Stefan Mesken, Șef de știință la DeepL – Seria de interviuri

Stefan Mesken, Șef de știință la DeepL, a petrecut peste cinci ani la DeepL, avansând cercetarea și conducerea științifică a companiei, începând ca cercetător științific în octombrie 2020, progresând spre funcția de VP de cercetare în noiembrie 2023 și intrând în funcția actuală în aprilie 2025 la München. Înainte de a veni la DeepL, a lucrat ca specialist în date la real.digital în regiunea Cologne-Bonn și a efectuat cercetări în logică matematică la Universitatea din Münster. Cariera sa combină cercetarea matematică fundamentală și inteligența artificială aplicată, poziționându-l să conducă direcția științifică din spatele modelelor lingvistice de mare scară și sistemelor multilingve AI ale DeepL.

DeepL este o companie germană de inteligență artificială axată pe construirea unor sisteme avansate de limbaj care permit traduceri precise și comunicare contextuală în peste 100 de limbi. Fondată în 2017 și cu sediul central în Cologne, compania deservește milioane de utilizatori din întreaga lume și oferă soluții de nivel întreprindere prin oferte de abonament și API. Platforma sa s-a extins dincolo de traducere într-o suită mai largă de inteligență lingvistică, incluzând asistență pentru scriere și capacități vocale, proiectate pentru a sprijini comunicarea securizată și scalabilă pentru afaceri și organizații globale.

Ați început cariera în logică matematică, înainte de a trece la știința datelor aplicată și, în cele din urmă, de a conduce organizația de cercetare a DeepL. Privind în urmă, cum v-a influențat munca de la început în raționamentul formal modul în care gândiți acum despre construirea sistemelor autonome de inteligență artificială de nivel întreprindere?

Ceea ce m-a atras în domeniul teoriei mulțimilor și al logicii matematice a fost o curiozitate insațiată de a învăța cum funcționează aceste sisteme complexe – de la principiile de bază și până la o adâncime din ce în ce mai mare. Această curiozitate a fost o constantă în viața mea de când eram copil. Este și aspectul muncii mele pe care îl iubesc cel mai mult. În prezent, provocarea constă în a avansa stadiul dezvoltării inteligenței artificiale, cu un accent intens pe utilizabilitatea în viața reală. Dincolo de securitate și încredere, îmi dedic timpul pentru a asigura că afacerile și utilizatorii de toate felurile pot beneficia de această tehnologie incredibilă. Până acum, tendința a fost diferită: cea mai mare parte a utilizării inteligenței artificiale în viața reală este fie complet pasivă (de exemplu, sisteme de recomandare pe care le consumați, dar nu le controlați) sau utilizată în principal de persoane foarte instruite, tehnice (de exemplu, asistenți de programare). Vreau să închid această lacună: fiecare individ și companie ar trebui să fie pregătit pentru succes și să poată revoluționa modul în care abordează munca.

DeepL și-a construit reputația pe traduceri de înaltă precizie. Cum a influențat această bază în modelarea limbajului gândirea companiei în ceea ce privește extinderea dincolo de traducere în sisteme de inteligență artificială mai generale?

Ceea ce face inteligența artificială atât de magică este că concepte și idei foarte asemănătoare pot duce la soluții noi în domenii foarte diferite: motoare de șah, sisteme de recomandare, împăturirea proteinelor, mașini autonome, motoare de traducere și multe altele. Toate acestea sunt alimentate de același set de principii și tehnici. După ce am stăpânit aceste tehnici timp de aproape un deceniu, ne gândim în mod natural la noi probleme pe care să le abordăm. Intern, acest lucru a fost întotdeauna valabil, ducând la invenția Glossarului, Write, Voice, Customization Hub și multe altele.

În calitate de șef de știință, cum distingeți între construirea modelelor de limbaj care generează ieșiri fluente și construirea sistemelor care pot acționa în mod fiabil în fluxurile de lucru reale ale întreprinderilor?

Ideile de bază sunt remarcabil de asemănătoare: avem nevoie să înțelegem în profunzime ce doresc utilizatorii noștri și apoi să aliniem sistemele noastre de inteligență artificială cu aceste obiective și preferințe. Uneori, acestea sunt evidente și explicite; alteori, sunt nuanțate și neexprimate. În orice caz, este sarcina noastră să ne asigurăm că munca pe care o producem are o valoare ridicată pentru utilizatorii noștri.
DeepL a fost întotdeauna remarcată în acest domeniu datorită focalizării pe client. Nu urmărim benchmark-uri artificiale sau publicații academice – urmărim satisfacția clientului. Acest lucru nu a fost niciodată mai important decât acum, pe măsură ce ne extindem orizontul și ajutăm oamenii cu munca lor de zi cu zi.

DeepL Agent reprezintă o schimbare de la inteligența artificială asistivă la execuție autonomă. Care au fost cele mai mari provocări tehnice în a face această tranziție să funcționeze în practică?

În mod clar, cea mai mare provocare în construirea DeepL Agent a fost utilizabilitatea. De-a lungul anilor, ecosistemul de inteligență artificială s-a axat în primul rând pe dezvoltatorii de software și experții tehnici foarte calificați. Cu DeepL Agent, ne propunem să schimbăm acest lucru și să echipăm fiecare lucrător cu cunoștințe cu unelte sofisticate pentru a rezolva și automatiza probleme complexe. Pentru a realiza acest lucru, avem nevoie de același nivel de sofisticare în recunoaștere, raționament, planificare și acțiune. În loc de a prezenta utilizatorilor un set bogat, dar complex de unelte, am lucrat din greu pentru a crea o soluție coerentă, fără întreruperi și elegantă pentru asistență și automatizare a fluxului de lucru de la capăt la capăt.

Din punct de vedere arhitectural, ce capacități trebuie să fie în loc pentru ca un sistem de inteligență artificială să poată fi considerat de încredere pentru a opera în mod autonom în mediile întreprinderilor?

Pentru o gamă largă de sarcini administrative, tehnologia este deja aici. DeepL Agent poate acționa în mod fiabil în mediul dvs., căutând sfaturi atunci când este nevoie și oferind verificare umană în buclă atunci când este dorit. Acest nivel de inteligență sintetică era pură ficțiune doar cu câteva luni în urmă. Cu toate acestea, mai este un drum lung de parcurs. În următorii ani, agenții de inteligență artificială vor deveni un strat orizontal de productivitate în afaceri — lucrând neîncetat în fundal, colaborând cu oameni și cu alți agenți pentru a elimina munca de rutină și a ne împuternici să rezolvăm probleme care anterior erau inaccesibile.

Ați vorbit despre înțelegerea profundă a limbajului ca o condiție prealabilă pentru agenții de inteligență artificială responsabili. Ce înseamnă „profund” în acest context, dincolo de fluența de suprafață?

Limbajul este remarcabil de ambiguu și dependent de context — în special în domeniile profesionale. Probabil ați experimentat acest lucru și dvs.: auzind o grupă de prieteni discutând o hobby pe care nu o împărtășiți sau o specializare profesională în care nu aveți experiență… Nu ar putea avea sens pentru străini, dar într-un fel, ei se înțeleg perfect între ei. Vrem ca asistența noastră cu inteligență artificială să se simtă la fel de fără efort ca și cum ați vorbi cu un coleg de încredere, experimentat, cu care ați colaborat ani de zile. Preferințele implicite ar trebui să rămână implicite. Nu ar trebui să fie nevoie să explicați în mod repetat cum doriți să se facă munca. Acest lucru poate părea evident, dar necesită o cercetare imensă pentru a fi corect. Acesta este ceea ce înțeleg prin „înțelegere profundă a limbajului”.

