Donny White, CEO dhe bashkë-themelues i Satisfi Labs – Seria e Intervistave

E themeluar në vitin 2016, Satisfi Labs është një kompani udhëheqëse e AI biseduese. Suksesi i hershëm erdhi nga puna e tij me New York Mets, Macy's dhe US Open, duke mundësuar akses të lehtë në informacione shpesh të padisponueshme në faqet e internetit.

Donny kaloi 15 vjet në Bloomberg përpara se të hynte në botën e bizneseve fillestare dhe ka një MBA nga Universiteti Cornell dhe një BA nga Kolegji Baruch. Nën udhëheqjen e Donny, Satisfi Labs ka parë rritje të konsiderueshme në sektorët e sportit, argëtimit dhe turizmit, duke marrë investime nga Google, MLB dhe Red Light Management.

Ju ishit në Bloomberg për 14 vjet kur ndjetë për herë të parë kruarjen e sipërmarrjes. Pse ishte të qenit një sipërmarrës papritur në radarin tuaj?

Gjatë vitit tim të ri të kolegjit, aplikova për një punë si recepsionist në Bloomberg. Sapo futa këmbën në derë, u thashë kolegëve të mi se nëse do të ishin të gatshëm të më mësonin, mund të mësoja shpejt. Deri në vitin e fundit, unë isha një punonjës me kohë të plotë dhe i kisha zhvendosur të gjitha klasat e mia në klasat e natës, në mënyrë që të mund t'i bëja të dyja. Në vend që të shkoja në diplomimin tim në moshën 21-vjeçare, e kalova atë kohë duke menaxhuar ekipin tim të parë. Që nga ai moment, unë pata fatin të punoja në një meritokraci dhe u ngrita shumë herë. Në moshën 25-vjeçare, unë drejtoja departamentin tim. Prej atje, unë kalova në menaxhimin rajonal dhe më pas zhvillimin e produktit, derisa përfundimisht, unë drejtoja shitjet në të gjitha Amerikat. Në vitin 2013, fillova të pyesja veten nëse mund të bëja diçka më të madhe. Shkova në disa intervista në kompanitë e reja të teknologjisë dhe një themelues më tha: "Ne nuk e dimë nëse je i mirë apo Bloomberg është i mirë." Ishte atëherë që e dija se diçka duhej të ndryshonte dhe gjashtë muaj më vonë isha VP i shitjeve në startup-in tim të parë, Datahug. Menjëherë pas kësaj, unë u rekrutova nga një grup investitorësh që donin të prishnin Yelp. Ndërsa Yelp është ende i mirë dhe mirë, në vitin 2016 ne u rreshtuam në një vizion të ri dhe unë bashkëthemelova Satisfi Labs me të njëjtët investitorë.

A mund të ndani historinë e gjenezës pas Satisfi Labs?

Isha në një lojë bejsbolli në Citi Field me Randy, CTO dhe bashkëthemelues aktual i Satisfi, kur dëgjova për një nga specialitetet e tyre, proshutën në shkop. Ne shëtisëm nëpër kamp dhe pyetëm stafin për të, por nuk e gjetëm askund. Rezulton se ai ishte i ngulitur në njërën anë të stadiumit, gjë që bëri të kuptojmë se do të kishte qenë shumë më e përshtatshme të pyesje drejtpërdrejt me ekipin përmes bisedës. Këtu lindi ideja jonë e parë. Randy dhe unë vijmë të dy nga financa dhe prejardhje tregtare algoritmike, gjë që na bëri të marrim konceptin e përputhjes së kërkesave me përgjigjet për të ndërtuar NLP-në tonë për pyetje hiper-specifike që do të pyeteshin në vendndodhje. Ideja fillestare ishte të ndërtoheshin robotë individualë që secili do të ishte ekspertë në një fushë të caktuar njohurish, veçanërisht njohuri që nuk janë lehtësisht të aksesueshme në një faqe interneti. Nga atje, sistemi ynë do të kishte një "përçues" që mund të prekte çdo bot kur të ishte e nevojshme. Kjo është arkitektura origjinale e sistemit që përdoret ende sot.

Satisfi Labs kishte projektuar motorin e vet NLP dhe ishte në prag të publikimit të një njoftimi për shtyp kur OpenAI ndërpreu grupin tuaj të teknologjisë me lëshimin e ChatGPT. A mund të diskutoni për këtë periudhë kohore dhe se si kjo e detyroi Satisfi Labs të orientonte biznesin e saj?

