Birago Jones, współzałożyciel i CEO Pienso – seria wywiadów

Birago Jones jest CEO i współzałożycielem Pienso, platformy no-code/low-code dla przedsiębiorstw do szkolenia i wdrożenia modeli AI bez potrzeby zaawansowanej wiedzy z dziedziny nauki o danych lub umiejętności programistycznych. Dziś klientami Birago są rząd Stanów Zjednoczonych i Sky, największy nadawca w Wielkiej Brytanii. Pienso opiera się na badaniach Birago przeprowadzonych w Massachusetts Institute of Technology (MIT), gdzie on i jego współzałożyciel Karthik Dinakar pełnili funkcję asystentów badawczych w laboratorium medialnym MIT. Jest on uznanym autorytetem w dziedzinie sztucznej inteligencji (AI) i interakcji człowieka z komputerem (HCI), a także zwolennikiem odpowiedzialnego AI.

Pienso‘s interaktywne środowisko uczenia jest zaprojektowane w celu umożliwienia użytkownikom wykorzystania AI w pełni bez konieczności posiadania umiejętności programistycznych. Platforma prowadzi użytkowników przez proces szkolenia i wdrażania dużych modeli językowych (LLM), które są wyposażone w ich wiedzę i dostosowane do odpowiedzi na ich konkretnie pytania.

Czym było to, co początkowo skłoniło Cię do podjęcia studiów z dziedziny AI, HCI (Human Computer Interaction) i user experience?

Już wcześniej rozwijałem projekty osobiste skupione na tworzeniu narzędzi dostępności i aplikacji dla osób niewidomych, takich jak cyfrowy czytnik brajla z użyciem smartfona i system nawigacji wewnętrznej (cyfrowa laska). Uważałem, że AI może wesprzeć i ulepszyć te wysiłki.

Pienso zostało początkowo pomyślane podczas Twojego pobytu w MIT, jak powstał pomysł szkolenia modeli machine learning, aby były one dostępne dla użytkowników nieposiadających wiedzy technicznej?

Mój współzałożyciel Karthik i ja spotkaliśmy się na studiach podyplomowych, kiedy prowadziliśmy badania w laboratorium medialnym MIT. Zespołowaliśmy się do projektu klasowego, aby zbudować narzędzie, które pomogłoby platformom społecznościowym moderować i oznaczać treści zawierające przejawy bullyingu. Narzędzie to zyskało dużą popularność, a nawet zostaliśmy zaproszeni do Białego Domu, aby przedstawić demonstrację tej technologii podczas szczytu poświęconego cyberbullyingowi.

Był tylko jeden problem: chociaż sam model działał zgodnie z oczekiwaniami, nie został wyszkolony na odpowiednich danych, więc nie był w stanie identyfikować szkodliwych treści, które wykorzystywały slang młodzieżowy. Karthik i ja pracowaliśmy razem, aby znaleźć rozwiązanie, a później zrealizowaliśmy, że możemy rozwiązać ten problem, jeśli znajdziemy sposób, aby nastolatkowie mogli bezpośrednio szkolić dane modelu.

To był moment „Aha”, który później zainspirował Pienso: eksperci z danej dziedziny, a nie inżynierowie AI jak my, powinni być w stanie łatwiej dostarczyć dane szkoleniowe modelu. W efekcie opracowaliśmy narzędzia point-and-click, które pozwalają nieekspertom szkolić duże ilości danych w skali. Następnie zastosowaliśmy tę technologię w lokalnych szkołach w Cambridge, Massachusetts, i poprosiliśmy o pomoc lokalnych nastolatków w szkoleniu ich algorytmów, co pozwoliło nam uchwycić więcej nuansów w algorytmach niż wcześniej. Z tą technologią współpracowaliśmy z organizacjami takimi jak MTV i Brigham and Women’s Hospital.

Czy mógłbyś podzielić się historią powstania Pienso jako niezależnej firmy poza MIT?

Zawsze wiedzieliśmy, że ta technologia może dostarczyć wartości poza przypadkiem, który zbudowaliśmy, ale nie było to możliwe do 2016 roku, kiedy Karthik ukończył swój doktorat. W tym czasie głębokie uczenie się eksplodowało popularnością, ale było głównie stosowane przez inżynierów AI, ponieważ nikt inny nie miał ekspertyzy, aby szkolić i wdrażać te modele.

