Richard Boyd, medgrunnlegger og CEO av Tanjo Inc – Intervju-serie

Richard Boyd er en entreprenør, forfatter og foredragsholder på en rekke emner, fra utdanning til helse til virtuelle verdener, dataspill, maskinlæring og menneske-/datamaskin-grensesnitt. Over tre tiår har Richard ledet eller hjulpet til å skape noen av de mest innovative teknologiselskapene og -tjenestene over flere bransjer, inkludert å starte og tjene som administrerende direktør for fire selskaper i Nord-Carolinas Research Triangle Park-område. Richard solgte sitt siste selskap til Lockheed Martin (LMT ) og ble værende som direktør for Virtual World Labs.

Richard er medgrunnlegger og CEO av kunstig intelligens- og maskinlæringselskapet Tanjo Inc, basert i Nord-Carolinas Research Triangle Park-område.

Du har jobbet med VR siden 90-tallet, og i 2001 co-grunnla du 3Dsolve. Hva var noen av de første prosjektene som 3Dsolve jobbet med?

Det mest betydningsfulle første prosjektet for 3dsolve var å hjelpe den amerikanske hærens trenings- og doktrinekommando (TRADOC) med å lære hvordan man kunne utnytte simuleringslæring for små taktiske operasjoner. Vi skapte den første “Level 4 interaktive multimedia-instruksjon” (IMI)-kursen for hæren som passerer TRADOC-validering. I realiteten var dette å utnytte verdien av “sikker praksis i en fullstendig simulerings-3D-miljø” for bakkeenheter. Den første kursen var over 100 timer med instruksjon i en samarbeidende simulerings-3D-spillverden for 25B10 MOS (militær yrkesmessig spesialisering) for kommunikasjon.

Vi sendte soldater til Afghanistan og Irak på den tiden og trente dem til å jobbe i DTOC (digitale taktiske operasjonscenter) når vi ikke hadde DTOC i USA til å trene dem. 3Dsolve reiste til Fort Hood, Fort Gordon og andre fasiliteter for å finne utstyr, møte fagfolk og bygge virtuelle DTOC hvor soldater kunne trene. Valideringsresultatene fastslo at soldater som brukte denne metoden ble trent på en kortere tid med en høyere grad av kunnskap (og klassifikasjonsrater) enn i noen klasseromsmetoder som ble brukt tidligere. Jeg ser på dette som begynnelsen på den seriøse spillindustrien.

Jeg tjenestegjorde også i ADL (Advanced Distributed Learning) Colab-rådgiverstyret hvor standardene for gjenbrukbar læringsinnhold ble skapt. Jeg jobbet med Phillip Dodds der på 3D-standarden for SCORM (Shareable Content Object Reference Model). En sidebemerkning: Phillip var mannen som spilte orgel i Spielberg-filmen Close Encounters of the Third Kind.

Jeg tjenestegjorde også i et annet internasjonalt standardiseringsorgan kalt 3DIF, ledet av Intel (INTC ) og Boeing, hvor vi skapte en internasjonal ECMA-standard med samme navn for 3D-utvekslingsformater. Ideen var å til slutt fange all verdi i 3D-CAD-modellene som ble bygget for alt som ble laget i verden og oversette det for bruk i seriøse spill og 3D-tekniske dokumenter. Det lever i Adobe Acrobat og andre plattformer.

Vi fortsatte å jobbe med headsets og ulike VR-tilleggsutstyr, samarbeidet med bransjepionerer som Warren Robinett, Dr. Fred Brooks, Alan Kay og andre. Min medgrunnlegger David Smith skapte en hel åpen kildekodeplattform sammen med Alan Kay kalt OpenCroquet, som fortsatt lever i dag.

Hvordan endret livet seg for deg etter at Lockheed Martin kjøpte 3Dsolve i 2007?

Et av de andre banebrytende prosjektene vi jobbet med på 3Dsolve som førte til at Lockheed kjøpte oss, var en simulering av en hel Los Angeles-klasse ubåt. På den tiden satte den amerikanske marinen fremdeles hele skip til side for trening. Vi banebrytende ideen om “Total Ship Simulation”, som repliserer hele ubåten i en flerspiller-spillmiljø. Vi brukte Epic Games Unreal Engine og forvandlet virkelig treningen for disse fartøyene. Hos Lockheed skapte vi simuleringsmodeller av destroyere, Littoral Combat Ship samt alle underordnede systemer.

