Ричард Бойд, сооснователь и генеральный директор Tanjo Inc – Интервью

Ричард Бойд – предприниматель, автор и спикер на различные темы, от образования до здравоохранения, виртуальных миров, компьютерных игр, машинного обучения и интерфейсов человека и компьютера. За три десятилетия Ричард возглавлял или помог создать некоторые из самых инновационных технологических компаний и услуг в различных отраслях, включая создание и руководство четырьмя компаниями в регионе исследовательского треугольника Северной Каролины. Ричард продал свою последнюю компанию Lockheed Martin (LMT ) и остался в качестве директора лаборатории виртуальных миров.

Ричард является сооснователем и генеральным директором компании Tanjo Inc, занимающейся искусственным интеллектом и машинным обучением, базирующейся в регионе исследовательского треугольника Северной Каролины.

Вы работаете над VR с 90-х годов, и в 2001 году вы стали сооснователем 3Dsolve. Какими были некоторые из первых проектов, над которыми работала 3Dsolve?

Одним из наиболее значимых первых проектов для 3Dsolve было помощь команде армии США в обучении симуляционному обучению для тактических операций небольших подразделений. Мы создали первый “Уровень 4 интерактивного мультимедийного обучения” (IMI) курс для армии, который прошел валидацию TRADOC. По сути, это было использование ценности “безопасной практики в полностью симулированной 3D-среде для наземных подразделений”. Первый курс включал более 100 часов обучения в совместной симуляционной 3D-игровой среде для 25B10 военно-специальной подготовки (MOS) для связи.

Мы отправляли солдат в Афганистан и Ирак в то время и обучали их работать в цифровых тактических оперативных центрах (DTOC), когда у нас не было DTOC в США для их обучения. 3Dsolve путешествовала в Форт-Худ, Форт-Гордон и различные другие объекты, чтобы найти оборудование, встретиться с экспертами и построить виртуальные DTOC, где солдаты могли обучаться. Результаты валидации показали, что солдаты, использующие этот метод, были обучены за более короткое время с более высоким уровнем знаний (и процентом сдачи экзамена) по сравнению с любыми методами обучения в классе. Я считаю это началом серьезной игровой индустрии.

Я также служил в совете по распространению передовых технологий (ADL), где были созданы стандарты для многократного использования обучающего контента. Я работал с Филипом Доддсом над 3D-стандартами для SCORM (Модель ссылки на объект контента). Примечание: Филип был человеком, который играл на органе в фильме Стивена Спилберга “Близкие контакты третьей степени”.

Я также служил в другом международном стандарте под названием 3DIF, возглавляемом Intel (INTC ) и Boeing, где мы создали международный стандарт ECMA с тем же названием для 3D-форматов обмена. Идея заключалась в том, чтобы наконец захватить всю ценность 3D-CAD-моделей, созданных для всего в мире, и перевести ее для использования в серьезных играх и 3D-технических документах. Он живет в Adobe Acrobat и других платформах.

Мы продолжали работать с гарнитурами и различными периферийными устройствами VR, сотрудничая с пионерами отрасли, такими как Уоррен Робинетт, доктор Фред Брукс, Алан Кей и другие. Мой сооснователь Дэвид Смит создал целую открытую платформу вместе с Аланом Кеем под названием OpenCroquet, которая до сих пор существует.

Как изменилась ваша жизнь после того, как Lockheed Martin приобрела 3Dsolve в 2007 году?

Одним из пионерских проектов, над которым мы работали в 3Dsolve, который привел к покупке Lockheed, была симуляция всего подводного лодки класса Los Angeles. В то время ВМС США все еще выделяли целые корабли для обучения. Мы стали пионерами в идее “Total Ship Simulation”, повторяя всю подводную лодку в многопользовательской игровой среде. Мы использовали игровой движок Epic Games Unreal и действительно преобразили обучение для этих судов. В Lockheed мы создали симуляции эсминцев, кораблей боевой поддержки, а также всех их подсистем.

