James Kaplan, CEO e Co-Fundador da MeetKai Metaverse – Série de Entrevistas

James Kaplan é o CEO e Co-Fundador da MeetKai, uma empresa de Inteligência Artificial, Realidade Virtual e Pesquisa Conversacional sediada em Los Angeles, Califórnia, que atualmente lidera a corrida de voz de IA com recursos inéditos. Seu IA conversacional pode entender linguagem mais complexa e fornecer resultados personalizados em uma conversa natural sobre muitos assuntos, em diferentes realidades. A tecnologia da MeetKai é implantada globalmente por meio do iOS, Google Play e AppGallery.

Você teve uma paixão por IA desde os 6 anos de idade, como você foi introduzido a essa tecnologia?

Minha introdução à IA veio dos jogos de vídeo. Primeiro, foi tentando entender como a IA funcionava no jogo Oregon Trail – não muito inteligente, mas ainda uma forma de IA. A partir daí, meu interesse em IA cresceu ainda mais quando comecei a jogar MMORPGs. Eu realmente gostava de jogar jogos online, mas odiava fazer “grinding” para obter itens. Por isso, comecei a escrever bots.

Quais foram algumas das primeiras aplicações de IA que você codificou?

Escrever bots para MMORPGs foi realmente a primeira incursão que eu tive no desenvolvimento de uma forma específica de IA. No início, meus bots eram muito simples e mais próximos de macros do que de inteligência artificial. Mas à medida que eu crescia e a detecção de bots melhorava em muitos jogos, isso começou a exigir que os bots se parecessem mais com um jogador. Eu sempre gostei de escrever bots – eu acabei escrevendo um bot para ganhar um concurso da Taylor Swift enquanto estava na escola (e ela realmente veio se apresentar!). Da mesma forma, eu também escrevi o primeiro bot do Pokémon Go e, infelizmente, muitas pessoas foram banidas quando eu perdi o interesse em evitar a detecção.

Você lançou a MeetKai em 2018 após se frustrar com os atuais assistentes de voz de IA. Por que a maioria dos assistentes de IA oferece uma experiência medíocre?

A essência do problema é que a maioria dos assistentes de IA depende muito de APIs externas para cumprimento. Mesmo quando controlam o cumprimento, como a Alexa para busca de comércio eletrônico, eles sofrem dos mesmos problemas. Simplesmente, como você pode esperar que um assistente de voz seja inteligente quando tudo o que ele faz é converter voz em texto e colocar esse texto em um mecanismo de busca baseado em texto? Nós começamos a MeetKai com a ideia de que poderíamos fornecer um assistente de IA “de salto” controlando toda a pipeline de processamento de ponta a ponta que compõe um assistente de voz. Desenvolvemos um mecanismo de busca conversacional em vez de um baseado em palavras-chave para suportar consultas e conversas mais complicadas. Outros assistentes estão presos a experiências medíocres porque não conseguem construir suporte a conversas de várias voltas sobre fatores limitantes. Embora nosso objetivo seja chegar lá, ainda estamos muito no início de escalonar nossa tecnologia para atender ao mesmo número de domínios que os jogadores existentes.

Quais são alguns dos desafios de compreensão de linguagem natural e processamento de linguagem natural por trás da construção de uma experiência de assistente de voz de última geração?

Um dos principais desafios com a próxima geração de NLU é ir além de intenções e entidades. A maioria da NLU se concentra em ter uma abordagem tradicional para a compreensão da linguagem. Cada entrada de fala é classificada em intenção e, em seguida, os tokens dentro são rotulados em entidades usando um modelo de marcação de sequência. Eu poderia enumerar dezenas de problemas com essa abordagem padrão. No entanto, os mais críticos são:

1. Uma classificação de intenção que é livre de contexto falha em lidar com uma conversa de várias voltas. A maioria das abordagens se importa apenas com o texto bruto que foi transcrito. Eles não se importam com o contexto – nem quem é o usuário, nem o que o usuário gosta, apenas o que eles acabam de perguntar. Isso é particularmente importante quando o usuário diz algo muito conciso. Por exemplo, se alguém diz “cosmopolitan”, pode significar a bebida ou a revista e é altamente dependente da pessoa.
2. Os modelos de reconhecimento de entidades fazem um péssimo trabalho com qualquer coisa que não seja um valor categórico. Os grandes modelos de linguagem não conseguem se adaptar rapidamente o suficiente a novas entidades que estão no mundo porque não estão no conjunto de dados. A IA precisa ter uma forma muito mais sofisticada de reconhecer entidades, considerando um contexto muito mais profundo. Por exemplo, a localização do usuário deve influenciar fortemente se algo é um nome de restaurante versus algo mais.
3. As relações entre entidades não são bem consideradas. Meu exemplo favorito é como a maioria dos mecanismos de busca falha quando se trata de negação. Tente pesquisar por um filme sem romance em outros assistentes de voz e você verá o que quero dizer.

