Jim McGowan, dyrektor produktu w ElectrifAi – Seria wywiadów

Jim McGowan jest dyrektorem produktu w ElectrifAi, specjalizującym się w wyodrębnianiu ogromnych ilości rozproszonych danych, przekształcaniu chaotycznych, uporządkowanych i nieuporządkowanych danych w działania biznesowe.

Czym było to, co przyciągnęło Cię do świata machine learning i AI?

Po raz pierwszy spotkałem się z Machine Learning, gdy uzyskiwałem doktorat z zakresu nauk kognitywnych. Systemy AI składały się głównie z destylowania doświadczenia eksperta do postaci diagramu przepływu. Wydawało się to intuicyjnie, ale systemy te szybko stawały się zbyt złożone i nie spełniały swoich obietnic. Można było rozwiązać małe problemy, ale praktyczne rozwiązania rzeczywistych problemów były poza zasięgiem. Można powiedzieć, że budowanie praktycznych systemów było samo w sobie niepraktyczne. Potem pojawił się Machine Learning. To wszystko zmieniło. Machine Learning odblokował obietnice AI. ElectrifAi spełnia tę obietnicę, budując rozwiązania, które pomagają naszym klientom lepiej prowadzić swoje interesy.

ElectrifAi wykorzystuje coś, co nazywa się Praktycznym AI, aby pomóc firmom w lepszym wykorzystaniu danych, które już posiadają. Czy możesz wyjaśnić, jak ElectrifAi definiuje Praktyczny AI?

Wykorzystujemy dane klientów, aby zapewnić jasne, działania biznesowe, dla rzeczywistych potrzeb biznesowych. Pomagamy im podejmować lepsze decyzje, szybciej. Praktyczny AI to rozwiązanie rzeczywistego problemu biznesowego z rozwiązaniem, które działa dobrze, opiera się na jasnym zrozumieniu danych, ma określony wynik, pasuje do istniejących procesów i narzędzi, jest dostarczane na czas i dostarcza ogromną wartość biznesową. Nie wymagamy, aby firmy zastępowały swoje systemy danych. Nie wymagamy określonego modelu biznesowego. Nie zajmujemy się firmom przez rok, aby może coś dostarczyć, co jest kompromisem wobec tego, co klient chciał osiągnąć. Zapewniamy elastyczne, wysokiej jakości rozwiązanie, które jest proste w użyciu i robi to, co ma robić, bardzo, bardzo dobrze. To Praktyczny AI.

Upewniamy się, że w każdym rozwiązaniu osiągamy następujące cele:

• Najlepszy czas dostarczania wartości
• Najlepsze czyszczenie danych
• Najlepsze spostrzeżenia
• Najlepszy zwrot z inwestycji

Czy możesz podać więcej szczegółów na temat tego, jak ElectrifAi umożliwia firmom korzystanie z Praktycznego AI?

Wyciągamy dane ze wszystkich systemów – niezależnie od tego, czy są to niestandardowe bazy danych, wysoko dostosowane rozwiązania od dużych dostawców, czy nawet zrzut danych z jakiejś starszej aplikacji. Czyszczymy i rozumujemy te dane, a następnie znajdujemy jasne, znaczące sygnały w tym chaosie. Następnie wykorzystujemy machine learning, aby wyodrębnić cenne spostrzeżenia z tych sygnałów, a na koniec wskazujemy, jak działać na podstawie tych spostrzeżeń. SpendAi to doskonały przykład. Wykorzystujemy machine learning, aby oczyścić dane, a następnie więcej machine learning, aby sklasyfikować 98-99% danych ze wszystkich systemów zakupów klienta. Pozwalamy nawet klientom kontrolować tę klasyfikację na poziomie szczegółowym, w zaledwie kilka sekund, za pomocą interfejsu przeciągnij-i-upuść. To jest unikalne i niesamowicie potężne. Następnie stosujemy kolejną grupę algorytmów machine learning, aby dać jasny, prosty widok, dokąd idzie wydatek. Wykorzystujemy machine learning, aby sparsować umowy i wyodrębnić kluczowe klauzule. Następnie stosujemy jeszcze więcej machine learning, aby złożyć konkretną rekomendację. Na przykład klient może być uprawniony do rabatu z tytułu klauzuli ukrytej w umowie. Lub mogą być zbyt uzależnieni od dostawcy w kategorii, który sam jest narażony na ryzyko finansowe. Klient może być niedostatecznie wykorzystywał swoją pozycję z dostawcą, ponieważ dostawca działa pod wieloma nazwami i w wielu działach firmy. Ujawniamy i czyszczymy wszystko to, aby klient mógł zmniejszyć swój wydatek, zwiększyć swój kapitał obrotowy i zmniejszyć swoje ryzyko.

Czy możesz omówić PulmoAi CT i to, jak może ono zwiększyć wydajność radiologów i poprawić wyniki radiologiczne?