Jakie są kluczowe innowacje i algorytmy, które umożliwiają Pienso interfejs no-code do budowy modeli AI? Jak Pienso zapewnia, że eksperci z danej dziedziny, bez wiedzy technicznej, mogą skutecznie szkolić modele AI?

Pienso eliminuje bariery „MLOps” — czyszczenia danych, oznaczania danych, szkolenia modelu i wdrażania. Nasza platforma wykorzystuje półnadzorowane uczenie maszynowe, które pozwala użytkownikom rozpocząć od nieoznaczonych danych szkoleniowych, a następnie wykorzystać ludzką ekspertyzę do szybkiego i dokładnego oznaczania dużych ilości danych tekstowych bez konieczności pisania kodu. Ten proces szkoli głębokie modele uczenia, które są w stanie dokładnie klasyfikować i generować nowy tekst.

Jak Pienso oferuje dostosowanie w rozwoju modeli AI, aby spełnić specyficzne potrzeby różnych organizacji?

Jesteśmy przekonani, że żaden model nie może rozwiązać wszystkich problemów dla każdej firmy. Musimy być w stanie budować i szkolić modele dostosowane do potrzeb każdej organizacji. Dlatego Pienso umożliwia szkolenie modeli bezpośrednio na danych organizacji. To rozwiązuje problemy związane z prywatnością przy użyciu modeli podstawowych i może dostarczyć bardziej dokładne informacje.

Pienso integruje się również z istniejącymi systemami przedsiębiorstw za pomocą API, umożliwiając dostarczanie wyników inferencji w różnych formatach. Pienso może również działać bez korzystania z usług lub API stron trzecich, co oznacza, że dane nie muszą być przesyłane poza bezpiecznym środowiskiem. Może być wdrożone na głównych dostawcach chmury oraz na miejscu, co czyni je idealnym rozwiązaniem dla branż, które wymagają silnych praktyk bezpieczeństwa i zgodności, takich jak agencje rządowe lub finanse.

Jak widzisz ewolucję platformy w ciągu najbliższych kilku lat?

W ciągu najbliższych kilku lat Pienso będzie dalej ewoluować, koncentrując się na jeszcze większej skalowalności i wydajności. Wraz ze wzrostem popytu na analizy tekstowe o dużej objętości, poprawimy naszą zdolność do obsługi większych zbiorów danych z szybszymi czasami inferencji i bardziej złożoną analizą. Jesteśmy również zaangażowani w redukowanie kosztów związanych ze skalowaniem dużych modeli językowych, aby przedsiębiorstwa mogły uzyskać wartość bez kompromisów w szybkości lub dokładności.

Będziemy również dalej promować demokratyzację AI. Pienso jest już platformą no-code/low-code, ale planujemy rozszerzyć dostępność naszych narzędzi jeszcze bardziej. Będziemy nieustannie udoskonalać naszego interfejsu, aby jeszcze szerszy zakres użytkowników, od analityków biznesowych po zespoły techniczne, mógł szkolić, dostosowywać i wdrażać modele bez potrzeby głębokiej wiedzy technicznej.

Wraz z pracą z coraz większą liczbą klientów z różnych branż, Pienso będzie dostosowywał się, aby oferować bardziej dopasowane rozwiązania. Niezależnie od tego, czy jest to finanse, opieka zdrowotna, czy rząd, nasza platforma będzie ewoluować, aby uwzględnić szablony i moduły specyficzne dla branży, które pomogą użytkownikom dostosować swoje modele jeszcze skuteczniej do ich konkretnych przypadków użycia.

Pienso stanie się jeszcze bardziej zintegrowane z szerszym ekosystemem AI, pracując bezproblemowo obok rozwiązań i narzędzi / tools from the major cloud providers and on-premise solutions. We’ll focus on building stronger integrations with other data platforms and tools, enabling a more cohesive AI workflow that fits into existing enterprise tech stacks. Thank you for the great interview, readers who wish to learn more should visit Pienso.