Dr. Lingjia Tang, CTO och medgrundare, Clinc – Intervjuserie

Dr. Lingjia Tang, CTO och medgrundare av Clinc, är professor i datavetenskap vid University of Michigan. Dr. Tangs forskning om att bygga storskalig produktionsinfrastruktur för intelligenta applikationer är välkänd och respekterad inom den akademiska gemenskapen. Utöver att ha arbetat på både Microsoft (MSFT ) och Google (GOOGL ), avlade Lingjia sin doktorsexamen i datavetenskap vid University of Virginia. Lingjia har nyligen mottagit prestigefyllda utmärkelser, inklusive ISCA Hall of Fame, Facebook (META ) Research Awards och Google Research Award.

Vad var det som initialt drog dig till AI? När upptäckte du att du ville starta ett AI-företag?

I mitten av 2000-talet genomförde jag forskning kring storskaliga system som stöder olika applikationer och hur vi kan designa servrar som en programvara för att köra dessa applikationer mer effektivt. Vid den tiden övergick vi från att arbeta med traditionella webbapplikationer till mer maskinlärningsdrivna funktioner. Det var då jag började fokusera på algoritmerna associerade med AI och fick ett intresse för att förstå hur AI-applikationer fungerar på djupet. Strax därefter beslutade forskargruppen jag arbetade med att byta fokus och i princip bygga våra egna AI-applikationer som benchmark för att studera, vilket ledde till att vi publicerade våra första forskningsartiklar och utvecklade vår första produkt, Sirius – en öppen slutpunkt-till-slutpunkt röst- och visionspersonlig assistent.

Som öppen källkodsprogramvara möjliggjorde Sirius för människor att bygga konversationsbaserade virtuella assistenter på egen hand. Vid den tiden var denna funktion mycket begränsad för allmänheten och kontrollerades i huvudsak av stora företag som Google och Apple. Men vi såg att vi fyllde en kritisk lucka när vi släppte programvaran och såg att den hade tiotusentals nedladdningar under den första veckan! Det var den vändpunkt då vi visste att det fanns en stor marknad efterfrågan på den här typen av programvara.

År 2015 lanserade vi Clinc med tanken att vi skulle kunna ge alla – varje utvecklare, företag, person – som vill bygga en virtuell assistent tillgång till expertis, verktyg och innovation för att kunna göra det.

Clinc erbjuder konversationsbaserad AI-lösning utan att förlita sig på nyckelord eller manus. Kan du gå in på detaljer om hur detta uppnås? Vilka är några av de naturliga språkbehandlingsutmaningar som måste övervinnas?

Det som verkligen särskiljer Clinc från andra konversationsbaserade AI-plattformar på marknaden är dess underliggande AI-algoritmer som möjliggör dess “människa-i-rummet”-upplevelse, som förstår smutsigt och oskriptat språk. Detta möjliggör korrigeringar för att backa och “läka” misstag som görs i mänskliga samtal och möjliggör komplexa konversationsflöden – samtal som en verklig människa skulle kunna förstå. I kontrast till en tal-till-text-ordmatchningsalgoritm analyserar Clinc dussintals faktorer från användarens indata, inklusive ordval, känslor, avsikt, tonfall, tid på dygnet, plats och relationer, och använder dessa faktorer för att leverera ett svar som representerar en sammansättning av kunskap som extraheras från dess tränade hjärna. Till exempel, om jag frågar min virtuella assistent: “Hur mycket pengar har jag spenderat på en hamburgare?” måste den förstå att jag frågar om pengar och utgifter, att jag specifikt frågar om en hamburgare och att en hamburgare är en typ av mat som ska matchas till mina nyliga utgifter på en restaurang.

Att uppnå den här nivån av förståelse är inte lätt. Generellt kan vi dela in konversationsbaserad AI i två komponenter: Naturlig språkförståelse (NLU) och dialoghantering. Så, utmaningen vi hade att övervinna var att ta reda på hur vi kunde bygga ett system som kan extrahera nyckelinformation på ett korrekt sätt och förutse vad användaren frågar.

Vi kan göra detta genom sofistikerad, kontextuell, topp-ned NLU som tränats för att vara intuitiv till sin natur för att hålla jämna steg med den naturliga konversationsflödet, förstå slang och kontext. Detta i jämförelse med konkurrerande lösningar som har en topp-ned, regelbaserad approach till naturlig språkbehandling (NLP) som inte tillåter konversationsläkning, vilket innebär att om kunden gör ett fel, tvingar konkurrerande lösningar dem att gå tillbaka till början, slösar bort tid och frustrerar bara användaren. Vi använder också crowdsourcing för att extrahera vår språkdata för att skapa en rikare, mer diversifierad datamängd som kan användas direkt för att träna AI-modeller.

Kan du diskutera hur djupinlärning används med Clincs AI-system?

