Brian Sathianathan, Chief Technology Officer & Co-Founder al Iterate.ai – Interviu

Brian Sathianathan este Chief Technology Officer și co-fondator la Iterate.ai, creatorul platformei low-code Interplay pentru construirea rapidă a aplicațiilor bazate pe inteligență artificială în diverse industrii. Anterior, Sathianathan a lucrat la Apple (AAPL ) la diverse proiecte de tehnologie emergentă, care au inclus sistemul de operare Mac și primul iPhone.

Ce v-a atras inițial să lucrați cu tehnologii de inteligență artificială?

Am avut întotdeauna un interes pentru învățarea bazată pe algoritmi și am început să lucrez cu sisteme de inteligență artificială în timpul studiilor mele universitare. De asemenea, am petrecut mult timp la începutul carierei mele construind tehnologii de criptografie și alte tehnologii de securitate pentru Apple, precum și tehnologii de compresie video pentru o companie pe care am co-fondat-o anterior. Atât tehnologia video, cât și cea de criptografie sunt foarte intensive din punct de vedere al algoritmilor, ceea ce a făcut ca curba mea de învățare în domeniul inteligenței artificiale să fie mult mai rapidă. În jurul anului 2016, am început să experimentez cu cadre de lucru de inteligență artificială open-source și GPU, realizând cât de departe au ajuns în ultimii cinci ani – atât din perspectiva algoritmilor, cât și a capacității de a face o gamă mai largă de clasificări. Apoi, am realizat nevoia de a face acest lucru mai ușor și mai simplu pentru toată lumea.

Aveți unele opinii puternice despre biasul cognitiv și biasul de date în inteligența artificială, puteți împărtăși aceste preocupări?

Biasul de inteligență artificială apare atunci când inginerii permit propriilor lor puncte de vedere și preconcepții să influențeze seturile de date de antrenament ale inteligenței artificiale. Acest lucru subminează rapid ceea ce încearcă să realizeze cu inteligența artificială. De obicei, această influență este subconștientă, astfel încât ei poate nu sunt conștienți de faptul că biasul a pătruns în seturile de date. Fără controale și echilibre eficiente, datele pot fi limitate la doar acele puncte de focalizare sau demografice pe care inginerii sunt predispuși să le ia în considerare. Chiar și atunci când inginerii au o calitate și volum ridicat de date cu care să lucreze, biasurile din seturile de date pot face ca rezultatele livrate de aplicațiile de inteligență artificială să fie incorecte și, în multe cazuri, în mare măsură inutile.

Un raport Gartner a estimat că până în 2030, 85% din proiectele de inteligență artificială vor furniza rezultate false din cauza biasului. Acesta este un decalaj mare de depășit. Companiile care investesc în, au încredere în și iau decizii strategice pe baza inteligenței artificiale – doar pentru a fi înșelate de concluzii false înrădăcinate în bias – riscă eșecuri costisitoare și daune aduse reputației lor. Cu inteligența artificială care se transformă rapid dintr-o tehnologie emergentă într-un colos omniprezent atât în aplicațiile cu față către client, cât și în procesele interne, eliminarea biasului este esențială pentru a-și realiza potențialul real în viitor.

Ce sunt unele modalități de a preveni apariția acestor tipuri de bias?

Biasul de inteligență artificială trebuie detectat și eliminat sistematic și proactiv. Biasurile pot fi codificate în algoritmi. Inacuratețele pot fi introduse prin biasuri cognitive care omit datele necesare. Biasul de agregare este, de asemenea, un alt risc, în care o serie de decizii mici se adună și duc la rezultate distorsionate ale inteligenței artificiale.

