Sarah Nagy, założycielka i dyrektor generalna Seek AI – seria wywiadów

Sarah Nagy jest założycielką i dyrektorem generalnym firmy Szukaj AI, platformę, która umożliwia użytkownikom końcowym biznesowym zadawanie firmie Seek dokładnie tych samych pytań, które obecnie zadają zespołowi ds. danych, bezpośrednio w Slack, Teams i e-mailu. Żadnego „dopracowywania” sposobu, w jaki zapisują swoje pytanie, ani uczenia się nowej platformy.

Zaczynałeś jako badacz, korzystając z danych z Kosmicznego Teleskopu Hubble'a. Nad czym pracowałeś?

Prowadziłem badania na UCLA i w Caltech, przyglądając się niektórym z najbardziej odległych galaktyk, które można było obserwować za pomocą teleskopu, i pracowałem nad analizą niektórych ich właściwości, takich jak masa i rozmiar. Celem tych badań było pomóc nam zrozumieć różnicę między bardzo odległymi galaktykami a galaktykami bliższymi naszej oraz opracować modele powstawania tych galaktyk w czasie.

Następnie pracowałeś jako analityk danych w różnych start-upach. Które projekty były najciekawsze?

Jednym z wyróżniających się projektów było wykorzystanie przetwarzania języka naturalnego (NLP) do klasyfikowania nieustrukturyzowanego tekstu dotyczącego artykułów detalicznych. Na przykład, biorąc surowy tekst (np. „air jordans green”) i etykietując jako szacunkową markę („Nike”). Miałem kolegę specjalizującego się w NLP, który był zajęty innym projektem, więc początkowo nie miałem pracować nad tym. Skończyło się na tym, że został mi przekazany, ponieważ byli zajęci. Nie wiedziałem wtedy nic o NLP, więc wziąłem udział w bezpłatnych kursach prowadzonych przez Stanford i Fast.ai, aby poszerzyć swoją wiedzę. Bardzo podobała mi się nauka NLP i zaczęłam rozumieć, dlaczego jest ona tak ważna i dlaczego sztuczna inteligencja (AI), będąca w stanie zrozumieć język, to duży krok w kierunku tak zwanej „ogólnej sztucznej inteligencji”. To doświadczenie zdecydowanie przygotowało mnie do szybkiego zrozumienia znaczenia GPT-3, gdy pojawił się po raz pierwszy.

Czy mógłbyś podzielić się historią powstania Seek AI?

Kiedy na rynku pojawił się model GPT-3 OpenAI, od razu dostrzegłem, jaki to był niesamowity postęp i szczególnie podekscytowałem się aplikacjami wykorzystującymi pisanie kodu GPT-3. W końcu cały dzień pisałem kod jako analityk danych i widok sztucznej inteligencji, która to robi – i doskonale generuje kod – był oszałamiający. Porównałbym swoją reakcję na GPT-3 do pierwszej nauki o VR w 2013 roku, co było dla mnie kolejnym wstrząsającym doświadczeniem. W końcu zdecydowałem, że muszę założyć startup, aby postawić na tę technologię. Nie wiedziałem dokładnie, co zbuduję, ale miałem przeczucie, że jeśli dowiem się więcej o tych modelach, powstanie coś wartościowego.

Kiedy już naprawdę dowiedziałem się o modelach, zdałem sobie sprawę, że mogę rozwiązać problem, z którym spotykałem się wszędzie, gdzie pracowałem jako kwantysta lub analityk danych. Problem, o którym mowa, polegał na tym, że przedsiębiorcy nie posiadali odpowiednich narzędzi, aby odpowiedzieć na własne pytania dotyczące danych. Jako analityk danych często pracowałem nad problemami wymagającymi dużej koncentracji, ale często przerywali mi koledzy ze strony biznesowej, którzy mieli pytania dotyczące danych, co zmuszało mnie do zaprzestania wykonywanej pracy. Proces wydawał się archaiczny i nieefektywny. Zdałem sobie sprawę, że gdybym skupił się na rozwiązaniu problemu przez tę nową technologię, byłoby to rozwiązanie definiujące kategorię tego bardzo ważnego i wszechobecnego problemu.

Seek AI wykorzystuje generatywną sztuczną inteligencję. Czy mógłbyś wyjaśnić naszym czytelnikom, co to jest?

„Generatywna sztuczna inteligencja” to bardzo modne hasło, ale w przeciwieństwie do innych modnych haseł, nie sądzę, że ten szum jest nieuzasadniony. Termin ten odnosi się do dużych modeli uczenia maszynowego zawierających setki miliardów parametrów, takich jak otwarta sztuczna inteligencja DALL-E i GPT-3. Innowacyjność tych modeli polega na tym, że potrafią rozumieć język naturalny i generować tekst, obrazy, kod i nie tylko. Jeśli kiedykolwiek pobawisz się na przykład DALL-E lub Stable Diffusion, szybko zrozumiesz, dlaczego te modele są tak popularne; mają niesamowicie ludzką zdolność rozumienia poleceń w języku naturalnym i potrafią tworzyć dzieła sztuki, które mogą konkurować z najlepszymi ludzkimi artystami.

Generowanie kodu to jedno z najbardziej niszowych, ale najważniejszych zastosowań generatywnej sztucznej inteligencji. Dane stają się coraz większe i bardziej złożone, przez co ludzie trudniej je ręcznie analizować i porządkować. Jednak w tych danych jest zakodowanych mnóstwo informacji. Informacje te są nie tylko przydatne dla organizacji, ale mogą również prowadzić do niesamowitych przełomów naukowych po stronie akademickiej. Budowanie sztucznej inteligencji w celu wydobywania wartości z danych odblokuje niesamowitą wartość w postaci przydatnych informacji.