Clinc använder en hybridansats till djupinlärning där vi använder den traditionella gamla modellen till viss del och utnyttjar djupinlärning där det behövs. Specifikt använder vi djupinlärning för att förstå ord och språk för att bestämma dialogflödet. Generellt är vår hela dialog en kombination av djupinlärning och symbolisk AI. Vi använder inte djupinlärning för språkgenerering ännu, eftersom det, när det gäller våra kunder som främst är inom banksektorn, finns många regleringar som den virtuella assistenten måste följa som dikterar vad de kan och inte kan säga till sina kunder. Så, det finns fortfarande mycket osäkerhet kring om djupinlärning kommer att kunna följa dessa språkrestriktioner.

För närvarande tror jag inte att den konversationsbaserade AI-gemenskapen är helt redo att fullt ut anta djupinlärning, medan den akademiska gemenskapen är 100% med. Men jag ser fram emot att se vad de nya modellerna kan göra.

Vad är processen för ett företag som vill anpassa AI:s svar för att nå en specifik målgrupp? Kan du ge några exempel på hur Clinc för närvarande används av kunder?

Vi tillåter kunder att antingen licensiera en plattform som de kan bygga på som de vill, eller ta vår fullt byggda och tränade chatbot, Finie, och anpassa den och integrera den i sina appar eller meddelandetjänster. Finie kan hantera ärenden relaterade till saldon, transaktioner, utgiftshistorik, lokalisering av en bankomat, överföring och mer.

Mitt favoritexempel på hur en kund har anpassat Clincs AI för att nå en specifik målgrupp är İşbank. Som Turkiets största privata bank vände de sig till oss för att utveckla sin digitala bankassistent, Maxi, år 2018. För att ge Maxi en unik personlighet höll İşbank 14 fokusgrupper för att mäta vilka egenskaper och färdigheter bankkunder ville ha i en virtuell assistent. De anställde också en röstskådespelerska för att recitera meningar på turkiska relaterade till bankuppgifter. İşbanks konversationsbaserade bankteam kom med dessa meningar genom att överväga hur riktiga människor skulle uttrycka sina behov. Enligt vår rekommendation betalade teamet deltagare på crowdsourcing-marknader som Amazon Mechanical Turk för att tillhandahålla olika sätt de kanske kunde uttrycka samma frågor, som en begäran om att visa sina saldon (“vad är mitt saldo”, “hur mycket pengar har jag på mitt konto”, “visa mig kontanter på mitt konto”) eller betala en räkning (“betala min räkning”, “räkningbetalningar”).

Detta exempel visar verkligen hur mycket İşbank är investerat i att erbjuda en digital bankassistent för att hjälpa sina kunder att bättre navigera i sina konton. Med Clinc lanserade İşbank Maxi till över 7,5 miljoner människor, på turkiska. Sedan lanseringen har İşbank sett en omfattande antagande av över 5,5 miljoner användare, med i genomsnitt 9,8 interaktioner per användare. Under de senaste månaderna, allteftersom COVID-19-fallen ökade i Turkiet, tränade İşbank snabbt Maxi för att svara på COVID-19-relaterade frågor. Sedan mars 2020 har Maxi besvarat över 1,2 miljoner kundförfrågningar relaterade till COVID-19, en ökning med över 62% i användning.

Vad skulle du säga till kvinnor som är intresserade av att lära sig mer om AI men är ovilliga att engagera sig på grund av att det är ett mansdominerat område?

Från början tror jag inte att det finns någon anledning till varför AI anses vara ett mansdominerat område. Jag tror att det finns många kvinnliga pionjärer inom AI som gör riktigt bra ifrån sig och har en inverkan. Jag tror att AI i kombination med socialpolitik är ett unikt område som har potentialen att ha en stor inverkan på människors vardagsliv. Detta är där jag tror att mer diversifierad insikt över hela linjen verkligen skulle gynna oss, särskilt eftersom det finns många samtal om AI-bias som involverar ras och kön. Jag tror att att ha en sammanhållen gemenskap av AI-utvecklare kommer att fortsätta ha en oproportionerlig inverkan på samhället och politiken.

För alla kvinnor där ute som är intresserade av att gå med i AI-fältet rekommenderar jag det starkt, särskilt om du är intresserad av att göra en inverkan. AI har haft så mycket tillväxt och innovation under åren och det är verkligen en spännande tid att vara en del av.

Finns det något annat du vill dela om Clinc?

Clinc gör stora framsteg just nu. Personligen har jag precis gått in i en ny roll som CTO på Clinc och jag är verkligen spänd på att fokusera på hur vi kan arbeta med utvecklare och dataforskare för att utöka räckvidden av vår teknik. När jag ser mot framtiden ser jag att efterfrågan på AI-drivna applikationer förändras för att möjliggöra för människor som inte har år av datavetenskaplig erfarenhet och maskinlärningsbakgrund att kunna använda dem också. Till exempel, du behöver inte ha en grafisk designexamen för att kunna använda Photoshop. Jag tror att AI är på väg mot att bli sådant att utvecklare utan AI- eller maskinlärningsbakgrund kommer att kunna uppnå resultat och producera högkvalitativa applikationer. Sammantaget vill vi upprepa att vi inte bara är dedikerade till slutanvändaren utan också till utvecklarna, oavsett nivå, som visar intresse för vår lösning.

Tack för den underbara intervjun, jag ser fram emot att följa er framsteg. Alla som vill lära sig mer kan besöka Clinc.