Det var en utfordring i begynnelsen å tilpasse seg fra et spillteknologiselskap til de ekstra lagene med tilsyn og rapportering som var nødvendig i et 100 år gammelt forsvarskontraktor. Vi lærte å skape vår egen virkelighet. Jeg dannet en uformell organisasjon kalt Virtual World Labs og modellerte den etter den berømte LM Skunkworks i California. Faktisk ble Skunkworks en del av VWL. Vi lærte i det første året at hver gang du kommer opp med et patenteringsforslag, får du en sjekk, og en annen når det blir godkjent. Så dette ble vårt incentivprogram. Vi satt rundt og oppfant ting i AR, VR og AI. Ved slutten av min 5,5-årige periode der hadde vi samlet over 100 patenter i en liten gruppe på om lag 40 personer.

Et av de mest morsomme og relevante programmet var skapingen av DOD Virtual World Framework. Vi hadde vært en del av flere store, felles krigsspilløvelser og så frustrasjonen over mangelen på interoperabilitet mellom proprietære systemer som måtte fungere sammen i disse store, live, konstruktive og virtuelle simuleringsøvelsene. Vår første reaksjon var at dette var et løst problem… Det heter Internett! Hvis anskaffelseskomiteen bare kunne få alle til å holde seg til webtjenester, kunne vi bygge bedre integrerte treningsystemer. Og WebGL hadde nettopp blitt godkjent av World Wide Web Consortium. Tiden var kommet for en omveltning av business as usual. Pentagon utstedte en forespørsel om et forslag om en “felles virtuell verden-ramme” for integrert simulering. Sjefen for dette programmet i Pentagon var en kreativ, tidligere flyver i luftforsvaret ved navn Frank Digiovanni. Vi kalte ham D9. Han minner meg mye om historiene om oberst John Boyd, som presset på for kreativ ødeleggelse av våre jagerflyprogrammer og tenkning i luftforsvaret.

Problemet var at D9 uttrykkelig sa til sin anskaffelseskomité at han “ikke ville ha noen Lockmart-lignende selskaper” til å bygge denne nye rammen. Men David og jeg gikk inn der sammen med den vanlige listen over om lag 17 leverandører som søkte på programmet, og vi vant det. Vi lærte senere at alle andre kom med noen proprietære løsninger og prøvde å få regjeringen til å adoptere det. Vi kom inn med ingenting, men sa at svaret på dette dypt problemet lå i Internettets arkitektur. Vi sa at vi kunne designe det på noen måneder og ha en fungerende prototype på seks måneder. Vi sa også at det skulle være åpen kildekode. Vi vant “hånden ned slam dunk” ifølge D9, fordi vår tilnærming var så frisk og annerledes og “utenfor boksen”.

Når jeg returnerte til Orlando for å forklare denne nye seieren til ledelsen i vårt Lockheed Martin-divisjon, ble jeg kalt ut på teppet. Jeg ble gratulert, men så spurte de om den åpne kildekode-delen. “Hva vil dette bety for vår eksisterende konstruktive sim-forretning?” spurte de. Mitt svar – “Det vil fullstendig forstyrre den.” Det var en pause, så det uunngåelige spørsmålet “Hvordan vil vi tjene penger? Hva er forretningsmodellen?” Mitt svar – “Forretningsmodellene vil være legio.” Jeg nyter fortsatt de forvirrede brynene som svaret vekket.

Min tittel på den tiden var direktør for fremvoksende og disruptiv teknologi, samt sjef for Virtual World Labs. Jeg jobbet i året med å få Lockheed til å omfavne mer selv-disruptiv og Schumpeter-kreativ ødeleggelse. Jeg beskrev innovasjon i store organisasjoner som Lockheed som lignende på fødsel. Folk elsker ideen om å få barn. Det er bra for samfunnet og veldig givende. Barn er vår fremtid. Men gjennom feil briller kan barn også bli sett på som parasitter. Fra og med at de først tar tak i livmoren, begynner de å ta ressurser vekk. Hvis det ikke var for de beskyttende forholdene i livmoren, ville morens antistoffer komme ut og ødelegge babyen. Innovasjon i Lockheed var som det. Alle ønsker og snakker om innovasjon, men ingen ønsker å ofre ressurser for det når gevinsten er så langt unna. (Se min hvitbordsanimasjon om hvordan innovasjon er som fødsel.)