Сначала было сложно адаптироваться от компании, занимающейся игровыми технологиями, к дополнительным слоям надзора и отчетности, необходимым в 100-летней оборонной компании. Мы научились создавать свою собственную реальность. Я сформировал неформальную организацию под названием Virtual World Labs и спроектировал ее по образцу знаменитой LM Skunkworks в Калифорнии. На самом деле, Skunkworks стал членом VWL. Мы узнали в первый год, что всякий раз, когда вы придумываете патентную заявку, вы получаете чек, и еще один, когда она утверждена. Итак, это стало нашей программой стимулирования. Мы сидели и изобретали вещи в AR, VR и AI. К концу моего 5-летнего пребывания там мы накопили более 100 патентных заявок в небольшой группе из 40 человек.

Одной из самых интересных и актуальных программ была создание каркаса виртуального мира Министерства обороны. Мы участвовали в нескольких крупномасштабных совместных военных игровых упражнениях и наблюдали за разочарованиями из-за отсутствия совместимости между проприетарными системами, которые должны были работать вместе в этих больших живых, конструктивных и виртуальных симуляционных упражнениях. Наша первая реакция была, что это уже решенная проблема… Это называется Интернет! Если приобретающая община сможет просто заставить всех придерживаться веб-сервисов, мы можем построить лучшие интегрированные системы обучения. И WebGL только что прошел проверку у Всемирного консорциума веба. Настало время для изменения бизнеса, как обычно. Пентагон выпустил запрос на предложение о “общем каркасе виртуального мира” для интегрированной симуляции. Руководитель этой программы в Пентагоне был творческим бывшим пилотом ВВС по имени Фрэнк Диджованни. Мы называли его D9. Он напоминает мне истории о Коле Джоне Бойде, который выступал за творческое разрушение наших программ истребителей и мышления в ВВС.

Проблема заключалась в том, что D9 явно сказал своей команде по приобретению, что он “не хочет никаких компаний, похожих на Lockmart”, чтобы построить этот новый каркас. Но Дэвид и я пошли туда вместе с обычным списком из 17 поставщиков, претендующих на программу, и мы выиграли. Мы узнали позже, что все остальные показывали проприетарные решения и пытались заставить правительство принять их. Мы показали на нашем устном представлении в здании Рейгана в Вашингтоне ничего, кроме того, что ответ на эту глубокую проблему лежит в архитектуре Интернета. Мы сказали, что можем спроектировать это за несколько месяцев и иметь рабочую модель через шесть. Мы также сказали, что это должно быть открытое. Мы выиграли “рука об руку” по словам D9, потому что наш подход был так свеж и другой и “вне коробки”.

Когда я вернулся в Орландо, чтобы объяснить эту новую победу руководству нашей дивизии Lockheed Martin, меня вызвали на ковёр. Меня поздравили, но затем они спросили об открытом исходном коде. “Что это будет означать для нашего существующего бизнеса по конструктивной симуляции?” – спросили они. Мой ответ: “Оно полностью его разрушит”. Была пауза, затем неизбежный вопрос: “Итак, как мы будем зарабатывать деньги? Какова бизнес-модель?” Мой ответ: “Бизнес-моделей будет много”. Я до сих пор наслаждаюсь запутанными взглядами, которые этот ответ вызвал. Я прошел через все способы, которыми Red Hat смогла построить многомиллиардный бизнес на основе бесплатного программного обеспечения, но я не думаю, что они когда-либо стали комфортно с разрушением.

