Birago Jones, Co-Fundador e CEO da Pienso – Série de Entrevistas

Birago Jones é o CEO e Co-Fundador da Pienso, uma plataforma de código baixo ou sem código para empresas treinarem e implantarem modelos de IA sem a necessidade de habilidades avançadas em ciência de dados ou programação. Hoje, os clientes de Birago incluem o governo dos EUA e a Sky, a maior emissora de TV do Reino Unido. A Pienso é baseada na pesquisa de Birago no Instituto de Tecnologia de Massachusetts (MIT), onde ele e seu co-fundador Karthik Dinakar atuaram como assistentes de pesquisa no Laboratório de Mídia do MIT. Ele é uma autoridade distinta na interseção da inteligência artificial (IA) e da interação homem-computador (IHC), e um defensor da IA responsável.

Pienso‘s interface de aprendizado interativo é projetada para permitir que os usuários aproveitem ao máximo o potencial da IA sem precisar de codificação. A plataforma orienta os usuários pelo processo de treinamento e implantação de grandes modelos de linguagem (LLMs) que são impressos com sua expertise e ajustados para responder a suas perguntas específicas.

O que inicialmente o atraiu a buscar seus estudos em IA, IHC (Interação Homem-Computador) e experiência do usuário?

Eu já havia desenvolvido projetos pessoais focados em criar ferramentas de acessibilidade e aplicações para cegos, como um leitor de braile digital tátil usando um smartphone e um sistema de orientação indoor (bengala digital). Eu acreditava que a IA poderia melhorar e apoiar esses esforços.

A Pienso foi inicialmente concebida durante seu tempo no MIT, como surgiu a ideia de treinar modelos de aprendizado de máquina para serem acessíveis a usuários não técnicos?

Meu co-fundador Karthik e eu nos conhecemos na pós-graduação enquanto realizávamos pesquisas no Laboratório de Mídia do MIT. Nós havíamos nos unido para um projeto de classe para construir uma ferramenta que ajudasse as plataformas de mídia social a moderar e sinalizar conteúdo de bullying. A ferramenta estava ganhando muita atenção, e fomos até mesmo convidados para a Casa Branca para demonstrar a tecnologia durante um encontro sobre ciberbullying.

Havia apenas um problema: embora o modelo em si funcionasse como deveria, não foi treinado com os dados certos, então não conseguiu identificar conteúdo nocivo que usava gíria adolescente. Karthik e eu estávamos trabalhando juntos para encontrar uma solução, e mais tarde percebemos que poderíamos resolver esse problema se encontrássemos uma maneira para que os adolescentes treinassem diretamente os dados do modelo.

Esse foi o momento “Aha” que mais tarde inspirou a Pienso: especialistas em matéria, não engenheiros de IA como nós, deveriam ser capazes de fornecer mais facilmente entrada nos dados de treinamento do modelo. Nós desenvolvemos ferramentas de ponto-e-clicar que permitem que não especialistas treinem grandes quantidades de dados em escala. Em seguida, levamos essa tecnologia para as escolas locais de Cambridge, Massachusetts, e solicitamos a ajuda de adolescentes locais para treinar seus algoritmos, o que nos permitiu capturar mais nuances nos algoritmos do que anteriormente possível. Com essa tecnologia, trabalhamos com organizações como a MTV e o Hospital Brigham and Women’s.

Pode compartilhar a história de como a Pienso foi então separada do MIT e se tornou uma empresa própria?

Nós sempre soubemos que essa tecnologia poderia fornecer valor além do caso de uso que construímos, mas não foi até 2016 que finalmente demos o salto para comercializá-la, quando Karthik completou seu PhD. Nessa época, o aprendizado profundo estava explodindo em popularidade, mas era principalmente os engenheiros de IA que o estavam utilizando porque ninguém mais tinha a expertise para treinar e servir esses modelos.