Under din tid i Lockheed Martin var ett av patentene du co-utviklet noe som ligner på noe fra en science fiction-film, kalt holodeck. Hva er holodeck?

I 2009 ble jeg invitert til Los Angeles av James Cameron under produksjonen av filmen Avatar. Vi hadde jobbet med Jim tidligere (på “The Abyss”) og han ville vise meg sin nye 3D-kamera som han hadde funnet opp sammen med Vince Pace (som vi også kjente fra The Abyss). Men det som virkelig fanget meg, var den virtuelle settet inne i den enorme Hughes-flyhangaren. Jeg tilbrakte mye tid der med en liten flatskjerm og bare gikk rundt i den virtuelle verdenen til Pandora. Jeg skrev om dette for Armed Forces Journal og konseptualiserte sammen med David Smith ideen om å bygge en stor virtuell treningsbane på størrelse med en fotballbane. På den tiden jobbet vi med et program kalt Future Immersive Training Environment (FITE) for marineinfanteriet. I dette programmet skulle marineinfanteristen bære en bærbar datamaskin på ryggen og head-mounted display. All denne ekstra utstyret vekket noen bekymringer om negativ trening. Jeg vil aldri glemme den første sersjanten som strakte på seg og sa “vi må trene som vi slåss, rett?” og deretter kastet seg på bakken og rullet, og knuste alle elektronikkene til småbiter. Holodeck-konseptet var mer som James Camerons Volume for filming; hvor skuespillerne har lys-sporingsdrakter og all instrumenteringen er rundt dem. Head-mounted display var fortsatt nødvendig, men var trådløs og lett. Mer som dagens Oculus Quest. Vi fant sogar en måte å gjøre det ute i sollys.

I 2015 skrev du at vi ikke burde bekymre oss så mye om maskiner som tar over, men heller finne ut hvordan vi kan oppnå riktig balanse mellom mennesker og automatisering for å optimalisere resultater. Er du fremdeles av den oppfatning at samfunnet er for opptatt av AGI eller maskiner som tar over?

Jeg tror at når virkelig smarte mennesker med en overflod av ekspertise i dette området (som Ray Kurzweil, Stephen Hawking, Elon Musk, James Cameron og Bill Gates) uttrykker bekymring, bør vi alle være oppmerksomme og følge med på fremgangen mot kunstig generell intelligens og implikasjonene for samfunnet. Hvis vi har lært noe nylig, er det at domene-ekspertise teller, og vi bør alltid lytte til advarsler fra mennesker med dypere ekspertise enn vår egen.

Har sagt det, for det nærmeste fremtidige ser vi mer inkrementell disruptivt som fortjener umiddelbar oppmerksomhet og handling. Min kondenserte sitat om det 21. århundrets imperativ om å oppnå riktig balanse mellom mennesker og automatisering for å optimalisere resultater, er et kritisk spørsmål nå. Jeg tror virkelig at alle som ikke får det riktig, er dømt til å bli irrelevante snart, ikke bare ikke konkurransekyndige. Når JP Morgan erstattet 320 000 timer årlig med juridisk gjennomgang av låneavtaler med et maskinlæringsystem kalt COIN, forstyrret de seg selv og skapte umiddelbart en $300 millioners fordel til deres bunnlinje. Og den fordelen er nå en annuitet. Enhver av deres konkurrenter som fortsatt har den kostnaden, kan ikke håpe å konkurrere.

Jeg tror dette er sant og imperativt for selskaper, regjeringer, selv individer. Jeg er i styret for et community college i Nord-Carolina med 70 000 studenter. Jeg prøver konstant å guide studenter og våre læreplaner mot de jobbene som fortsatt vil bli utført av mennesker om fem år. Når jeg finner studenter som ønsker å gå inn i radiologi, forklarer jeg dem at maskiner allerede er bedre enn mennesker til å lese røntgenbilder. Vurdér et nytt felt eller hvordan det feltet sannsynligvis vil endre seg med den virkeligheten. Dette er ikke fremtidsforskning. Det er nåtid.

