Francisco Webber, Współzałożyciel i CEO Cortical.io – Wywiad

Francisco Webber jest współzałożycielem i CEO Cortical.io oraz wynalazcą patentowanej technologii Retina. Ta technologia stosuje zasady przetwarzania mózgu w uczeniu maszynowym i rozumieniu języka naturalnego (NLU), aby rozwiązywać rzeczywiste przypadki użycia związane z dużymi danymi tekstowymi. Rozwiązania Cortical.io opierają się na rzeczywistym znaczeniu tekstu, a nie na statystycznych wystąpieniach.

Zainteresowanie Francisco informatyką rozwinęło się podczas jego studiów medycznych, kiedy był zaangażowany w przetwarzanie danych medycznych. W ciągu dwóch dekad eksplorował technologie wyszukiwania i systemy dokumentacji w różnych kontekstach, ale coraz bardziej frustrowały go ograniczenia najnowocześniejszych metod statystycznych.

W 2005 roku założył Matrixware Information Services , które opracowały pierwszą znormalizowaną globalną bazę patentową. W 2007 roku utworzył Information Retrieval Facility z czołowym ekspertem akademickim w dziedzinie odzyskiwania informacji, profesorem Keithem van Rijsbergenem. Celem obiektu było zbudowanie mostu między środowiskiem akademickim a przemysłem w dziedzinie odzyskiwania informacji. Francisco uznał, że mózg jest jedynym istniejącym systemem odniesienia, jeśli chodzi o przetwarzanie języka naturalnego. Podczas śledzenia rozwoju neurologii sformułował swoją teorię Semantic Folding, która modeluje, jak mózg reprezentuje dane językowe.

Czym było to, co początkowo skłoniło Cię do zaangażowania się w Natural Language Understanding (NLU)?

Mojego zainteresowania informatyką rozwinęło się podczas moich studiów medycznych, kiedy byłem zaangażowany w przetwarzanie danych medycznych. W ciągu dwóch dekad eksplorowałem technologie wyszukiwania i systemy dokumentacji w różnych kontekstach, ale coraz bardziej frustrowały mnie ograniczenia najnowocześniejszych metod statystycznych. Uznałem, że mózg jest jedynym istniejącym systemem odniesienia, jeśli chodzi o przetwarzanie języka naturalnego.

Jesteś zarówno założycielem, jak i CEO Cortical.io. Czy mógłbyś podzielić się historią powstania tej firmy?

Wiedzieliśmy, że mamy technologię, która umożliwi firmom szybsze, bardziej precyzyjne i skuteczne wyszukiwanie, ekstrakcję, adnotację i analizę informacji z nieustrukturyzowanego tekstu. Nasza technologia NLU oparta na sztucznej inteligencji może być prawdziwym differentiatorem w rozwiązywaniu wyzwania przetwarzania nieustrukturyzowanych danych tekstowych, ponieważ rozumie znaczenie zdań, akapitów i pojęć, a nie tylko słów kluczowych, co skutkuje dostarczaniem bardzo precyzyjnych wyników. Gdy liderzy branży dowiedzieli się o tym, co mamy, otworzyło to dla nas drzwi do testowania naszego podejścia w ramach rzeczywistych i złożonych wymagań. To doprowadziło do licznych sukcesów wśród firm z listy Fortune 500. Stały się one modelem dla naszych produktów Contract Intelligence i Message Intelligence.

Technologia Cortical.io opiera się na Teorii Semantic Folding, innowacyjnej teorii obliczeniowej do przetwarzania danych językowych. Jakie są obecne ograniczenia w podejściu większości AI do NLU?

Standardowe podejścia AI i ML polegają na budowaniu dużych modeli statystycznych, które są szkolone przy użyciu ogromnych ilości danych szkoleniowych. Często nie ma wystarczającej ilości danych szkoleniowych, a eksperci od danej dziedziny nie mają czasu, aby adnotować takie duże ilości dokumentów. Ponadto szkolenie dużych modeli (z miliardami parametrów) wymaga ogromnych zasobów obliczeniowych, co jest bardzo drogie i pochłania dużo energii. Typowy model językowy zużywa więcej energii niż pięć samochodów przez cały ich żywot!

Teoria Semantic Folding jest zbudowana na podstawie Teorii Hierarchical Temporal Memory (HTM). Czy mógłbyś krótko opisać, czym jest ta teoria?

Hierarchical Temporal Memory (HTM) to teoria inteligencji biologicznie ograniczonej, pierwotnie opisana w książce Jeffa Hawkinsa On Intelligence. Jest to ramka inteligencji maszynowej ściśle oparta na neurologii i fizjologii oraz interakcji neuronów w mózgu. W tej teorii mózg działa jako system pamięci, który przechowuje wzorce i dokonuje predykcji na podstawie bieżących doświadczeń, opartych na zapamiętanych wzorcach. Aby maszyny były naprawdę inteligentne, muszą odtworzyć ten system pamięci-predykcji. Hawkins opisuje rozproszone reprezentacje sparowane jako jedyny format danych używany przez neokortex. Słownik semantyczny używany w naszej technologii to rozproszone reprezentacje sparowane tekstu (słów, zdań lub akapitów).

Czy mógłbyś podzielić się z nami, w jaki sposób metoda SFT jest lepsza od konkurencyjnych strategii NLU?

Teoria Semantic Folding, na której oparta jest technologia Cortical.io, ma kilka dużych zalet. Po pierwsze, nie wymaga ogromnej bazy danych przykładowych, aby dostarczyć dokładne wyniki. Po drugie, jest szybka i wymaga mniej zasobów obliczeniowych niż najnowocześniejsze algorytmy uczenia maszynowego. Wreszcie, proces szkolenia jest znacznie prostszy i może być zarządzany przez ekspertów od danej dziedziny, którzy będą używać systemu, nawet jeśli nie mają doświadczenia w dziedzinie AI.

Jednym z produktów Cortical.io jest Message Intelligence, co dokładnie jest to aplikacja?

Message Intelligence należy do kategorii znanej jako Intelligent Document Processing. Korporacje są przytłoczone przetwarzaniem szerokiego zakresu wiadomości i dokumentów. Message Intelligence to gotowe rozwiązanie, które wykorzystuje technologię Cortical.io do dokładnego wyodrębniania i klasyfikowania kluczowych informacji w tych wiadomościach i dokumentach oraz odpowiedniego ich przetwarzania w skali przedsiębiorstw. Dzięki opatentowanemu podejściu Cortical.io możliwe jest opracowanie niestandardowych klasyfikatorów w ciągu kilku godzin i modeli ekstrakcji w ciągu kilku dni.

Innym produktem w ofercie jest Contract Intelligence, czy mógłbyś podzielić się szczegółami na temat tego?

Cortical.io Contract Intelligence wykorzystuje nowe podejście do rozumienia języka naturalnego, aby szybko i dokładnie analizować istotne informacje z dużych ilości dokumentów, co jest trudne do osiągnięcia w skali ręcznej lub przy użyciu innych narzędzi do analizy umów. Rozwiązanie oferuje potężne, oparte na znaczeniu narzędzie do wyodrębniania i klasyfikowania kluczowych informacji, wyszukiwania w poszczególnych dokumentach lub w całej bazie danych, a także porównywania dokumentów z szablonem lub poprzednimi wersjami.

Czy jest coś jeszcze, co chciałbyś podzielić się na temat Cortical.io?

Jesteśmy podekscytowani, widząc dojrzewanie sztucznej inteligencji i rozumienia języka naturalnego z interesującej technologii do integracji z aplikacjami, które rozwiązują rzeczywiste problemy biznesowe.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Cortical.io.