Detectarea și eliminarea biasului de inteligență artificială în toate formele sale necesită organizațiilor să utilizeze cadre, seturi de instrumente, procese și politici concepute pentru a atenua eficient aceste probleme. De exemplu, cadrele de inteligență artificială, cum ar fi cadru Aletheia de la Rolls Royce și cadru de inteligență artificială Deloitte – completate cu benchmark-uri impuse automat – pot promova practici fără bias în dezvoltarea și implementarea aplicațiilor de inteligență artificială. Seturile de instrumente, cum ar fi AI Fairness 360 și IBM Watson OpenScale, pot recunoaște și elimina bias și tipare de bias în modelele și fluxurile de lucru de învățare automată. În cele din urmă, procesele care verifică datele împotriva metricilor de bias definite, combinate cu politici care oferă guvernanță pentru a descuraja biasul prin practici impuse, permit organizațiilor să fie sistematice în verificarea punctelor lor oarbe și în limitarea biasului de inteligență artificială.

Sunteți directorul de tehnologie și cofondatorul Iterate.ai. Cum a început compania?

Povestea începe în 2013, când co-fondatorul Jon Nordmark (CEO-ul nostru) și eu am fost amândoi membri ai consiliului de administrație al unui accelerator din Europa de Est, cu sediul în Ucraina, destinat să ajute antreprenorii din acea zonă să construiască și să opereze startup-uri în stil Silicon Valley. Experiențele noastre cu aceste companii inovatoare ne-au condus la ideea de a asocia startup-urile promițătoare (dar poate mai puțin cunoscute) cu întreprinderi mari care aveau nevoie de sprijin inovator. Am lansat apoi ceea ce era atunci Iterate Studio, oferind un motor de căutare specializat pentru întreprinderi pentru a găsi parteneri startup în funcție de capacitățile inovatoare pe care aceste organizații mai mari le căutau. În 2015, compania a devenit Iterate.ai pentru a sublinia curarea noastră de startup-uri condusă de inteligență artificială. Astăzi, baza noastră de date Signals indexează peste 15,7 milioane de tehnologii de startup pe baza unor factori mulți (și utilizând inteligență artificială proprie pentru a face acest lucru la acea scară).

Am extins în 2017 și am lansat prima versiune a platformei noastre Interplay de dezvoltare a aplicațiilor low-code. Interplay oferă un strat de software alimentat de inteligență artificială care modernizează stivele legacy ale întreprinderilor, permițând utilizarea tehnologiilor inovatoare prin glisare și fixare, accelerând dezvoltarea software-ului de zece ori. Platforma low-code are 475 de componente preconstruite, astfel încât utilizatorii pot combina și potrivi tehnologiile de care au nevoie pentru a porni rapid aplicații. Empowermentul inteligenței artificiale este la nucleul platformei, precum și alte componente low-code pentru IoT, integrare de date și chiar blockchain.

Iterate este o platformă low-code pentru dezvoltarea aplicațiilor bazate pe IA. Ce tipuri de aplicații pot fi construite?

Platforma noastră low-code a permis aplicații de inteligență artificială pentru o varietate foarte interesantă de cazuri de utilizare – lățimea de implementare este ceva de care suntem foarte mândri. Ulta Beauty (ULTA ), retailerul global de frumusețe cu un miliard de dolari, a utilizat platforma noastră pentru a construi un chatbot de retail inteligent în doar două săptămâni. În contrast, chatbot-urile primitive sunt centrate pe cuvinte cheie, iar majoritatea aplicațiilor de chatbot ale furnizorilor nu pot integra în mod natural cu sistemele legacy pentru a accesa informații despre clienți sau pentru a permite tranziții lină la suportul asistat de oameni. Chatbot-ul inteligent Ulta a eliminat aceste probleme cu funcționalitatea de procesare a limbajului natural și capacitatea de a recunoaște “intențiile” clienților pentru a oferi răspunsuri foarte precise. Platforma noastră a făcut ca Ulta să poată construi motorul de inteligență artificială a chatbot-ului în doar câteva ore și să configureze, să rafineze și să îmbunătățească rapid antrenamentul și răspunsurile chatbot-ului.

Într-un alt exemplu, Jockey a utilizat platforma noastră pentru întrebări frecvente bazate pe IA, capabile să răspundă automat și cu succes unor situații de asistență pentru clienți destul de complexe și subiective. Platforma a permis, de asemenea, unei rețele globale de magazine de proximitate și benzinării să răspundă pandemiei prin pompe de carburant fără contact, bazate pe recunoașterea cu IA a numerelor de înmatriculare ale clienților. Capacitățile noastre de IA sunt folosite și pentru strategii de securitate bazate pe camere în magazine. Prin recunoașterea imaginilor, aplicațiile de IA antrenate pot identifica amenințări și arme în exteriorul magazinelor, pot declanșa blocarea accesului pentru a proteja clienții și pot contacta autoritățile.