Du har sagt at mennesker tenker lineært og at maskiner tenker eksponentielt. Åpenbart er du en eksponentiell tenker, hvorfor er det så vanskelig for mennesker å tenke eksponentielt?

70% av amerikanerne kan ikke lese og forstå vitenskapsdelen av New York Times (Michigan State-studie). Forfattere som Dan Ariely, i hans bestselger “Predictably Irrational”, og andre snakker om hvordan vi mennesker bare ikke er gode til statistisk tenkning. Eksponentiell og logaritmisk tenkning er heller ikke svært universell. Min mentor og helt Alan Kay har en flott Ted Talk om universelle og ikke-universelle i utdanning. Jeg skrev om dette i en artikkel på Getting Smart-nettstedet om å omtenke utdanning fra første prinsipper. I realiteten er abstrakt og deduktiv tenkning vanskelig med mindre det undervises. Vi har absolutt et utdanningsproblem som hemmer vår evne til å forstå fremgangen i Moores lov eller den sannsynlige spredningen av en pandemi.

Den nåværende pandemien kaster et nytt lys på implikasjonene av å ha ledere som ikke kan tenke eksponentielt (eller høre på ekspertise).

Du har jobbet med VR siden 90-tallet, hvordan føler du om noen av de nåværende forbrukerapplikasjonene for VR, som Oculus Quest?

Hver gang jeg ser rullebanen av VR-hype gå opp igjen, begynner jeg å minne alle på de tre hovedbegrensningene som forhindrer vidstrakt aksept.

1. Noen mennesker vil alltid være fysisk uegnet til å nyte stereoskopisk 3D VR.
2. Friksjonen ved oppsett og tilkobling gjør det til en opplevelse som ikke mange vil finne behagelig.
3. Skjørbarten i systemene betyr at bare ekspert-hobbyister vil ønske å leke med det og feilsøke feilforbindelser

Mennesker har ikke hatt en oppgradering på lenge (siden pleistocen-epoken, hvis jeg skal si), og noen av oss har en svært vanskelig tid med å tilpasse seg stereoskopiske 3D-skjermer. En betydelig del av befolkningen kommer aldri til å bli komfortable med immersiv VR på grunn av hvordan de er fysisk koblet. Så, når vi ser bort fra dem for øyeblikket, er vi igjen med det andre store problemet: friksjonen ved oppsett og tilkobling. For mye kabler og justering før man kan komme inn i en opplevelse. Og tredje er skjørbarten i systemene, som betyr at bare ekspert-hobbyister vil ønske å leke med det og feilsøke feilforbindelser.

Oculus Quest overgikk mine forventninger ved å fullstendig knuse den andre og tredje begrensningene. I min familie tilbringer vi tid i Oculus Quest-innhold nesten hver dag. Dette er, i min mening, det store gjennombruddet VR trengte. Nå må vi bare gå den siste milen og se hvordan vi kan tilpasse teknologien til å møte de som har fysisk begrensninger som forhindrer nyting av VR.

Hva var din inspirasjon bak lanseringen av Tanjo?

Jeg oppdaget maskinlæring i 2009 mens jeg ledet Virtual World Labs hos Lockheed Martin. Maskinlæring eksisterte allerede, men det var året jeg fullstendig forsto hvor langt det hadde kommet, og hvor fundamentalt forskjellig det var fra den “kunstig intelligensen” vi hadde brukt i dataspill og DOD-simuleringer tidligere.

Jeg tenker nå på AI som fremhast i 3 stadier. I det første stadiet, som varte fra rundt 1958 til 2009 (min vilkårlige markør), ville vi ikke be en datamaskin om å beregne noe før mennesker fullstendig forsto det og kunne bryte det ned i skjøre logiske porter og hvis/då-uttrykk. Vi ville så mata det inn i datamaskinene som endelige tilstandsmaskiner eller hierarkiske atferdstre og kjøre programmene. Til slutt var det bare kode. Ingen mystikk der.