PulmoAi CT to zaawansowany produkt analityczny obrazu zaprojektowany specjalnie dla skanów CT płuc. łącząc Praktyczny AI, Machine Learning (ML) i technologie przetwarzania obrazu, PulmoAi CT automatycznie segmentuje skany płuc piksel po pikselu, bez rozmycia lub zniekształcenia doświadczanego z podobnymi technologiami. Wynikiem jest: wyraźnie wyrenderowane obrazy 3D – umożliwiające natychmiastowe identyfikowanie wskazań do guzów, guzków, COVID-19 i innych anomalii. Z PulmoAi CT radiolodzy mogą łatwo powiększać szczegóły płuc, wyświetlając je obok analiz klinicznych i oryginalnych obrazów. PulmoAi CT ilościowo mierzy każdą cechę płuc z dokładnymi metrykami, w tym rozmiar, morfologiczny i objętościowy zakres. Umożliwia to staranne monitorowanie postępu anomalii, nawet w obecności wielu chorób.

PulmoAi CT to bardzo inna technologia niż jakikolwiek produkt na rynku lub nawet laboratorium badawczym. Wyniki są przełomowe. Nie ma niczego podobnego. To nie jest podejście siłowe, które wymaga dziesiątków tysięcy próbek, aby działać. PulmoAi CT produkuje wyniki, podczas gdy inne rozwiązania AI wciąż szukają danych szkoleniowych. To potężne i zmieni to, co radiolodzy mogą zrobić.

Inny produkt ElectrifAi to PulmoAi X-ray, który bezpośrednio odnosi się do wykorzystania promieni X w strefach kryzysowych. Czy możesz omówić tę technologię?

PulmoAi X-ray bezpośrednio odnosi się do wykorzystania promieni X w strefach kryzysowych dzisiaj. Dostosowując się do konkretnych wyzwań pandemii, PulmoAi X-ray idzie o krok dalej niż rozróżnianie zdrowych płuc od płuc zakażonych COVID-19. Rozwiązanie oparte na chmurze identyfikuje kluczowe różnice między pacjentami z koronawirusem, którzy zostali wysłani do domu i wyzdrowieli bezpiecznie, a tymi, którzy zostali wysłani do domu i wrócili, potrzebując intubacji. Wstępnie przeszkolony na skanach płuc z szpitali w strefach kryzysowych, PulmoAi X-ray wykorzystuje technologie głębokich sieci neuronowych, aby zidentyfikować krytyczne nieprawidłowości związane z COVID-19. PulmoAi X-ray jest unikalny, ponieważ jest ściśle dostrojony do odpowiedzi na problem, który szpitale w strefach kryzysowych starają się rozwiązać: czy samoizolacja zadziała, czy pacjent potrzebuje hospitalizacji?

Inny produkt to ContractAi, który wykorzystuje praktyczny AI, Machine Learning i Natural Language Processing (NLP), aby automatycznie czytać, analizować i porównywać umowy w całej firmie. Czy możesz omówić ten produkt i najlepsze przypadki użycia?

ContractAi jest zaprojektowany dla użytkowników, którzy wchodzą w interakcje z umowami w codziennych rolach operacyjnych. Na przykład ContractAi pomaga osobom w grupie zakupów, którzy analizują wydatki wobec umów z dostawcami. Ostatnio, ze względu na wstrząs ekonomiczny spowodowany COVID-19, oprogramowanie to pomaga firmom zrozumieć, jaką mają możliwość wyjścia z umów z dostawcami. Kiedy ta możliwość jest połączona z naszym produktem SpendAi, można natychmiast zrozumieć wpływ finansowy tej możliwości. Jednym z największych zalet tej technologii jest to, że działa z danymi umownymi w dowolnym formacie – nie ma potrzeby ręcznego wprowadzania i nie jest wymagany konkretny format. Inną zaletą jest to, że technologia ta jest specjalnie zaprojektowana dla użytkowników, którzy wykorzystują umowy w roli operacyjnej. Wiele istniejących technologii przetwarzania umów jest zaprojektowanych dla prawników, którzy mają inny zestaw problemów.

Czy jest coś jeszcze, co chciałbyś podzielić się na temat ElectrifAi?

Jako globalna firma machine learning, mamy unikalny wgląd w to, jak różne rynki rozwijają się i wykorzystują Machine Learning. Jedną z zalet tego widoku jest nasza zdolność do zrozumienia, jak możliwości machine learning (ML) mogą być tłumaczone z jednej geografii i / lub rynku pionowego na inny, aby pomóc rozwiązać znaczące problemy.

Na przykład spędziliśmy lata na całym świecie, pomagając firmom angażować swoich klientów za pomocą nauki o danych. Teraz wykorzystaliśmy tę ekspertyzę, aby pomóc przemysłowi opieki zdrowotnej w USA w zakresie zaangażowania pacjentów, pomagając wznowić opiekę zdrowotną i przywrócić pacjentów do szpitali na niezbędne operacje wybór.