Atualmente, a maioria dos assistentes de voz simplesmente traduz a voz em texto e realiza uma busca no Google. Como a MeetKai AI opera de forma diferente disso?

A principal diferença entre a MeetKai e o Google quando se trata de busca é que utilizamos um modelo de compreensão de linguagem muito mais rico para buscar itens em si, em vez de apenas páginas da web. Quando você pesquisa “filmes do Tom Cruise sem ação”, o Google está procurando por páginas que contenham esse conjunto de tokens (Tom Cruise, filmes, ação). Na MeetKai, entendemos corretamente que Tom Cruise é um ator, filmes são a classe de mídia que estão procurando, e que ação é o gênero indesejado. Com isso, podemos realizar buscas muito mais inteligentes.

A MeetKai recentemente lançou seu primeiro mundo de realidade virtual de estilo de vida: MeetKai Metaverse. Pode discutir o que essa aplicação é especificamente?

A maioria das empresas no espaço de metaverso está trabalhando na interação pessoa-a-pessoa. Além disso, o conteúdo também é amplamente cartoonish ou é apenas um vídeo 360°. Nosso objetivo com o MeetKai Metaverse é focar em um ângulo completamente diferente – pessoa-AI. Estamos desenvolvendo um metaverso onde os personagens com os quais você interage são todos alimentados por nossa IA conversacional de ponta. Além disso, estamos trabalhando para realizar a geração procedural do ambiente para torná-lo muito mais realista e imersivo em comparação com as outras empresas no espaço. Os dois mundos iniciais disponíveis para explorar em nosso metaverso são para dois casos de uso iniciais: meditação e museus. No primeiro, digitalizamos um especialista em Wing Chun e, pela primeira vez, criamos um personagem de IA capaz de instruir os usuários sobre como usar técnicas de meditação revolucionárias para entrar em um estado de relaxamento. No segundo, criamos um museu de arte em constante crescimento e fornecemos um curador alimentado por IA capaz de responder a perguntas sobre a arte no espaço e fornecer tours.

Quais são alguns exemplos de como a IA é usada nesse Metaverse?

Nós usamos a IA em três lugares:

1. Para alimentar as capacidades conversacionais de cada personagem em nosso metaverso.
2. Para criar dinamicamente o conteúdo disponibilizado ao usuário por meio de orientação por voz. Exemplos disso incluem sessões de meditação e tours de galeria de arte em nossas duas experiências iniciais.
3. Para criar o espaço 3D proceduralmente, em vez de exigir um layout manual.

Qual é sua visão para o futuro dos assistentes de voz?

Para que os assistentes de voz tenham um futuro, eles precisam evoluir para algo muito mais do que um sistema baseado em comandos. Isso significa obter expertise e capacidades profundas em muitos domínios específicos. Acredito que montar diferentes assistentes de voz específicos de domínio será a chave para construir um assistente meta inteligente. Isso está em contraste com as tentativas de “fazer tudo de uma vez” que vimos desde que os assistentes de voz entraram no espaço.

Há algo mais que você gostaria de compartilhar sobre a MeetKai ou o MeetKai Metaverse?

Ainda estamos no início de nossa estrada de metaverso. Nosso objetivo final é que queremos ser capazes de replicar qualquer experiência que você tenha no mundo real com o metaverso e, em seguida, ir além disso. Isso significa que queremos eliminar os fatores proibitivos de custo e tempo que limitam essas mesmas experiências na realidade. O metaverso pode nos permitir viver vidas muito mais ricas, não substituí-las. Temos vários desafios técnicos que ainda precisam ser resolvidos, no entanto, temos um conjunto claro de marcos que são alcançáveis, supondo que o hardware continue a melhorar. Estamos trabalhando em estreita colaboração com parceiros de hardware para garantir que o espaço de RV avance rapidamente. Além da RV, queremos tornar nossa experiência de metaverso possível fora da RV. Anunciaremos mais informações sobre isso nos próximos meses.

Obrigado pela grande entrevista, aguardo ansiosamente para seguir seu progresso na sua versão do metaverso. Os leitores que desejam aprender mais devem visitar MeetKai.