Neste fase er maskinlæring, hvor et menneske ikke nødvendigvis forstår hvordan man skal be en maskin om å kjøre en bil. Nå bare mata en stor mengde treningdata til en gruppe godt designet maskinlæringsbiblioteker som så infører sin egen forståelse. I dag kan et maskinlæringsystem bare se 100 timer med video og kjøre en autonom bil perfekt overalt. (Jeg pleier å gjøre spøken “hvor som helst, bortsett fra i Roma”)

Ved Tanjo bruker vi maskinlæring i korte prosjekter for å gi banker og institusjoner for høyere utdanning og Fortune 2000-selskaper den intelligensforsterkning og automatisering som transformerer hvordan de jobber. Vi ser jevnt over avkastning på investeringer på 10 ganger fra våre implementeringer. Og den avkastningen er vanligvis en annuitet. Hvor mange teknologiinvesteringer har vi sett tidligere som skaper slike produktivitetsgevinster? Vi har hatt validerte ROI-målinger på så mye som 600 ganger; og ett pinlig resultat på 1600 ganger. Vi bruker ikke det siste som en casestudie, fordi det føles for hyperbolisk.

Kunne du diskutere Tanjo Animated Personas (TAP), og hvordan det fungerer?

Vår store gjennombrudd kom da vi innsett at disse fantastiske, rare maskinintelligenssystemene vi bygget så på mennesker på samme måte som de så på informasjonsobjekter. Vi kjørte en tidlig eksperiment med en sett med treningdata fra en populær dating-app. Vårt lille mini-maskinlæringshjerne skapte interessegrafer og stemningskart over hver person fra deres data-utslipp som dukket opp likt en Myers-Briggs-profil. Vi tenkte kortvarig på å lage en maskinlærings-dating-app i 2014. Det var en svært kortvarig overveielse, fordi det ikke møtte de høye målene vi hadde for å gjøre meningsfulle arbeid.

I stedet kalte vi det “Empati-motoren” og bygget hva vi kalte “Tanjo Animated Personas” fra disse maskinlæringsmønstrene av menneskelig atferd.

Analysefirmaet Gartner ga oss en “Cool Vendor Award” i 2018 for dette gjennombruddet. Vi hjelper markedsforskere med å modellere og forstå (og håper å fremme dypere meningsfulle samtaler med sine kunder; samt bruke det til å modellere befolkninger av mennesker for å studere helse og velvære. For eksempel kan vi skape en syntetisk befolkningsmodell av en postnummer eller et fylke og simulere hvilke intervensjoner og meldinger som oppmuntrer bedre atferd for å redusere spredningen av en virus, eller å senke fedme, røyking osv.

Bruger du overvåket læring for å utdanne Tanjo?

Balansen mellom mennesker og maskiner er like viktig i innputt som i utputt av disse systemene. Menneskelig overvåking hjelper absolutt med å trene “hjernen” i ett av våre maskinlæringsystemer raskere. Når vi skapte NC-hjernen som vil knytte sammen alle 58 community college i Nord-Carolina, jobbet vi med fakultet og administratorer på noen av de beste college her for å sikre at dens rangering av ulike områder av kunnskap og hvordan den sorterte innholdet var gyldig.

En av Tanjo-produktene er ContractBot for kontraktanalyse. Hva er ContractBot, og hvilke typer bedrifter er det primært designet for?

Vi skapte ContractBot opprinnelig for regnskapsindustrien. I 2017 var FASBI (Financial Accounting Standards Board Interpretations) i ferd med å utgi nye regler rundt inntektsanerkjennelse og leieanerkjennelse for bedrifter. Regnskapsfirmaer holdt konferanser rundt om i landet for å forberede seg selv og sine kunder på disse endringene. Med vår maskinlæringslins, innsett vi at dette var en perfekt mulighet for et smalt fokusert maskinlæringsystem til å arbeide sammen med regnskapsførere for å dramatisk øke hastigheten på analyse samt øke nøyaktigheten. Vi trente et system på over fire millioner kontrakter: alt fra en enkelt side skannet inn, håndskrevet kjøpsordre, til kontrakter med hundre sider med garantier og disclaimere og milepæl-betalingsbeskrivelser. Det lærte svært raskt å forstå språket og sortere dokumenter eller deler av dokumenter og anvende forretningsregler for å nesten umiddelbart utføre analyse som ville ta en menneskelig regnskapsfører hele dagen.