Моя должность в то время была директором по возникающим и разрушительным технологиям, а также главным архитектором Virtual World Labs. Я работал в течение следующего года, пытаясь заставить Lockheed принять больше самоуничтожения и шумпетерское творческое разрушение. Я описал инновации в больших организациях, таких как Lockheed, как похожие на роды. Люди любят идею иметь детей. Это хорошо для общества и очень полезно. Дети – это наше будущее. Но через неправильную линзу дети также могут быть рассмотрены как паразиты. Начиная с того момента, когда они впервые прикрепляются к матке, они начинают забирать ресурсы. Если бы не защитные условия матки, антитела матери вышли бы, чтобы уничтожить ребенка. Инновации в Lockheed были как это. Все хотели и говорили об инновациях, но никто не хотел жертвовать своими ресурсами для этого, когда отдача была так далеко.

Во время вашего пребывания в Lockheed Martin одна из патентов, над которой вы работали, звучит как что-то из научно-фантастического блокбастера, называемого холо-децком. Что такое холо-децк?

В 2009 году меня пригласили в Лос-Анджелес Джеймсом Кэмероном во время производства его фильма “Аватар”. Мы работали с Джимом раньше (над “Бездной”) и он хотел показать мне свою новую 3D-камеру, которую он изобрел с Винсом Пейсом (которого мы также знали из “Бездны”). Но то, что действительно меня поразило, была виртуальная сцена внутри огромного ангара Hughes. Я провел много времени там с маленьким плоским экраном, просто прогуливаясь по виртуальному миру Пандоры. Я написал об этом для Armed Forces Journal и придумал с Дэвидом Смитом идею построить большую виртуальную тренировочную площадку размером с футбольное поле. В то время мы работали над программой под названием Future Immersive Training Environment (FITE) для морской пехоты. В этой программе морской пехотинец носил ноутбук на спине и шлем. Все это дополнительное оборудование действительно вызывало беспокойство о негативной тренировке. Я никогда не забуду первого сержанта, который надел его и сказал: “мы должны тренироваться так, как мы сражаемся, верно?” и затем бросился на землю и закатился, разбив все электронику на куски. Концепция холо-децка была более похожа на “Объем” Джеймса Кэмерона для съемок; где актеры имеют светящиеся костюмы и все инструменты вокруг них. Шлем был все еще необходим, но был беспроводным и легким. Более похожим на современный Oculus Quest. Мы даже придумали, как сделать это на улице в солнечном свете.

В 2015 году вы написали, что мы не должны слишком беспокоиться о том, что машины захватят мир, а вместо этого должны попытаться найти правильный баланс между людьми и автоматизацией, чтобы оптимизировать результаты. Все ли еще так?

Я думаю, что когда действительно умные люди с обилием опыта в этой области (например, Рэй Курцвейл, Стивен Хокинг, Илон Маск, Джеймс Кэмерон и Билл Гейтс) выражают обеспокоенность, мы должны все обратить внимание и отслеживать прогресс в сторону искусственного общего интеллекта и последствия для общества. Если мы узнали что-то недавно, то это то, что экспертиза имеет значение, и мы всегда должны прислушиваться к предупреждениям от людей с более глубоким опытом, чем наш собственный.

Говоря это, для предсказуемого будущего мы видим больше постепенных разрушений, которые заслуживают немедленного внимания и действий. Моя суть о том, что 21-вековая задача достижения правильного баланса между людьми и автоматизацией, чтобы оптимизировать результаты, является критической проблемой прямо сейчас. Я действительно думаю, что любой, кто не получит этого правильно, обречен на то, чтобы стать незначительным, а не просто неконкурентным. Когда JP Morgan заменил 320 000 часов в год юридического обзора кредитных соглашений на систему машинного обучения под названием COIN, они разрушили себя и сразу же создали выгоду в 300 миллионов долларов в год. И эта выгода теперь является аннуитетом. Любой из их конкурентов, у которого все еще есть эта стоимость, не только будет неконкурентным, но и незначительным.

Я считаю, что это правда и императив для компаний, правительств, даже отдельных людей. Я являюсь членом совета директоров колледжа в Северной Каролине с 70 000 студентов. Я постоянно пытаюсь направить студентов и нашу учебную программу на те специальности, которые будут выполняться людьми через пять лет. Когда я нахожу студентов, которые хотят поступить в радиологию, я объясняю им, что машины уже лучше людей в чтении рентгеновских снимков. Рассмотрите новую область или то, как эта область, скорее всего, изменится с этой реальностью. Это не футуризм. Это нытизм.