Seek AI buduje interfejs, który umożliwia użytkownikom interakcję z danymi przy użyciu języka naturalnego. Pracownicy wiedzy mogą uzyskać dostęp do interfejsu Seek AI w języku naturalnym za pośrednictwem poczty elektronicznej, Slacka, SMS-ów i szeregu systemów zarządzania relacjami z klientami (CRM).

Jakie inne rodzaje uczenia maszynowego są stosowane w Seek AI?

Chociaż generatywna sztuczna inteligencja jest częścią naszej architektury uczenia maszynowego, nasza architektura obejmuje również kilka rozwidleń modeli głębokiego uczenia się typu open source. Modele transformatorów (których wariantem jest „generatywna sztuczna inteligencja”) obejmują wiele (ale nie wszystkie) modeli używanych przez firmę Seek.

Dlaczego dla użytkowników nietechnicznych tak ważny jest szybki dostęp do danych?

Po co są dane, jeśli nie generują zwrotu z inwestycji i w jaki sposób firma może uzyskać taki zwrot z inwestycji, jeśli użytkownicy biznesowi nie mają do nich nawet dostępu? Dlatego też absolutnie niezbędne jest umożliwienie dostępu jak największej liczbie osób, bez uszczerbku dla dokładności.

Kiedy byłem analitykiem danych, czasami otrzymywałem od dyrektora generalnego prośby o analizę niektórych danych, aby pomóc naszej firmie w opracowaniu produktu lub strategii wejścia na rynek. Projekty te mogą zająć tygodnie lub dłużej. Jako dyrektor generalny zdecydowanie rozumiem znaczenie tych projektów na głębszym poziomie niż wtedy, gdy zajmowałem się danymi. Często żałuję, że nie mogę mieć danych w zasięgu ręki, abym mógł szybciej podejmować decyzje. To jest przykład tego, co rozwiązujemy w Seek.

W jaki sposób Seek AI ułatwia odzyskanie tych danych?

Warto pomyśleć o tym, że dane można tak naprawdę analizować tylko za pomocą kodu. Co prawda istnieją platformy stanowiące abstrakcję tego kodu (np. dashboardy danych), ale pod maską kryje się kod napisany ręcznie przez analityków danych, który umożliwia prezentację danych końcowym użytkownikom biznesowym.

Większość pracowników umysłowych nie wie, jak kodować, nie chce kodować lub po prostu nie może nawet uzyskać dostępu do danych, nawet jeśli chcą napisać kod w celu ich analizy. Dlatego też, gdy potrzebują danych, muszą albo zlokalizować je na pulpicie nawigacyjnym, albo zapytać zespół zajmujący się danymi, jeśli nie mogą ich znaleźć. Im większe zbiory danych, tym częściej będzie się to zdarzać.

Zespoły zajmujące się danymi muszą zatem być „tłumaczami” kierowanych do nich pytań w języku naturalnym oraz samych danych, do których odpytują za pomocą kodu. Usunięcie tego pośrednika „tłumacza” jest sednem tego, co robi Seek.

W jaki sposób przedsiębiorstwa zapewniają dokładność danych, z których korzystają?

Zarządzanie kompromisem pomiędzy dokładnością i dostępnością danych jest ogromnym wyzwaniem. Jak stwierdziłem w niedawnym wywiadzie, z jednej strony dostępność pozwala osobom mniej technicznym na rozpoczęcie interakcji ze źródłem wiedzy, jakim są dane firmy. Z drugiej strony, po co nam źródło zanieczyszczonej wody (tzn. złe dane)?

Najlepsze zespoły zajmujące się danymi to te, które zarządzają tym kompromisem w najbardziej optymalny sposób, a duża część tego polega na dokładnej kalibracji i weryfikacji wszelkich narzędzi, z którymi mogą wchodzić użytkownicy nietechniczni.

Jakie są przykłady zastosowań platformy Seek AI?

Już dostarczamy wartość klientom i partnerom projektowym na rynkach pionowych B2B SaaS, Fintech, dóbr konsumenckich (CPG) i handlu elektronicznego B2C.

Battlefinjest na przykład wiodącym rynkiem alternatywnych zbiorów danych finansowych. Wierzą, że szybkie udzielanie wysokiej jakości odpowiedzi na pytania własnych klientów decyduje o zwycięstwie lub porażce z konkurencją. Dyrektor generalny firmy, Tim Harrington, zauważył: „Sztuczna inteligencja Seek odegrała kluczową rolę w strategii naszej firmy na rok 2023 ze względu na przewagę, jaką zapewnia nam w dostępie do ponad 2,400 zbiorów danych i analizowaniu ich w odpowiedzi na pytania klientów. Szacuję, że nasz zwrot z inwestycji w Seek AI wynosi około 10 razy w oparciu o to, ile wydalibyśmy, aby osiągnąć ten poziom wydajności bez platformy.

Czy jest coś jeszcze, czym chciałbyś się podzielić na temat Seek AI?

To może być właściwe miejsce na bezwstydną wtyczkę. Seek oferuje obecnie bezpłatne wersje próbne naszej platformy, do których można uzyskać dostęp na stronie szukaj.ai. Cieszymy się, że jesteśmy pionierami we wprowadzaniu generatywnej sztucznej inteligencji do zespołów zajmujących się danymi i nie mogę się doczekać wyruszenia w tę podróż z naszymi klientami.

Dziękuję za wspaniały wywiad. Czytelnicy chcący dowiedzieć się więcej powinni odwiedzić nas Szukaj AI.