Sarah Nagy, Założycielka i Dyrektor Generalna Seek AI – Seria Wywiadów

Sarah Nagy jest założycielką i dyrektorem generalnym Seek AI, platformy, która umożliwia użytkownikom biznesowym zadawanie Seek tym samym pytaniom, które aktualnie zadają zespołowi danych, bezpośrednio w Slack, Teams i e-mail. Nie ma potrzeby “doskonalenia” sposobu zadawania pytań, ani uczenia się nowej platformy.

Początkowo rozpoczęła Pani karierę jako badaczka z danymi z Teleskopu Kosmicznego Hubble’a. Nad czym pracowała Pani?

Pracowałam w UCLA i Caltech, analizując niektóre z najbardziej odległych galaktyk, które można było obserwować za pomocą teleskopu, i pracowałam nad analizą niektórych ich właściwości, takich jak masa i rozmiar. Celem tego badania było pomoc w zrozumieniu różnicy między bardzo odległymi galaktykami a galaktykami, które są bliżej naszej własnej, oraz opracowanie modeli, jak te galaktyki tworzą się w czasie.

Następnie pracowała Pani jako naukowiec danych w różnych startupach. Jakie były niektóre z bardziej interesujących projektów?

Jeden z projektów, który się wyróżnia, dotyczył wykorzystania przetwarzania języka naturalnego (NLP) do klasyfikacji niestrukturyzowanego tekstu związanego z artykułami handlowymi. Na przykład, pobieranie surowego tekstu (np. “buty sportowe zielone”) i oznaczanie go jako szacowaną markę (“Nike”). Miałam kolegę, który specjalizował się w NLP, ale był zajęty innym projektem, więc ostatecznie dostałam ten projekt, ponieważ on był zajęty. Nie wiedziałam nawet nic o NLP w tym czasie, więc musiałam przejść przez niektóre bezpłatne kursy ze Stanfordu i Fast.ai, aby zdobyć wiedzę. Bardzo się cieszyłam, ucząc się o NLP i zaczęłam rozumieć, dlaczego jest tak ważne, i dlaczego sztuczna inteligencja (AI) jest w stanie zrozumieć język, jest to duży krok w stronę tzw. “ogólnej AI”. To doświadczenie na pewno przygotowało mnie do szybkiego zrozumienia znaczenia GPT-3, gdy pojawiło się ono po raz pierwszy.

Czy mogłaby Pani podzielić się historią powstania Seek AI?

Gdy model GPT-3 OpenAI pojawił się, od razu rozpoznałam, jak ogromny to postęp i bardzo się podekscytowałam możliwościami związanymi z kodowaniem GPT-3. Po wszystkim, pisałam kod przez cały dzień jako naukowiec danych, i widzieć, jak AI robi to – i generuje kod idealnie – było zjawiskowe. Porównałabym swoją reakcję na GPT-3 do pierwszego poznania VR w 2013 roku, co było innym zjawiskowym doświadczeniem dla mnie. Ostatecznie zdecydowałam, że muszę założyć startup, aby postawić na tę technologię. Nie wiedziałam jeszcze, co będę budować, ale miałam poczucie, że jeśli dowiem się więcej o tych modelach, coś cennego się pojawi.

Gdy już dobrze poznałam te modele, to wtedy zrozumiałam, że mogę rozwiązać problem, z którym spotykałam się wszędzie, gdzie pracowałam jako kwant czy naukowiec danych. Problemem tym była sytuacja, w której ludzie biznesu nie mieli odpowiednich narzędzi, aby odpowiedzieć na własne pytania dotyczące danych. Jako naukowiec danych, często pracowałam nad problemami, które wymagały dużej koncentracji, ale często byłam przerywana przez kolegów ze strony biznesowej, którzy mieli pytania dotyczące danych, co zmuszało mnie do przerwania pracy. Proces ten wydawał się archaiczny i niewydajny. Zrozumiałam, że jeśli skupię się na tej nowej technologii, aby rozwiązać ten problem, będzie to rozwiązanie definiujące tę bardzo ważną i powszechną kwestię.

Seek AI wykorzystuje generatywną AI. Czy mogłaby Pani wyjaśnić naszym czytelnikom, co to jest?

“Generatywna AI” to bardzo nagłośniony buzzword, ale w przeciwieństwie do innych buzzwordów, nie uważam, że hossa jest nieuzasadniona. Termin odnosi się do dużych modeli uczenia maszynowego z setkami miliardów parametrów, takich jak DALL-E Open AI i GPT-3. Innowacja tych modeli polega na tym, że mogą one zrozumieć język naturalny i generować tekst, obrazy, kod i więcej. Jeśli kiedykolwiek zabawisz się z DALL-E lub Stable Diffusion, na przykład, szybko zrozumiesz, dlaczego te modele są tak nagłośnione; mają niesamowitą, ludzką zdolność do zrozumienia naturalnych poleceń językowych i mogą generować sztukę, która rywalizuje z najlepszymi ludzkimi artystami.

Generowanie kodu jest jednym z najbardziej niszowych, ale najważniejszych, zastosowań generatywnej AI. Dane stają się coraz większe i bardziej złożone, a więc trudniejsze do ręcznej analizy i organizacji przez ludzi. A jednak, jest tak wiele informacji zakodowanych w tych danych. Te informacje nie są tylko potężne dla organizacji, mogą również prowadzić do niesamowitych przełomów naukowych po stronie akademickiej. Budowanie AI do wydobycia wartości z danych odblokuję niesamowitą wartość w postaci przydatnych informacji.