Вы сказали, что люди думают линейно, а машины думают экспоненциально. Очевидно, что вы экспоненциальный мыслитель, почему людям так трудно думать экспоненциально?

70% американцев не могут прочитать и понять раздел науки в New York Times (исследование Университета штата Мичиган). Авторы, такие как Дэн Ариели, в своей бестселлерной книге “Предсказуемая иррациональность”, и другие говорят о том, что мы, люди, не очень хороши в статистическом мышлении. Экспоненциальное и логарифмическое мышление также не очень распространены. Мой наставник и герой Алан Кей имеет отличную лекцию TED о универсалах и неуниверсалах в образовании. Я написал об этом в статье на сайте Getting Smart о пересмотре образования с первых принципов. По сути, абстрактное и дедуктивное рассуждение являются трудными, если их не преподают. У нас абсолютно есть проблема с образованием, которая препятствует нашей способности понять прогресс закона Мура или вероятное распространение пандемии.

Текущая пандемия проливает еще больше света на последствия наличия лидеров, которые не могут думать экспоненциально (или прислушиваться к экспертизе).

Вы работаете над VR с 90-х годов, как вы относитесь к некоторым текущим потребительским приложениям VR, таким как Oculus Quest?

Каждый раз, когда я вижу американские горки VR-гипа, поднимающиеся обратно вверх по склону, я начинаю напоминать всем о трех основных ограничениях, которые препятствуют широкому внедрению.

1. Некоторые люди будут навсегда физически не в состоянии наслаждаться стереоскопическим 3D-VR.
2. Трение настройки и подключения делает это опытом, который не многие найдут приятным.
3. Хрупкость систем означает, что только экспертные хоббиисты будут хотеть возиться с этим и устранять неисправности.

Люди не имели апгрейда уже давно (с плейстоценовой эпохи, на мой взгляд) и некоторые из нас имеют очень трудное время, адаптируясь к стереоскопическим 3D-отображениям. Значительная часть населения никогда не будет комфортно с погружающимся VR из-за того, как они физически запрограммированы. Итак, отложив их в сторону на данный момент, мы остаемся со вторым большим вопросом: ужасное трение подключения к этим устройствам. Слишком много кабелей и настроек, прежде чем можно войти в опыт. И третьим является хрупкость и ломкость всех этих дополнительных устройств и подключений.

Oculus Quest значительно превысил мои ожидания, полностью исключив второе и третье ограничения. В моей семье мы проводим время в контенте Oculus Quest почти каждый день. Это, на мой взгляд, прорыв, который был необходим VR. Теперь нам просто нужно пройти последнюю милю и посмотреть, как мы можем адаптировать технологию, чтобы удовлетворить тех, кто имеет физические ограничения, которые мешают им наслаждаться VR.

Что было вашим вдохновением для запуска Tanjo?

Я открыл для себя машинное обучение в 2009 году, когда руководил Virtual World Labs в Lockheed Martin. Машинное обучение, конечно, уже существовало, но это был год, когда я полностью понял, насколько далеко оно продвинулось и насколько оно фундаментально отличается от “искусственного интеллекта”, который мы использовали в компьютерных играх и симуляциях Министерства обороны раньше.

Я теперь думаю об ИИ как о развитии в 3 этапа. На первом этапе, который длился с 1958 года до 2009 года (мой произвольный маркер), мы не просили компьютер вычислить что-то, пока люди полностью не понимали это и не могли разбить его на хрупкие логические ворота и операторы if/then. Мы затем вводили это в компьютеры в виде конечных автоматов или иерархических деревьев поведения и запускали программы. В конце концов, все это было просто код. Ничего мистического в этом.

