Dr. Sam Zheng, VD och medgrundare av DeepHow – Intervjuserie

Sam Zheng, VD och medgrundare av DeepHow, leder en snabbt utvecklande startup, backad av ansedda investerare. DeepHow revolutionerar utbildning av kvalificerad arbetskraft med en innovativ, AI-driven, video-centrerad plattform för kunskapsinsamling och -överföring.

Före DeepHow ägnade Sam över ett decennium åt Siemens, där han drev digital innovation över olika branscher. Hans framstående projekt, som Cloud Digital Inspection Jacket, har förbättrat teknisk kunskapsdelning, effektivitet och användarupplevelse avsevärt, och hans team tilldelades det prestigefyllda Siemens Innovation Award.

Samtidigt fungerar Sam som adjungerad professor i psykologi vid Tsinghua University och har en doktorsexamen i ingenjörspsykologi och en masterexamen i statistik från University of Illinois at Urbana-Champaign.

Du har en utbildningsbakgrund inom psykologi och statistik, hur gick du från det till att fokusera på videor och maskinlärning?

Min bakgrund inom psykologi och statistik fungerade faktiskt som en naturlig övergång till området maskinlärning och video-centrerade plattformar. Psykologin väckte min fascination för den mänskliga hjärnan och intelligensen, särskilt processen för inlärning av färdigheter och utveckling av expertis. Samtidigt gav statistiken den matematiska grunden för att utforska artificiella neurala nätverk, inspirerade av vår biologiska hjärna.

I dagens digitala era har videor blivit ett mer engagerande, interaktivt och effektivt läromedel. Denna förändring är tydlig med plattformar som YouTube och TikTok, där användare, särskilt yngre generationen, tillbringar timmar med att konsumera och lära sig från videoinnehåll.

Men den traditionella processen för att skapa instruktions- eller hur-man-gör-videor, särskilt redigeringsdelen, är tidskrävande och arbetsintensiv. En kort video som varar några minuter kan kräva timmar av noggrannt arbete. Genom att känna till denna ineffektivitet och potentialen att förbättra inlärningsupplevelsen, beslutade mina medgrundare och jag att utnyttja kraften i artificiell intelligens (AI) och maskinlärning för att påskynda processen för att skapa hur-man-gör-videor.

Vår AI-drivna video-plattform kan omvandla timmar av arbetskrävande arbete till bara några minuter, vilket avsevärt förbättrar effektiviteten utan att kompromissa med effektiviteten. I själva verket hjälpte min akademiska bakgrund i att förstå mänsklig kognition och de statistiska modellerna som imiterar den att bana väg för detta innovativa företag.

Har du flera patent i ditt namn, vilket är det viktigaste du har arbetat med?

Alla mina patent fokuserar på att utnyttja teknologi för att förbättra mänsklig prestation. Under min tid på Siemens arbetade jag med en lösning för professor Stephen Hawking. Vi utvecklade en intuitiv ögon-styrningsinmatningsmetod för att hjälpa personer med ALS, liknande professor Hawking’s tillstånd. Detta innovativa arbete är nu en del av ett väntande patent.

Men det viktigaste patentet jag har bidragit till är ett nyligt: det Generativa AI-drivna Know-How Management-plattformen för industriella och tillverkningsorganisationer.

Här är en kort översikt:

Vår uppfinning presenterar en banbrytande generativ AI-lösning specifikt utformad för industriella och tillverkningsorganisationer. Den fångar effektivt upp, organiserar och sprider både institutionell och stamkunskap, som skär över områden som artificiell intelligens, maskinlärning, utbildning och utveckling samt kunskapsledningssystem.

Industriella och tillverkningssektorerna möter ofta stora utmaningar när det gäller att fånga, organisera och dela kritisk kunskap. Hög personalomsättning, komplexa processer och det ständiga behovet av vidareutbildning förstärker dessa svårigheter. Traditionella metoder för kunskapsledning är ofta tungrodda, tidskrävande och saknar flexibilitet, vilket kräver en mer avancerad lösning.

Vår generativa AI-lösning använder proprietära algoritmer och maskinlärningstekniker för att förenkla skapandet av video-baserade standardoperativa förfaranden (SOP), optimera arbetsflöden och möjliggöra snabb och effektiv tillgång till information via AI-drivna chattfunktioner. På grund av dess anpassningsförmåga och skalbarhet är vår lösning lämplig för en mängd olika tillverkningskontexter.

Kan du dela med dig av berättelsen om DeepHows tillblivelse?

Innan vi lanserade DeepHow arbetade jag tillsammans med våra andra grundare, Patrik Matos da Silva och Wei-Liang Kao, på Siemens, där vi drev olika digitala innovationsprojekt inom industriella och tillverkningssektorer. Vår resa tog ett stort steg när vi gick med i Techstars Mobility Accelerator i Detroit 2018. Upplevelsen var i princip ett boot camp, som hjälpte oss att validera vår idé, identifiera luckor och koppla oss till potentiella investerare, partners och mentorer.

Vi såg värdet i de färdigheter och erfarenheter som människor hade utvecklat under åren, men det fanns ett problem – det fanns ingen riktigt effektiv metod för att fånga och dela denna expertis. Vi observerade hur snabbt tekniken utvecklades och det slog oss att de metoder vi använde för anställdas utbildning inte hade hållit jämna steg. Vi förlitade oss fortfarande på föråldrade, tidskrävande metoder som inte var effektiva och, ärligt talat, inte tillräckligt engagerande.

Jag insåg att det fanns en unik möjlighet att kombinera framsteg inom AI och video-teknologi för att helt förändra hur vi fångar, strukturerar och delar information. