Intervjuer
Humayun Sheikh, CEO av Fetch.ai – Intervju-serie
Humayun Sheikh er en innovasjons-entrepreneur, en medgründer og investor i DeepMind og er CEO i Fetch.ai, en innovativ plattform for å koble sammen IoT-enheter og algoritmer for å muliggjøre kollektiv læring. Bygget på en høy gjennomstrømnings sharded ledger, leverer Fetch.ai-arkitekturen en unik smart kontrakt-kapasitet for å deployere ML/AI-løsninger for desentralisert problemløsing.
Hvordan ble du først interessert i kunstig intelligens?
Mitt bakgrunn er datateknikk, men jeg har brukt mine siste 20 år på å handle med råvarer, utvikle ML/AI-algoritmer for markedshandel, prisforutsigelse og arbeidet med ulike AI-prosjekter for å deployere kommersielt verdifulle bruksområder for AI. Jeg ble introdusert for Demis Hasabis fra DeepMind for 15 år siden og ble mer involvert i kunstig intelligens i spill. Etter DeepMind, sammen med mine medgründere Toby Simpson og Thomas Hain, grunnla vi Fetch.ai og vår tilnærming siden da har vært å bygge noe som vi kunne begynne å kommersialisere.
Kunne du fortelle oss mer om din investering i DeepMind før det ble senere kjøpt av Google?
Jeg ble introdusert for Demis Hasabis fra DeepMind og vi arbeidet sammen i 3 til 4 år. Under min involvering i DeepMind, fulgte vi opp ideer og måter å gjøre maskiner oppføre seg og samhandle mer som mennesker. Til slutt ble DeepMind solgt til Google og er nå en av verdens ledende organisasjoner innen kunstig generell intelligens.
Tror du at bygging av en kunstig generell intelligens (AGI) fortsatt er en mulighet?
Dette kan se ut som en fjern mulighet, men vi hadde også ikke forestilt oss for 20 til 30 år siden at AI-laboratorier som DeepMind ville dukke opp eller at selskaper som Google, Apple, Microsoft, Amazon og Facebook ville investere så mye i AI-forskning, inkludert nevrovitenskapelig forskning. Kapasitetsmessig er vi fortsatt ganske langt unna å oppnå kunstig generell intelligens, og der er også spørsmålet om kommersialisering. Hvis Google ikke hadde trådt inn, ville selskaper som DeepMind sannsynligvis feilet. Gitt den raske rate som AI utvikler seg, kan vi forvente å nå et inflexionspunkt når AI-forskningsmiljøet overrasker oss med utviklingen av kunstig generell intelligens.
Din siste ventur er Fetch.ai, kunne du dele historien bak denne startupen?
Jeg, sammen med mine medgründere, har diskutert ideene bak Fetch.ai i mange år før vi fant teknologikombinasjonen som ville levere det. Vi tror på en mer effektiv, optimalisert og desentralisert verden hvor identitet, verdi og nytte returneres til individet og hvor kollektiv kunnskap er tilgjengelig for alle brukere av nettverket. Det gjør verden til byggeklosser for spennende nye bedrifter. Verden er kompleks og underutnyttet: vi forenkler den og gjør bedre bruk av det vi har.
En av de første Fetch.ai-prosjektene er et blockchain-basert AI-smartby-infrastrukturprosjekt i München. Kunne du forklare hva dette er og hvordan blockchain og AI kan assistere en sjåfør med å finne en parkeringsplass?
Datarella-Fetch.ai Smart City-feltprøver bruker Fetch.ai sine AEAs (Autonome Økonomiske Agenter) for å låse opp data og tilby smart mobilitetsløsninger i Münchens kommersielle eiendommer, for denne feltprøven har vi valgt Connex-byggekomplekset i München.
