James Kaplan, współzałożyciel i CEO MeetKai – seria wywiadów

James Kaplan jest współzałożycielem i CEO MeetKai, asystenta AI, który ułatwia życie poprzez rozmowę, personalizację i kurację.

Początkowo zacząłeś programować, gdy miałeś tylko sześć lat, co cię zachęciło do programowania, i jakie języki nauczyłeś się?

Impulsem była gra Oregon Trail zbudowana dla systemu Windows 95. Byłem uzależniony i grałem w nią każdego dnia po szkole. Byłem w pierwszej klasie, więc nie było zbyt wiele do zrobienia! Zacząłem myśleć o wszystkich rzeczach, które chciałbym zmienić w grze. Gdy byłem młodszy, kupiłem kopię “Game Programming for Teens”, podstawowej książki o programowaniu w lokalnym sklepie z książkami. Byłem natychmiast przyciągnięty do niej i szybko zapomniałem o moich pierwotnych motywacjach związanych z Oregon Trail. Ale zawsze kochałem gry, i one działały jako moja motywacja do nauki nowych języków programowania. W ciągu kilku następnych lat nauczyłem się Visual Basic, gdy próbowałem napisać bota dla NeoPets (udało się) i PHP, gdy miałem 12 lat, aby rozpocząć tworzenie dynamicznych stron internetowych. Nawet wtedy moją motywacją do nauki PHP było zarobienie pieniędzy na kupienie gier wideo.

Twoja poprzednia firma była operatorem funduszu hedgingowego opartego na AI, co nauczyłeś się z tego doświadczenia?

Mój największy wniosek był taki, że trzeba odrzucić pomysł, że nie można konkurować z gigantami w zatłoczonym sektorze. Może to być bardzo kuszące, aby myśleć, że w finansach wszystko, co jest opłacalne, zostało już wykorzystane przez dużego gracza. Jednak szybko zrozumiałem, że nie powinno się przeceniał swoich konkurentów. Lenistwo i inertność organizacyjna uniemożliwiają nowe pomysły. Czasami pomysł lub kampania może być zbyt wąska dla dużej firmy. Co ciekawe, mogą one również uważać, że coś jest zbyt ryzykowne, aby je rozwijać, więc nie jest to warte wyjścia poza ich strefę komfortu.

Czy mógłbyś podzielić się historią powstania MeetKai, asystenta AI?

Byłem zmęczony finansami. Wszystko musiało być mierzone pod względem współczynnika Sharpe i PnL. To usuwało wiele zabawy z technologii i było bardzo oddalone od tego, co pierwotnie zaprowadziło mnie na ścieżkę programowania. Pod koniec 2018 roku rozmawiałem z Weili Dai, współzałożycielem MeetKai, o tym, co widziałem w krajobrazie technologicznym w ogóle. Jedna z moich głównych obserwacji była taka, że przestrzeń asystentów głosowych była stagnacyjna. Wszystkie kluczowe podmioty trzymały się starych podejść, a użytkownicy nie korzystali z technologii. Nikt nie chciał próbować nowych podejść, “ponieważ tak nie robi X”. Nie było różnicowania. Jeśli zacząłbym od zera i odrzucił wszystkie (lub większość) wcześniejszych założeń dotyczących “jak zbudować asystenta głosowego”, mógłbym fundamentalnie zmienić doświadczenie użytkownika. Zaczęliśmy budować prawdziwego asystenta AI, a nie asystenta głosowego opartego na czacie. Lekcje wyniesione z mojego poprzedniego przedsięwzięcia, w połączeniu z mentoringiem Weili, doprowadziły nas do założenia MeetKai.

Jakie są niektóre wyzwania związane z budową asystenta AI?

Istnieją dwa rodzaje problemów związanych z budową prawdziwego asystenta AI – oczekiwania użytkowników i implementacja techniczna. Pierwszy problem jest pomijany, ale ma zastosowanie w MeetKai. Użytkownicy są szkoleni w tym, co jest i nie jest poza granicami asystenta głosowego. W szczególności zakładają, że muszą wyszukiwać w sposób zorientowany na polecenia. Pracujemy nad tym, aby użytkownicy szukali w języku naturalnym. To umożliwia znacznie bogatsze rodzaje funkcjonalności, takich jak używanie negacji “Znajdź mi film z Dwayne “The Rock” Johnsonem, który nie jest Moana”. Możemy to obsłużyć idealnie w codziennym języku, ale obecni asystenci głosowi nie potrafią odpowiedzieć na to pytanie.