Следующий этап – это машинное обучение, где человек не обязательно понимает, как сказать машине, чтобы она управляла автомобилем. Теперь мы просто подаем огромный набор данных группе хорошо спроектированных библиотек машинного обучения, которые затем выводят свое собственное понимание. Сегодня система машинного обучения может просто посмотреть 100 часов видео и выйти и управлять автономным транспортным средством идеально где угодно. (Обычно я шучу, что “где угодно, кроме Рима”)

В Tanjo мы используем машинное обучение в коротких проектах, чтобы дать банкам, учреждениям высшего образования и компаниям из списка Fortune 2000 интеллектуальное усиление и автоматизацию, которые меняют то, как они работают. Мы регулярно видим доходы от инвестиций в 10 раз от наших реализаций. И этот доход обычно является аннуитетом. Сколько технологических инвестиций мы видели раньше, которые создают такие виды прироста производительности? У нас были проверенные измерения ROI до 600 раз; и один смущающий результат в 1600 раз. Мы даже не используем последний как пример, потому что он кажется слишком гиперболическим.

Можете ли вы рассказать о Tanjo Animated Personas (TAP) и о том, как это работает?

Наш большой прорыв произошел, когда мы поняли, что эти удивительные, странные системы машинного интеллекта смотрят на людей так же, как и на информационные объекты. Мы провели ранний эксперимент с набором данных из популярного приложения для знакомств. Наш маленький мозг машинного обучения создал графики интересов и карты настроений для каждого человека из его данных, которые в итоге выглядели как профиль Майерс-Бриггса. Мы подумали кратко о создании приложения для знакомств на основе машинного обучения в 2014 году. Это было очень краткое рассмотрение, потому что оно не соответствовало нашим высоким целям делать значимую работу.

Вместо этого мы назвали это “Двигателем эмпатии” и построили то, что мы назвали “Tanjo Animated Personas” из этих моделей машинного обучения поведения человека.

Аналитическая фирма Gartner дала нам награду “Крутой поставщик” в 2018 году за этот прорыв. Мы помогаем исследователям рынка моделировать и понимать (а также, надеюсь, вырабатывать более глубокие значимые разговоры со своими клиентами; а также использовать его для моделирования популяций людей, чтобы изучить здоровье и благополучие. Например: мы можем создать синтетическую модель популяции целого почтового индекса или округа и смоделировать, какие вмешательства и сообщения побуждают лучшее поведение, чтобы снизить распространение вируса или снизить ожирение, курение и т. д.

Используете ли вы обучение с учителем, чтобы обучать Tanjo?

Баланс между людьми и машинами так же важен на входе, как и на выходе этих систем. Надзор человека绝ительно помогает с обучением “мозга” одной из наших систем машинного обучения быстрее. Когда мы создали мозг NC, который свяжет все 58 колледжей сообщества в Северной Каролине, мы работали с преподавателями и администраторами в некоторых из лучших колледжей здесь, чтобы убедиться, что его рейтинг различных областей знаний и то, как он сортирует контент, было действительным.

Одним из продуктов Tanjo является ContractBot для анализа контрактов. Что такое ContractBot и для каких типов предприятий он в основном предназначен?

Мы создали ContractBot изначально для отрасли бухгалтерского учета. В 2017 году FASBI (Финансовый комитет по бухгалтерскому учету) выпустил новые правила, касающиеся признания доходов и учета аренды для бизнеса. Бухгалтерские фирмы проводили конференции по всей стране, пытаясь подготовить себя и своих клиентов к этим изменениям. С нашей линзой машинного обучения мы поняли, что это идеальная возможность для системы машинного обучения, чтобы работать вместе с бухгалтерами, чтобы значительно увеличить скорость анализа, а также повысить точность. Мы обучили систему на более чем четырех миллионах контрактов: все, от одной страницы, отсканированной вручную, покупки, до контрактов со сто страницами гарантий и отказов от ответственности и описаний платежей. Она быстро научилась понимать язык и сортировать документы или разделы документов и применять бизнес-правила, чтобы почти мгновенно выполнить анализ, который занял бы у человека весь день.

