en hamburger er en type mat som skal matches til mine nylige utgifter på en restaurant.

Å oppnå dette nivået av forståelse er ikke enkelt. Generelt ville vi bryte ned konversasjonell AI i to komponenter: Naturlig Språkforståelse (NLU) og dialogstyring. Så utfordringen vi måtte overvinne var å finne ut hvordan vi kunne bygge et system som kan trekke ut nøkkelinformasjon nøyaktig og kan forutse hva brukeren spør om.

Vi kan gjøre dette gjennom sofistikert, kontekstuell, topp-ned NLU, som er trent for å være intuitiv i naturen for å holde tritt med den naturlige flyten av samtale, forstå slang og kontekst. Dette er i sammenligning med konkurranse løsninger som har en topp-ned, regelbasert tilnærming til Naturlig Språkbehandling (NLP) som ikke tillater konversasjonell helbredelse, det vil si at hvis kunden gjør en feil, må konkurranse løsningene gå tilbake til starten, noe som bare ødelegger brukerens tid og frustrerer dem. Vi bruker også crowdsourcing for å trekke ut vår språkdata for å skape en rikere, mer diversifisert datamengde som kan brukes umiddelbart til å trene AI-modeller.

Kan du diskutere hvordan dyp læring brukes i Clinc AI-systemet?

Clinc bruker en hybridtilnærming til dyp læring hvor vi bruker den tradisjonelle gamle skolen modellen til en viss grad og utnytter dyp læring der det er nødvendig. Spesifikt bruker vi dyp læring for å forstå ord og språk for å bestemme dialogflyten. Generelt er vår hele dialog en kombinasjon av dyp læring og symbolsk AI. Vi bruker ikke dyp læring for språkgenerering ennå, fordi når det gjelder våre kunder, som hovedsakelig er i banknæringen, er det mange regler som den virtuelle assistenten må følge som dikterer hva de kan og ikke kan si til kundene sine. Så det er fortsatt mye usikkerhet rundt om dyp læring vil være i stand til å følge disse språkrestriksjonene.

For øyeblikket tror jeg ikke at konversasjonell AI-samfunnet er fullstendig klart til å fullt ut adoptere dyp læring, mens den akademiske samfunnet er 100% med. Men jeg ser frem til å se hva de nye modellene kan gjøre.

Hva er prosessen for et selskap som ønsker å tilpasse AI-responsene for å nå et spesifikt publikum? Kan du gi noen eksempler på hvordan Clinc for tiden brukes av kunder?

Vi tillater kunder å enten lisensiere en plattform de kan bygge på som de ønsker, eller ta vår fullt bygde og trente chatbot, Finie, og tilpasse den og integrere den i deres apper eller meldingstjenester. Finie kan håndtere saker relatert til saldoer, transaksjoner, utgiftshistorikk, å finne en minibank, å overføre penger og mer.

Mit favoritt eksempel på hvordan en kunde har tilpasset Clincs AI for å nå et spesifikt publikum er İşbank. Som Tyrkias største private bank, vendte de seg til oss for å utvikle deres digitale bankassistent, Maxi, i 2018. For å fylle Maxi med en unik personlighet, holdt İşbank 14 fokusgrupper for å måle hva slags egenskaper og ferdigheter bankkunder ville ønske i en virtuell assistent. De hyret også en stemmeskuespiller for å resitere setninger på tyrkisk relatert til bankoppgaver. İşbanks konversasjonelle bankteam kom opp med disse setningene ved å vurdere hvordan virkelige mennesker ville uttrykke sine behov. På vår anbefaling, betalte teamet deltakere på crowdsourcing-markedssteder som Amazon Mechanical Turk for å levere forskjellige måter de kunne uttrykke de samme spørsmålene, som for eksempel en forespørsel om å vise saldoen (“hva er min saldo”, “hvor mye penger har jeg på kontoen”, “vis meg kontant på kontoen”) eller betale en regning (“betale min regning”, “regning betaling”).

Dette eksemplet viser virkelig hvor mye İşbank er investert i å tilby en digital bankassistent for å hjelpe kundene sine bedre å navigere i sine konti. Med Clinc, lanserte İşbank Maxi til over 7,5 millioner mennesker, på tyrkisk. Siden lanseringen har İşbank sett en vidt utbredt adopsjon av over 5,5 millioner brukere, med en gjennomsnittlig på 9,8 interaksjoner per bruker. I de siste månedene, da COVID-19-tilfeller økte i Tyrkia, trente İşbank raskt Maxi for å være responsiv på COVID-19-relaterte spørsmål. Siden mars 2020 har Maxi svart på over 1,2 millioner kundespørsmål relatert til COVID-19, en økning på over 62% i bruk.

Hva ville du si til kvinner som er interessert i å lære mer om AI, men er nølende med å bli involvert på grunn av at det er et mannlig dominert felt?

Uten å nøle, tror jeg ikke det finnes noen grunn til at AI anses som et mannlig dominert felt. Jeg tror det finnes mange kvinnelige pionerer i AI som gjør svært godt og har en innvirkning. Jeg tror AI kombinert med sosial politikk er et unikt område som har potensial til å ha en stor innvirkning på folks daglige liv. Dette er et område der jeg tror mer diverse innsikt over hele linjen ville være til stor nytte, spesielt siden det er mange samtaler om AI-forbias relatert til rase og kjønn. Jeg tror at å ha en begrenset samfunn av AI-utviklere vil fortsette å ha en ubalanse innvirkning på samfunnet og politikken.

For kvinnene der ute som er interessert i å gå inn i AI-feltet, anbefaler jeg det sterkt, spesielt hvis du er interessert i å ha en innvirkning. AI har hatt så mye vekst og innovasjon over årene, og det er virkelig en spennende tid å være en del av det.

Er det noe annet du ønsker å dele om Clinc?

Clinc gjør store fremskritt for tiden. Personlig har jeg nettopp trådt inn i en ny rolle som CTO i Clinc, og jeg er virkelig spennende på å fokusere på hvordan vi kan jobbe sammen med utviklere og data-vitenskapsmenn for å utvide rekkevidden av vår teknologi. Mens jeg ser mot fremtiden, ser jeg etterspørselen etter AI-drevne applikasjoner skifter for å muliggjøre mennesker som ikke har år med data-vitenskapelig erfaring og maskinlæring-bakgrunn å kunne bruke det også. For eksempel, trenger du ikke å ha en grafisk design-utdanning for å kunne bruke Photoshop. Jeg tror AI er på vei mot denne retningen hvor utviklere uten AI- eller maskinlæringstrenning vil kunne oppnå resultater og produsere høykvalitets-applikasjoner. Overordnet ønsker vi å gjenta at vi ikke bare er viet til sluttbrukeren, men også til utviklerne, uansett nivå, som viser interesse for vår løsning.

Takk for det flotte intervjuet, jeg ser frem til å følge med din fremgang. Alle som ønsker å lære mer bør besøke Clinc.