Ne kishim një njoftim për shtyp të planifikuar për të njoftuar përmirësimin tonë NLP të bazuar në kontekst në pritje të patentës për 6 dhjetor 2022. Më 30 nëntor 2022, OpenAI njoftoi ChatGPT. Njoftimi i ChatGPT ndryshoi jo vetëm udhërrëfyesin tonë, por edhe botën. Fillimisht, ne, si gjithë të tjerët, ishim në garë për të kuptuar fuqinë dhe kufijtë e ChatGPT dhe për të kuptuar se çfarë do të thoshte kjo për ne. Shpejt kuptuam se sistemi ynë kontekstual NLP nuk konkurronte me ChatGPT, por në fakt mund të përmirësonte përvojën e LLM. Kjo çoi në një vendim të shpejtë për t'u bërë partnerë të ndërmarrjeve OpenAI. Meqenëse sistemi ynë filloi me idenë për të kuptuar dhe për t'iu përgjigjur pyetjeve në një nivel të grimcuar, ne ishim në gjendje të kombinonim modelin e sistemit "bot përçues" dhe shtatë vjet të dhëna synimi për të përmirësuar sistemin për të inkorporuar LLM.

Satisfi Labs së fundmi lançoi një patentë për një sistem të përgjigjes së kontekstit LLM, çfarë është kjo konkretisht?

Këtë korrik, ne zbuluam Sistemin tonë të Përgjigjes së Kontekstit LLM në pritje të patentës. Sistemi i ri kombinon fuqinë e sistemit tonë të përgjigjes kontekstuale në pritje të patentave me aftësitë e mëdha të modelit të gjuhës për të forcuar të gjithë sistemin Answer Engine. Teknologjia e re Context LLM integron aftësitë e modeleve të mëdha gjuhësore në të gjithë platformën, duke filluar nga përmirësimi i rrugëzimit të synimit deri te gjenerimi i përgjigjeve dhe indeksimi i qëllimit, gjë që nxit gjithashtu aftësitë e saj unike të raportimit. Platforma e çon AI bisedore përtej chatbotit tradicional duke shfrytëzuar fuqinë e LLM-ve si GPT-4. Platforma jonë lejon që markat të përgjigjen me përgjigje gjeneruese të AI ose përgjigje të shkruara paraprakisht në varësi të nevojës për kontroll në përgjigje.

A mund të diskutoni shkëputjen aktuale midis shumicës së faqeve të internetit të kompanisë dhe platformave LLM në dhënien e përgjigjeve sipas markës?

ChatGPT është trajnuar për të kuptuar një gamë të gjerë informacioni dhe për këtë arsye nuk ka nivelin e trajnimit të hollësishëm të nevojshëm për t'iu përgjigjur pyetjeve specifike të industrisë me nivelin e specifikës që presin shumica e markave. Për më tepër, saktësia e përgjigjeve që japin LLM-të është po aq e mirë sa të dhënat e dhëna. Kur përdorni ChatGPT, ai siguron të dhëna nga i gjithë interneti, të cilat mund të jenë të pasakta. ChatGPT nuk i jep përparësi të dhënave nga një markë mbi të dhënat e tjera. Ne u kemi shërbyer industrive të ndryshme gjatë shtatë viteve të fundit, duke fituar njohuri të vlefshme për miliona pyetjet e bëra nga klientët çdo ditë. Kjo na ka mundësuar të kuptojmë se si ta rregullojmë sistemin me kontekst më të madh për industri dhe të ofrojmë aftësi të fuqishme dhe të grimcuara të raportimit të qëllimit, të cilat janë thelbësore duke pasur parasysh rritjen e modeleve të mëdha gjuhësore. Ndërsa LLM-të janë efektive në të kuptuarit e qëllimit dhe në gjenerimin e përgjigjeve, ata nuk mund të raportojnë për pyetjet e bëra. Duke përdorur vite të të dhënave të gjera të qëllimit, ne kemi krijuar në mënyrë efikase raportime të standardizuara përmes Sistemit të tyre të Indeksimit të Qëllimit.

Çfarë roli luajnë gjuhëtarët në rritjen e aftësive të teknologjive LLM?