Cum abordați măsurile de siguranță și supravegherea atunci când implementați sisteme autonome care pot lua acțiuni reale, și nu doar pot face recomandări?

Pentru ca asistența cu inteligență artificială să funcționeze în contexte de afaceri, trebuie să echilibrăm cu atenție capacitatea cu controlul. O capacitate mai mare creează oportunități imense pentru productivitate, dar dacă este lăsată necontrolată, devine o obligație. Acest lucru nu poate fi permis. De la început, DeepL Agent a fost echipat cu măsuri de siguranță de nivel întreprindere, implementate în multiple forme. Spațiile de lucru partajate oferă utilizatorilor un control precis asupra datelor și accesului, alimentând urme de audit, supraveghere umană și verificare în buclă umană. În plus, administratorii de sistem au un control fin asupra sistemelor pe care DeepL Agent le poate naviga și mecanisme pentru a notifica instrumentele subiacente atunci când sunt operate de agent.

Care sunt lecțiile pe care le-ați învățat despre mutarea ideilor din cercetare în producție fără a sacrifica fiabilitatea sau disciplina științifică?

Decalajul dintre cercetare și dezvoltare de produse este mai larg decât se crede în general. Ambele încep cu o abordare riguroasă pentru rezolvarea problemelor care anterior nu puteau fi rezolvate și o înregistrare meticuloasă a ceea ce funcționează și a ceea ce nu. În timp ce cercetarea poate simplifica domeniul de aplicare și presupune un model de lume mai simplu, dezvoltarea de produse trebuie să țină cont de complexitatea contextelor utilizatorilor reali. În asistența cu inteligență artificială, utilizarea uneltelor este un exemplu primar. Este tentant să se presupună că mediile vor fi întotdeauna pregătite pentru automatizare, cu accesul la sistem și API-urile gata. Realitatea diferă. La fel cum mașinile autonome trebuie să gestioneze complexitatea deplină a infrastructurii de astăzi, agenții de inteligență artificială trebuie să opereze eficient în cadrul modelelor de acces, datelor și sistemelor pe care afacerile le folosesc. Această realizare timpurie se află la baza proiectării DeepL Agent.

Pe măsură ce DeepL se extinde de la o platformă de limbaj concentrată la un sistem de inteligență artificială de nivel întreprindere mai larg, cum decideți care capacități ar trebui să rămână strict controlate și care ar trebui să fie expuse pentru un comportament mai autonom?

Nivelul de control necesar pentru o sarcină este determinat de două factori: fiabilitatea persoanei sau sistemului care o efectuează și impactul potențial al erorilor. Acest lucru se aplică în egală măsură executării umane și celei mașinale. Fiabilitatea inteligenței artificiale a crescut enorm în ultimii ani și va continua să se îmbunătățească. Prin urmare, controlul strict va fi necesar pentru tot mai puține sarcini. În cele din urmă, fiabilitatea inteligenței artificiale va depăși chiar și nivelurile experților umani pentru multe sarcini. Acest lucru se aplică și mecanismelor de control, care se vor muta tot mai mult către supravegherea inteligenței artificiale. Intern, DeepL Agent face deja acest lucru, solicitând ajutorul utilizatorilor atunci când corectarea de sine nu este posibilă.

Privind înainte, care sunt prin urmare rupturile în înțelegerea limbajului sau proiectarea agenților pe care le credeți că vor modela cel mai puternic inteligența artificială de nivel întreprindere în următorii doi ani?

Agenții de inteligență artificială nu vor ajuta doar la sarcini individuale. Ei vor forma un strat de productivitate colaborativă în afaceri care lucrează în numele nostru pentru a reduce distragerea, a pregăti și a prezenta informații exact atunci când sunt necesare și a rezolva probleme și sarcini din ce în ce mai sofisticate în totalitate pe fundal.

Mulțumim pentru acest interviu minunat; cititorii care doresc să afle mai multe despre DeepL ar trebui să viziteze DeepL.