Marc Sloan, medgrunnlegger og CEO av Scout – Intervju-serie

Marc Sloan er medgrunnlegger og CEO av Scout, verdens første nettleser-chatbot, en digital assistent for å få alt gjort på nettet. Scout foreslår nyttige ting den kan gjøre for deg basert på hva du gjør på nettet.

Hva var det som først tiltalte deg om AI?

Min første erfaring med å arbeide med AI var under et gap-år jeg tilbrakte i naturlijke språkbehandling-forskningsgruppen på GCHQ under min bachelorgrad. Jeg fikk se første hånd den innvirkningen maskinlæring kunne ha på virkelige problemer og forskjellen det gjorde.

Dette skiftet en bryter i mitt sinn om hvordan datamaskiner kan brukes til å løse problemer: programvareutvikling lærer deg å lage programmer som tar data og produserer resultater, men maskinlæring lar deg ta data og beskrive resultater du ønsker å produsere et program. Det betyr at du kan bruke samme rammeverk til å løse tusenvis av forskjellige problemer. For meg føltes dette mye mer innflytelsesrikt enn å måtte skrive et program for hvert problem.

Jeg studerte allerede optimeringsproblemer i matematikk sammen med datavitenskap, så når jeg kom tilbake til universitetet, fokuserte jeg på AI og fullførte min avhandling om talebehandling før jeg søkte om en PhD i informasjonsgjenfinning ved UCL.

Du forsket på forsterkninglæring i nettlesersøk under veiledning av David Silver, grunnleggeren av AlphaGo. Kan du diskutere noen av denne forskningen?

Min PhD var på temaet å anvende forsterkninglæring til læring-til-rangeringsproblemer i informasjonsgjenfinning, et felt jeg hjalp til å skape kalt Dynamisk informasjonsgjenfinning. Jeg ble veiledet av Prof Jun Wang og Prof David Silver, begge eksperter på agent-basert forsterkninglæring.

Vår forskning så på hvordan søkemotorer kunne lære av brukeratferd til å forbedre søkeresultater autonomt over tid. Ved å bruke en Multi-Armed Bandit-tilnærming, ville vårt system prøve forskjellige søkerangeringer og samle inn klikk-atferd for å bestemme om de var effektive eller ikke. Det kunne også tilpasse seg til enkelte brukere over tid og var særlig effektivt i å håndtere tvetydige søkeforespørsler. På den tiden var David dypt engasjert i Go-problemet og hjalp meg å bestemme den riktige forsterkninglæring-innstillingen av tilstander og verdi-funksjon for dette spesifikke problemet.

Hva er noen av de entreprenør-lærdommene du lærte fra å arbeide med David Silver?

Forskning ved UCL er ofte entreprenør-orientert. David hadde tidligere grunnlagt Elixir Studios med Demis Hassabis og deretter sluttet seg til DeepMind for å arbeide på Alpha Go. Men andre medlemmer av vår Media Futures-forskningsgruppe endte også opp med å spinne ut en rekke forskjellige startups: Jun grunnla Mediagamma (som anvender RL til nettannonse-utgifter), Simon Chan startet prediction.io (ervervet av SalesForce) og Jagadeesh Gorla startet Jaggu (en anbefalingstjeneste for e-handel). Vår gruppe diskuterte ofte den kommersielle innvirkningen vår forskning kunne ha, kanskje fordi UCLs base i London gjør det til en naturlig startpunkt for å skape en bedrift.

Du lanserte nylig Scout, verdens første nettleser-chatbot. Hva var inspirasjonen bak lanseringen av Scout?

Idéen utviklet seg naturlig fra min PhD-forskning. Jeg gikk rett fra å fullføre min PhD til å slutte meg til Entrepreneur First, der jeg begynte å tenke på hvordan jeg kunne omdanne min forskning til et produkt.

Før jeg startet dette, fullførte jeg et sommerpraktikum ved Microsoft (MSFT ) Research, der jeg anvendte min forskning på Bing. På den tiden lærte jeg at informasjonssøking kunne forutsies basert på nettbrukeratferd. Men jeg ble frustrert over at den eneste virkelige måten å fremme disse forutsigelsene i en søkemotor var å gjøre auto-forslag bedre. Så jeg begynte å tenke på hvordan hele nettbrukerens erfaring kunne forbedres ved å bruke disse forutsigelsene, ikke bare søke-erfaringen.

Dette tenkningen ledet meg og min nye medgrunnlegger på Entrepreneur First til å skape en nettleser-tillegg som observerer brukeratferd, forutsier hva slags informasjon brukeren sannsynligvis trenger neste på nettet og henter det for dem. Etter noen år med eksperimenter og prototyper, utviklet dette seg til en chatbot-grensesnitt der nettleseren “snakker” til deg om hva du gjør på nettet og prøver å hjelpe deg på veien.

Hvilke nettlesere vil Scout være kompatibel med?

Vi fokuserer på Chrome for øyeblikket på grunn av at det er den mest populære nettleseren og har en moden tillegg-arkitektur, men vi har også fungerende prototyper på Firefox og Safari og selv en mobil-app.

Scout-handelsassistent-funksjonaliteten høres ut som den kan spare brukerne både tid og penger. Anta at noen forsker på et produkt på Amazon (AMZN ), hva skjer i bakenden, og hvordan interagerer Scout med brukeren?

Idéen er at når du har installert Scout, fortsetter du å bruke nettet som normalt. Hvis du handler, kan du besøke Amazon for å se på produkter. På dette punktet gjenkjenner Scout at du handler på Amazon og produktet du ser på, og det vil si “Hei”. Det dukker opp som en chat-widget på websiden, litt som hvordan Intercom fungerer, bortsett fra at Scout kan dukke opp på potensielt hvilken som helst webside. Du kan se hvordan det ser ut på min nettside.