Этот проект и другие являются примерами, которые мы предоставляем, чтобы поощрить кого-либо в бизнесе сегодня взглянуть на новый баланс между человеком и машиной и внимательно изучить каждую деятельность, чтобы определить, какой является правильной смесью человеческого и машинного труда, чтобы оптимизировать свой бизнес.

Когда JP Morgan использовал этот подход, чтобы исключить 320 000 часов в год анализа кредитов, они не только получили доход от инвестиций в 100 раз в том году, но и получат этот аннуитет каждый год. Любой из их конкурентов, у которого все еще есть эта стоимость, не только будет неконкурентным, но и незначительным.

Одним из самых интересных продуктов, которые предлагает Tanjo, является Enterprise Brain. Какой тип машинного обучения стоит за этим, и какие его варианты использования?

Когда мы использовали машинное обучение, чтобы помочь Министерству образования США создать Реестр обучения, мы увидели силу машинного обучения для организации и анализа знаний. Когда я говорю об этом, я обычно показываю слайд с изображением из последней сцены “Похитителей ума”, где клерк катит скучную коробку, чтобы подать ее, и на ней есть маленький ярлык, который гласит ARC.

Что мы узнали из проекта Реестра обучения и других, так это то, что корпоративный поиск сломан. У компаний есть неотмеченные и спрятанные данные, спрятанные в маленьких озерах и прудах, которые либо недоступны, либо непонятны и поэтому не прозрачны для запроса. В этой ускоряющейся эпохе информации мы теряем знания каждый день из-за плохих методов хранения и извлечения.

Мозг Tanjo Enterprise живет внутри вашего брандмауэра, с полным исходным кодом, подключается ко всему и не имеет ничего, кроме чтения и сканирования и организации всего, к чему он имеет доступ, и ожидания интересного момента, когда он обнаруживает человека, пытающегося сделать что-то, что может использовать обширную карту информации у его пальцев. Потому что у него так много времени и силы и близости с организационными знаниями, он не ограничивается уменьшением своего чтения “Войны и мира” до #РусскийРоман #Толстой #Война #ЛюбовнаяИстория. Вместо этого он будет картографировать его с помощью того, что мы называем “гипердименсиональной отпечатком” до 4000 взвешенных концепций. Этот, казалось бы, чрезмерный усилие приносит большие дивиденды для исследовательских учреждений, банков и колледжей с Мозгом Tanjo Enterprise. Обычно они осознают ценность, далеко превышающую лицензионный сбор, уже на этапе картографирования организационных знаний, когда руководство узнает, сколько знаний они инвестируют и от которых зависят, и что все это значит. Когда Мозг Enterprise реализован, организация теперь имеет линзу, через которую можно увидеть, как информация вошла в их системы, кто ее поддерживал, кто ее оспаривал и в конечном итоге, как были приняты решения. Это становится необходимостью, которая очевидна ретроспективно. И как система машинного обучения, реализованная JP Morgan, платит дивиденды навсегда.

Есть ли что-то еще, что вы хотели бы поделиться о Tanjo?

Tanjo сейчас активно работает над мозгом Covid-19. Следуя основной идее, которая движет нашей компанией, мы определяем, как достичь баланса между человеком и машиной, чтобы обеспечить правильную информацию и лучшие ресурсы для людей, принимающих важные решения во время этого кризиса. Возможность Animated Personas Tanjo будет использована для моделирования данных о человеческой популяции, чтобы отслеживать распространение вируса, но также определить, какие меры и методы коммуникации, а также фактические слова, получат поведение, которое нам нужно, чтобы успешно пройти через этот кризис в более здоровую экосистему для всех нас.

Это было fascинiruyuschее разговор, читатели, которые могут пожелать узнать больше, должны посетить Tanjo.

https://youtu.be/f0_SbQYD5ec