Quais são as principais inovações e algoritmos que permitem a interface sem código da Pienso para construir modelos de IA? Como a Pienso garante que especialistas em domínio, sem formação técnica, possam treinar efetivamente modelos de IA?

A Pienso elimina as barreiras de “MLOps” — limpeza de dados, rotulagem de dados, treinamento de modelo e implantação. Nossa plataforma usa uma abordagem de aprendizado de máquina semi-supervisionada, que permite que os usuários comecem com dados de treinamento não rotulados e, em seguida, usem a expertise humana para anotar grandes volumes de dados de texto rapidamente e com precisão sem precisar escrever nenhum código. Esse processo treina modelos de aprendizado profundo que são capazes de classificar e gerar novo texto com precisão.

Como a Pienso oferece personalização no desenvolvimento de modelos de IA para atender às necessidades específicas de diferentes organizações?

Nós acreditamos firmemente que nenhum modelo pode resolver todos os problemas para todas as empresas. Nós precisamos ser capazes de construir e treinar modelos personalizados se queremos que a IA entenda as nuances de cada empresa e caso de uso específico. É por isso que a Pienso torna possível treinar modelos diretamente nos dados de uma organização. Isso alivia as preocupações de privacidade ao usar modelos fundamentais e também pode fornecer insights mais precisos.

A Pienso também se integra a sistemas empresariais existentes por meio de APIs, permitindo que os resultados de inferência sejam entregues em diferentes formatos. A Pienso também pode operar sem depender de serviços ou APIs de terceiros, o que significa que os dados nunca precisam ser transmitidos fora de um ambiente seguro. Ela pode ser implantada em principais provedores de nuvem, bem como localmente, tornando-a uma escolha ideal para indústrias que exigem práticas de segurança e conformidade fortes, como agências governamentais ou finanças.

Como você vê a plataforma evoluindo nos próximos anos?

Nos próximos anos, a Pienso continuará a evoluir, focando em uma escalabilidade e eficiência ainda maiores. À medida que a demanda por análise de texto de alto volume cresce, melhoraremos nossa capacidade de lidar com conjuntos de dados maiores com tempos de inferência mais rápidos e análises mais complexas. Também estamos comprometidos em reduzir os custos associados à escalabilidade de grandes modelos de linguagem para garantir que as empresas obtenham valor sem comprometer a velocidade ou a precisão.

Também iremos mais longe na democratização da IA. A Pienso já é uma plataforma de código baixo ou sem código, mas visamos expandir ainda mais a acessibilidade de nossas ferramentas. Continuaremos a refinar nossa interface para que uma gama mais ampla de usuários, desde analistas de negócios até equipes técnicas, possam continuar a treinar, ajustar e implantar modelos sem precisar de expertise técnica profunda.

À medida que trabalhamos com mais clientes em diversas indústrias, a Pienso se adaptará para oferecer soluções mais personalizadas. Seja na área financeira, saúde ou governo, nossa plataforma evoluirá para incorporar modelos e módulos específicos da indústria para ajudar os usuários a ajustar seus modelos de forma mais eficaz para seus casos de uso específicos.

A Pienso se tornará ainda mais integrada ao ecossistema de IA mais amplo, trabalhando em conjunto com as soluções e ferramentas dos principais provedores de nuvem e soluções locais. Iremos nos concentrar em construir integrações mais fortes com outras plataformas de dados e ferramentas, permitindo um fluxo de trabalho de IA mais coeso que se encaixe nas pilhas de tecnologia empresarial existentes. Iremos focar em construir integrações mais fortes com outras plataformas de dados e ferramentas, permitindo um fluxo de trabalho de IA mais coeso que se encaixe nas pilhas de tecnologia empresarial existentes. / tools from the major cloud providers and on-premise solutions. We’ll focus on building stronger integrations with other data platforms and tools, enabling a more cohesive AI workflow that fits into existing enterprise tech stacks. Thank you for the great interview, readers who wish to learn more should visit Pienso.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Pienso.