Jak MeetKai wykorzystuje personalizowany AI, aby się wyróżnić?

Używamy personalizowanego AI w dwóch różnych obszarach – zrozumieniu i wyszukiwaniu.

Gdy użytkownik mówi “Czy możesz znaleźć coś chińskiego na dzisiaj?”, to może oznaczać, że chce chiński przepis, chińską restaurację lub chiński program do obejrzenia. Z naszym personalizowanym, głębokim zrozumieniem możemy rozróżnić i zapewnić wynik, który użytkownik oczekuje. To wszystko odbywa się bez opuszczania danych użytkownika naszej platformy.

Jakie są przypadki użycia MeetKai?

Celem MeetKai jest być pierwszym AI Concierge. Chcemy pomóc użytkownikom w ich codziennym życiu. Nie chcemy być asystentem zorientowanym na polecenia. Nie obsługujemy funkcji takich jak “głośność w górę”, “głośność w dół”, “30-sekundowy timer”, … masz obraz. Uważam, że te funkcje nie są AI, są tylko wejściem opartym na głosie. Jeśli wrócisz do czasów AskJeeves, cały pomysł polegał na tym, że był to twój lokaj, nikt nie antropomorfizowałby Google Assistant. Tak samo jak Apple Siri lub Amazon (AMZN ) Alexa chcieliby być, nikt nie myśli o nich jako o czymś innym niż aplikacji. Wciąż jesteśmy we wczesnej fazie, ale zbudowaliśmy wszystkie niezbędne technologie, aby zrealizować nasz plan na najbliższe trzy do pięciu lat w kierunku prawdziwego asystenta AI.

Jak przemysł może zapobiec wprowadzeniu asystenta AI, który wprowadza lub wzmacnia istniejące uprzedzenia u użytkownika?

Istnieje delikatna równowaga między zapewnieniem personalizowanych wyników a nie tworzeniem uprzedzeń. Widzieliśmy, co się dzieje, gdy badacze optymalizują pomiary zaangażowania na platformach społecznościowych – tworzą bąbelki uprzedzeń. Pierwszym krokiem w tym kierunku jako przemysł jest ponowne rozważenie naszych metryk i KPI. W MeetKai optymalizujemy równowagę między kliknięciami a nowością kliknięć. AI powinno być nagradzane znacznie więcej za znalezienie nowego wyniku, który jest klikany w 30% przypadków, niż po prostu “najlepszy” wynik klikany w 50% przypadków. Jednakże, ten podejście ma dość oczywisty fallback przy głębszym rozważeniu. Co, jeśli wyniki, które AI generuje, są po prostu uprzedzonymi wynikami dla małej bańki użytkownika? Budujemy nasze AI, aby popychać w obie strony strefy personalizacji użytkownika. Jeśli użytkownik poprosi o listę artykułów o wołowinie, to zamiast przedstawienia im artykułów, które odpowiadają ich przekonaniom, możemy dodać artykuły, które są na granicy lub nieco poza granicą ich preferencji. To może obejmować artykuł o etyce zwierząt i zmianach klimatycznych, a także artykuł o potencjalnych korzyściach zdrowotnych tłuszczów pochodzenia zwierzęcego. Techniczna intuicja naszego podejścia opiera się na założeniu, że trudno trenować AI, aby określić, czy Y jest uprzedzone, ale znacznie łatwiej trenować je, aby wiedziały, że X i Z leżą na granicy tej samej strefy co Y.

Gdzie widzisz przyszłość asystentów AI w ciągu 5 lub 10 lat?

Asystenci AI będą coraz bardziej przechodzić do podejścia opartego na pierwszej stronie, takiego jak MeetKai. Przez całe swoje istnienie Alexa i Google próbowały kultywować ekosystem rozszerzeń i umiejętności trzecich stron. To powoduje poważne problemy z prywatnością. Co więcej, to mówi nic o górnych granicach, które nakładają na możliwości. Oczekuję, że więcej graczy w branży przyjmie podejście, które przyjęliśmy, i są oznaki tego w całej branży. Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej o tym personalizowanym asystencie AI, powinni odwiedzić MeetKai.