Cât de puțină programare este necesară în realitate? Ce competențe de dezvoltare trebuie să aibă utilizatorii?

În opinia mea, regula 80/20 se aplică. 80% din cazurile de utilizare a inteligenței artificiale sunt deja construite și au modele și seturi de date de antrenament stabilite în jurul lor. O organizație tradițională poate utiliza cu ușurință o platformă low-code (a noastră, Interplay, este una dintre acestea) și implementa aceste cazuri. Iată câteva exemple:

• FAQ-uri conduse de inteligență artificială
• Instrumente de găsire a produselor conduse de inteligență artificială
• Recomandări de produse și gruparea lor în pachete
• OCR
• Identificare vizuală a produselor
• Analiză de date tabulare: lucruri precum AOV, analiză de coș, predicții de părăsire, etc.
• Extracția și detectarea obiectelor
• Permanența obiectelor

Aceste cazuri pot fi implementate de un inginer cu cunoștințe de programare de server și o înțelegere de bază a API-urilor de învățare automată. Este foarte asemănător cu tehnologiile de streaming video, criptografie și gestionare a cheilor, care sunt utilizate pe scară largă prin API-uri astăzi. Majoritatea inginerilor care utilizează aceste API-uri adesea nu știu cum funcționează subiacent.

De ce este inteligența artificială low-code importantă pentru scalarea tehnologiei de inteligență artificială?

Companiile care urmăresc capacități de inteligență artificială în dezvoltarea de aplicații pot întâmpina rapid provocări majore atunci când nu utilizează low-code. În lumea de astăzi, există doar 300.000 de ingineri de inteligență artificială, iar doar 60.000 dintre aceștia sunt oameni de știință din domeniul datelor. Din cauza acestui fapt, talentul necesar pentru a dezvolta și scala soluții de inteligență artificială este scump și în creștere. În contrast, dezvoltarea low-code democratizează accesul la inteligența artificială. Cu low-code, oricare dintre cei 25 de milioane de dezvoltatori de software din lume și chiar cei fără pregătire pot implementa cu ușurință motoare de inteligență artificială, rafina capacitățile și produce soluții eficiente și la scară.

Revenind la platforma AI-powered Signals a Iterate.ai, ce tendințe mai interesante apar?

Vedem o creștere rapidă în cinci forțe de inovare: inteligență artificială, IoT, blockchain, date și soluții de startup emergente. Acestea sunt toate piețe foarte mari. Vedem mii de puncte de date despre știri, brevete și produse de startup noi în fiecare zi. Interplay este construit pentru a valorifica aceste forțe, incluzând componente preconstruite pentru a profita de aceste forțe în creștere.

Există altceva pe care ați dori să-l împărtășiți despre Iterate.ai?

Cred că există încă concepții greșite despre low-code și rolul său în construirea de aplicații de inteligență artificială. Nu este neobișnuit să vedem profesioniști IT care se întreabă dacă o strategie low-code poate îndeplini cerințele lor pentru scalabilitate, extensibilitate și securitate la nivel de întreprindere. Cred că opțiunile low-code destinate prototipării – dar aplicate greșit ca instrumente pentru aplicații de producție – au contribuit la această îngrijorare. Cu toate acestea, platformele low-code corecte sunt absolut capabile să construiască și să susțină aplicații de inteligență artificială gata pentru producție. Întreprinderile ar trebui să-și facă diligența în alegerea instrumentelor low-code, asigurându-se că aceste instrumente au un strat de securitate transparent și complet și o experiență dovedită în livrarea de aplicații la scară de întreprindere.

Mulțumim pentru acest interviu minunat, cititorii care doresc să afle mai multe despre Iterate.ai ar trebui să viziteze Iterate.ai.