Hver registrert bruker som er en vanlig bilparkør, blir motivert til å redusere sin individuelle trafikk til Connex-kontorene og for det vil han/hun bli belønnet med en viss mengde tokens per minutt for ikke å parkere på parkeringsplassen. Autonome agenter vil forhandle «prisen» på parkeringsplasser mellom eierne av dem og de som søker etter en plass. Så snart en bil eller dens relaterte wallet-adresse er registrert som parkert av Carpark AEA, stopper token-utdelingen til denne walleten. Antall tokens som belønnes per wallet og minutt avhenger av den nåværende utnyttelsen av parkeringsplassen.
Målet er å støtte en bærekraftig og effektiv bruk av byens infrastruktur i München.
Et annet prosjekt i pipeline er AI Autonomous Travel Agents-programmet. Kunne du forklare hva dette er?
Fetch.ai sine Autonome AI-reiseagenter tilbyr et desentralisert, multi-agent-basert system som gir personlige, privatfokuserte reiseløsninger. Ved å bruke smarte kontrakter og AEA (Autonome Økonomiske Agenter) som utfører bestilling av hotellrom gjennom en direkte leverandør-til-forbruker-modell, ønsker vi å sikre kostnadsbesparelser for både hoteller og forbrukere på opptil 10%. Videre er vår applikasjon integrert med Amadeus som tilbyr umiddelbar tilgang til over 770 000 hoteller.
Ved å bootstrappe til Amadeus sine servere, kan vi hente et hotells navn og plassering og andre nødvendige opplysninger for å fullføre en reisendes bestilling uten å bruke en online reisebyrå eller metasøkeside.
En hotelleier kan lansere vår applikasjon uten noen oppsett-kostnader og tilnærmingen er basert mer på betal-per-bruk. Hotellets programvare vil samhandle med programvaren som forbrukerne vil bruke til å handle.
Enda viktigere, hotelierer vil ikke prøve å selge all sin vare på denne nye kanalen drevet av kunstig intelligens. Det vil være en ekstra kanal i tillegg til den nåværende blandingen vi ser i hotellindustrien.
Den Autonome AI-reiseagent-applikasjonen designet av Fetch.ai er ikke ment å erstatte eksisterende systemer i sin helhet, men mere å komplementere dem. Den opererer trygt, ikke-destruktivt og parallelt med eksisterende relasjoner som hoteller måtte ha. Den tilbyr en alternativ metode for å ta bestillinger: en hvor kunden og hotellet forhandler direkte med hverandre, og en hvor en mer personlig, bedre verdi kan leveres.
Vil du samarbeide med OTAs (online reisebyråer), hvis ikke, hvordan vil du påmeldingsføre forskjellige hoteller?
Nei, vi kommer ikke til å samarbeide med OTAs. Vi vil enable hotelleiere til å registrere seg på en programvare ment for hotelleiere og få tilgang til Fetch.ai-nettverket fra andre kvartal 2021 når vi lanserer applikasjonssuiten.
Hva slags maskinlæringsalgoritmer brukes i disse applikasjonene?
Vi kan ikke gå inn i mange detaljer her, annet enn ML som indirekte brukes med andre Fetch-teknologi relatert til søk og oppdagelse. Imidlertid er naturlige språk-grensesnitt, og kontinuerlig læring av hva som er passende for en gitt agent-samling (som innebærer, blant annet, forsterkingslæring og RNNs) en stor del av det. Men det kommer til å være mer!
Er det noe annet du ønsker å dele om Fetch.ai?
Vi ønsker å fortsette å fokusere på å bygge applikasjoner, produktsuiter med verdi for vår samfunn, våre partnere, og vi fortsetter å fokusere på det på en offentlig synlig måte så vårt samfunn kan dele våre suksesser. Dette bygger verdi, nytte og vekst av vårt samfunn. Pluss, brukere kan bli involvert ved å investere i FET-token, en ryggrad av Fetch-økosystemet. Det er nødvendig for å finne, opprette, deployere og trene autonome økonomiske agenter og er essensielt for smarte kontrakter, orakler og transaksjoner nødvendige for å levere den nye digitale økonomien.
Og de kan alltid samhandle med oss på våre sosiale kanaler:
Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke ovennevnte sosiale medier eller Fetch.ai-nettsiden.