Dette prosjektet og andre er casestudier vi tilbyr for å oppmuntre alle i næringslivet i dag til å ta den nye maskin/menneske-balanse-linsen og se nærmere på hver aktivitet for å bestemme hva som er riktig blanding av menneskelig og maskin-innsats for å optimalisere sine bedrifter.

Når JP Morgan brukte denne tilnærmingen for å eliminere 320 000 timer årlig med låneanalyse, oppnådde de ikke bare en 100 ganger return på investeringen det året, men vil også motta den annuiteten hver år fremover. Enhver av deres konkurrenter som fortsatt gjør “business as usual”, som fortsatt har den kostnaden, vil ikke bare være ukonkurransedyktig, men irrelevant.

En av de mest spennende produktene som Tanjo tilbyr, er Tanjos Enterprise Brain. Hva type maskinlæring ligger bak dette, og hva er dens anvendelsesområder?

Når vi brukte maskinlæring for å hjelpe den amerikanske utdanningsdepartementet med å skape Learning Registry, så vi kraften i maskinlæring til å organisere og analysere kunnskap. Når jeg snakker om dette, viser jeg vanligvis en slide med et bilde fra den siste scenen i “Raiders of the Lost Ark”; hvor en kontorist er i ferd med å kjøre en trist utseende kasse gjennom en enorm lagerbygning for å arkivere dette usedvanlig potente artefaktet som kan redde eller ødelegge planeten, og det har en liten merking som sier ARC.

Hva vi lærte fra Learning Registry-prosjektet og andre, er at bedriftssøk er ødelagt. Selskaper har umerket og skjult informasjon gjemt i små datainnsjøer og -dammer som er enten utilgjengelige eller uforståelige og derfor ikke åpne for spørring. I denne akselererende informasjonsalderen, mister vi kunnskap hver dag på grunn av dårlig lagring og gjenvinning.

Tanjo Enterprise Brain bor innenfor din brannmur, med full kildekode, kobler til alt og har ingenting å gjøre enn å lese og skanne og organisere alt den har tilgang til og vente på det spennende øyeblikket når den oppdager et menneske som prøver å gjøre noe som kan dra nytte av den enorme informasjonskartet på sine fingre. Fordi den har så mye tid og kraft og intimitet med organisatorisk kunnskap, setter den ikke en grense for å redusere sin lesning av “Krig og fred” til #Russiannovel #Tolstoy #krigsfortelling #kjærlighetshistorie. I stedet vil den kartlegge det med hva vi kaller en “hyperdimensjonal fingeravtrykk” på opptil 4 000 vektede konsepter. Denne tilsynelatende overkraftige innsatsen betaler store dividender for forskningsinstitusjoner, banker og college med Tanjo Enterprise Brain. Det er vanlig for dem å realisere verdi langt over lisensavgiften bare i organisatorisk kunnskapskartleggingssteget som er en del av å trene deres Enterprise Brain, når ledelsen lærer hvor mye av kunnskapen de investerer i og er avhengig av, faktisk er der og hva det all betyr. Når Enterprise Brain er implementert, har organisasjonen nå et linse med hvilket informasjon ble innført i systemene, hvem som fremmet det, hvem som utfordret det og til slutt hvordan beslutninger ble tatt. Det blir et behov som er retrospektivt åpenbart. Og som maskinlæringsystemet JP Morgan implementerte, betaler det dividender for alltid.

Er det noe annet du ønsker å dele om Tanjo?

Tanjo jobber hardt nå med en Covid-19-hjerne. I tråd med tesen som driver vårt selskap, bestemmer vi hvordan vi kan oppnå balansen mellom mennesker og maskiner for å sikre at riktig informasjon og beste ressurser er tilgjengelige for mennesker som tar viktige beslutninger under denne krisen. Tanjo Animated Personas-kapasiteten vil bli brukt til å modellere menneskepopulasjonsdata for å spore virus-spredning, men også bestemme hvilke tiltak og kommunikasjonsmetoder og de faktiske ordene, vil få den atferden vi trenger for å lykkes å navigere ut av denne krisen til et sunnere økosystem for alle oss.

Dette har vært en fascinerende samtale, lesere som ønsker å lære mer, bør besøke Tanjo.

https://youtu.be/f0_SbQYD5ec