Roli i inxhinierit të shpejtë është shfaqur me këtë teknologji të re, e cila kërkon që një person të hartojë dhe rafinojë kërkesat që nxisin një përgjigje specifike nga AI. Gjuhëtarët kanë një kuptim të madh të strukturës së gjuhës, si sintaksa dhe semantika, ndër të tjera. Një nga inxhinierët tanë më të suksesshëm të AI ka një sfond gjuhësor, i cili i lejon asaj të jetë shumë efektive në gjetjen e mënyrave të reja dhe të nuancuara për të nxitur AI. Ndryshimet delikate në prompt mund të kenë efekte të thella në atë se sa e saktë dhe efikase gjenerohet një përgjigje, gjë që bën të gjithë ndryshimin kur trajtojmë miliona pyetje për klientë të shumtë.

Si duket rregullimi i imët në fund?

Ne kemi modelin tonë të të dhënave të pronarit që përdorim për të mbajtur LLM në linjë. Kjo na lejon të ndërtojmë gardhet tona për të mbajtur LLM nën kontroll, në kundërshtim me nevojën për të kërkuar gardhe. Së dyti, ne mund të shfrytëzojmë mjetet dhe veçoritë që përdorin platformat e tjera, gjë që na lejon t'i mbështesim ato në platformat tona.

Rregullimi i saktë i të dhënave të trajnimit dhe përdorimi i të mësuarit përforcues (RL) në platformën tonë mund të ndihmojë në zbutjen e rrezikut të keqinformimit. Rregullimi i imët, në kundërshtim me kërkimin e bazës së njohurive për fakte specifike për të shtuar, krijon një version të ri të LLM që është trajnuar për këtë njohuri shtesë. Nga ana tjetër, RL trajnon një agjent me reagime njerëzore dhe mëson një politikë se si t'u përgjigjet pyetjeve. Kjo ka rezultuar të jetë e suksesshme në ndërtimin e modeleve më të vogla të gjurmës që bëhen ekspertë në detyra specifike.

A mund të diskutoni procesin për futjen e një klienti të ri dhe integrimin e zgjidhjeve biseduese të AI?

Meqenëse ne fokusohemi në destinacione dhe përvoja të tilla si sporti, argëtimi dhe turizmi, klientët e rinj përfitojnë nga ata tashmë në komunitet, duke e bërë hyrjen në bord shumë të thjeshtë. Klientët e rinj identifikojnë se ku jetojnë burimet e tyre më aktuale të të dhënave, si p.sh. një faqe interneti, manuale punonjësish, blogje, etj. Ne thithim të dhënat dhe trajnojmë sistemin në kohë reale. Meqenëse ne punojmë me qindra klientë në të njëjtën industri, ekipi ynë mund të japë shpejt rekomandime se cilat përgjigje janë më të përshtatshme për përgjigjet e shkruara paraprakisht kundrejt përgjigjeve të gjeneruara. Për më tepër, ne vendosim flukse të drejtuara, si p.sh. Gjetësi ynë dinamik i Ushqimit dhe Pijeve, në mënyrë që klientët të mos kenë nevojë të merren kurrë me një ndërtues robotësh.

Satisfi Labs aktualisht është duke punuar ngushtë me ekipet dhe kompanitë sportive, cili është vizioni juaj për të ardhmen e kompanisë?

Ne shohim një të ardhme ku më shumë marka do të duan të kontrollojnë më shumë aspekte të përvojës së tyre të bisedës. Kjo do të rezultojë në një nevojë të shtuar që sistemi ynë të sigurojë më shumë akses në nivel zhvilluesish. Nuk ka kuptim që markat të punësojnë zhvillues për të ndërtuar sistemet e tyre bisedore të AI, pasi ekspertiza e nevojshme do të jetë e pakët dhe e shtrenjtë. Megjithatë, me sistemin tonë që ushqen backend-in, zhvilluesit e tyre mund të përqendrohen më shumë në përvojën dhe udhëtimin e klientit duke pasur kontroll më të madh të kërkesave, duke lidhur të dhënat e pronarit për të lejuar më shumë personalizim dhe duke menaxhuar ndërfaqen e bisedës për nevoja specifike të përdoruesve. Satisfi Labs do të jetë shtylla teknike e përvojave biseduese të markave.

Faleminderit për intervistën e mrekullueshme, lexuesit që dëshirojnë të mësojnë më shumë duhet ta vizitojnë Satisfi Labs.