Seek AI buduje interfejs, który umożliwia użytkownikom interakcję z danymi za pomocą języka naturalnego. Pracownicy wiedzy mogą uzyskać dostęp do interfejsu Seek AI za pomocą e-maila, Slack, tekstu i szeregu systemów zarządzania relacjami z klientami (CRM).

Jakie inne typy uczenia maszynowego są wykorzystywane w Seek AI?

Pomimo że generatywna AI jest częścią naszej architektury uczenia maszynowego, nasza architektura obejmuje również kilka forków modeli głębokiego uczenia się open-source. Modele transformatorowe (z których “generatywna AI” jest odmianą) stanowią wiele (ale nie wszystkie) modeli, które Seek wykorzystuje.

Dlaczego tak ważne jest, aby nie-techniczni użytkownicy mogli szybko uzyskać dostęp do danych?

Jaki jest pożytek z danych, jeśli nie generują one zwrotu z inwestycji, i jak firma może uzyskać ten zwrot, jeśli użytkownicy biznesowi nie mogą nawet uzyskać dostępu do nich? Dlatego jest absolutnie niezbędne, aby dać dostęp do danych jak największej liczbie osób, nie kompromitując przy tym dokładności.

Gdy byłam naukowcem danych, czasami otrzymywałam prośby od CEO, aby przeanalizować dane, aby pomóc w strategii produktowej lub marketingowej naszej firmy. Te projekty mogły trwać tygodnie lub dłużej. Jako CEO, na pewno lepiej rozumiem teraz znaczenie tych projektów niż wtedy, gdy byłem po stronie danych. Często żałuję, że nie mogę po prostu uzyskać danych na wyciągnięcie ręki, aby mogłem podejmować decyzje szybciej. To jest przykład tego, co rozwiązujemy w Seek.

Jak Seek AI sprawia, że dane są tak łatwe do pobrania?

Ciekawą rzeczą do rozważenia jest to, że dane można naprawdę analizować tylko za pomocą kodu. Jest prawdą, że istnieją platformy, które są abstrakcjami nad tym kodem (np. pulpity danych), ale pod spodem jest kod ręcznie napisany przez analityków danych, który umożliwia przedstawienie danych użytkownikom biznesowym.

Większość pracowników wiedzy nie wie, jak pisać kod, nie chce pisać kodu lub po prostu nie może nawet uzyskać dostępu do danych, nawet jeśli chce napisać kod, aby je analizować. Dlatego, gdy potrzebują danych, albo muszą je znaleźć w pulpicie, albo poprosić zespół danych, czy mogą im pomóc, jeśli nie mogą ich znaleźć. Im większe zestawy danych, tym częściej to się dzieje.

Zespoły danych muszą więc być “tłumaczami” pytań języka naturalnego skierowanych do nich, a także danych, które pytają za pomocą kodu. Usunięcie tego “pośrednika-tłumacza” jest sercem tego, co Seek robi.

Jak przedsiębiorstwa zapewniają, że dane, których używają, są dokładne?

Zarządzanie kompromisem między dokładnością danych a ich dostępnością jest ogromnym wyzwaniem. Jak powiedziałam w niedawnym wywiadzie, z jednej strony, dostępność pozwala mniej technicznym osobom na rozpoczęcie interakcji z wiedzą, jaką jest dane firmy. Z drugiej strony, jaki jest pożytek z wiedzy, jeśli jest zanieczyszczona (tj. złe dane)?

Najlepsze zespoły danych są tymi, które zarządzają tym kompromisem w najbardziej optymalny sposób, a duża część tego polega na starannym kalibrowaniu i weryfikacji narzędzi, z których mogą korzystać użytkownicy nie-techniczni.

Jakie są przykłady przypadków użycia platformy Seek AI?

Już teraz dostarczamy wartości naszym klientom i partnerom w branżach B2B SaaS, Fintech, Consumer Product Goods (CPG) i B2C e-commerce.

Battlefin to przykład, jest to wiodący rynek alternatywnych zestawów danych finansowych. Uważają, że dawanie szybkich, wysokiej jakości odpowiedzi na pytania ich klientów jest różnicą między wygrywaniem a przegrywaniem z konkurentami. CEO firmy, Tim Harrington, zauważył: “Seek AI odegrała kluczową rolę w naszej strategii na 2023 rok, dzięki krawędzi, którą daje nam w dostępie i analizie naszych 2 400+ zestawów danych w odpowiedzi na pytania klientów. Szacuję, że nasz zwrot z inwestycji w Seek AI to około 10-krotność tego, co wydalibyśmy, aby osiągnąć ten poziom wydajności bez platformy”.

Czy jest coś jeszcze, co chciałaby Pani podzielić się na temat Seek AI?

To może być odpowiednie miejsce na bezwstydne reklamowanie. Seek oferuje obecnie bezpłatne próby naszej platformy, które można uzyskać na seek.ai. Jesteśmy podekscytowani, że jesteśmy pionierami w przynoszeniu generatywnej AI do zespołów danych, i cieszę się, że mogę iść na tę podróż z naszymi klientami.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Seek AI.