Fordi du handler, vil det begynne å foreslå måter det kan hjelpe på. Det vil spørre deg om du ønsker å se anmeldelser på nettet, andre priser, YouTube-videoer av produktet og mer. Du interagerer ved å trykke på knapper, og chatboten tilpasser erfaringen til hva du ønsker den skal gjøre. Når den finner informasjon (som en YouTube-video), vil den innlemme det i chat-tråden, akkurat som en venn ville dele medie med deg på WhatsApp. Over tid utvikler du en dialog med nettleseren om hva du gjør på nettet, med nettleseren som hjelper deg på veien.

Webside-behandling skjer innenfor nettleseren selv. Den eneste informasjonen vår backend ser er chat-tråden, noe som betyr at personvernimplikasjonene er minimale.

Vi har en skreddersydd arkitektur for å forstå nettbrukeratferd og håndtere dialoger med brukeren. Vi bruker maskinlæring til å identifisere hva slags oppgaver vi kan hjelpe med på nettet og hvordan vi skal hjelpe. Opprinnelig brukte vi forsterkninglæring til å tilpasse oss til brukerpreferanser over tid. Men en av de største lærdommene jeg har lært fra å drive en AI-startup er å holde prosesser enkle og å prøve å bare bruke maskinlæring til å optimere en eksisterende prosess. Så i stedet har vi nå en sofistikert regel-motor for å håndtere oppgaver over tid som kan håndteres av forsterkninglæring når vi må skalerer.

Hva er noen eksempler på hvordan Scout kan assistere med arrangementplanlegging?

Vi innser at arrangementplanlegging (og reisebestilling) ikke er så forskjellig fra å handle på nettet. Du ser på produkter, leser anmeldelser og gjør kjøp/bestilling. Så mye av det vi har bygget for å handle, gjelder også her.

Den største forskjellen er at tid og sted nå er viktig. For eksempel, hvis du ser på konsertbilletter på Ticketmaster, kan Scout identifisere adresse til stedet og foreslå å finne deg veibeskrivelse fra din nåværende lokasjon til det, eller finne prisen på en Uber, eller foreslå hva slags tid du bør reise. Hvis du har koblet Scout til din kalender, kan Scout sjekke om du er tilgjengelig på tidspunktet for arrangementet og legge det til din kalender.

I fremtiden ser vi for oss at Scout-brukere kan kommunisere med sine venner gjennom plattformen for å diskutere ting de gjør på nettet, som arrangementplanlegging, handling, arbeid osv.

Dialogue-utløsere vil bli brukt for å initiere kommunikasjon med Scout. Hva er noen av disse utløserne?

Som standard vil Scout ikke forstyrre deg med mindre den møter en utløser som forteller den at du kanskje trenger hjelp. Det finnes flere typer utløsere:

• Å besøke en bestemt nettside.
• Å besøke en type nettside (som nyheter, handling osv.).
• Å besøke en nettside som inneholder en bestemt type informasjon (f.eks. en adresse, en video osv.).
• Å klikke på lenker eller knapper på nettsider.
• Å interagere med Scout ved å trykke på knapper
• Scout henter bestemte typer medier som videoer, musikk, tweets osv.

Vi planlegger å tillate brukerne å finjustere hva slags utløsere de ønsker Scout skal reagere på, og til slutt, lære deres preferanser automatisk.

Kan du diskutere noen av vanskelighetene med å sikre at Scout er virkelig nyttig når den bestemmer seg for å interagere med en bruker uten å bli irriterende?

Vi tar brukerengasjement meget alvorlig og prøver å måle om interaksjoner ledet til positive eller negative resultater. Vi prøver å opprettholde en god forholdstall for hvor ofte Scout prøver å starte en samtale og hvor ofte den brukes. Men det er en vanskelig balanse å få rett og vi prøver alltid å forbedre.

Fordi produktet har en intrusiv natur, er det kritisk å få grensesnittet og brukeropplevelsen rett. Vi har brukt mye tid på å prøve helt forskjellige grensesnitt og brukerinteraksjonsmetoder. Dette arbeidet har ledet oss til det nåværende chatbot-lignende grensesnittet, som vi finner gir oss den største fleksibiliteten i hjelpen vi kan tilby, kombinert med brukerfamiliaritet og minimal brukerinsats for interaksjoner.

Kan du gi andre eksempler på hvordan Scout kan assistere sluttbrukere?

Vår fokus for øyeblikket er å markeds teste bestemte anvendelser for Scout. Handling og arrangementplanlegging er allerede nevnt, men vi ser også på hvordan Scout kan hjelpe akademikere (med å finne forskningsartikler, forfatterdetaljer og referansenettverk) og selv gitarister (finne gitar-noter, spille musikk og videoer sammen med noter på nettet og hjelpe til å stemme en gitar). Vi har også brukt litt tid på å utforske profesjonelle scenarier som nett-rekruttering, finansiell analyse og lov.

Til slutt kan Scout potensielt fungere på hvilken som helst nettside og hjelpe i hvilket som helst scenario, noe som gjør teknologien usedvanlig spennende, men også gjør det vanskelig å komme i gang.

Er det noe annet du ønsker å dele om Scout?

Hvis du ønsker å se hvordan det er hvis nettleseren din kunne snakke til deg, kan du lese mer på Scouts blogg.

Takk for den fascinerende innføringen i å designe en unite-type chatbot. Vi er spente på å følge dette prosjektet. Vennligst besøk Marc Sloans nettside for å lære mer.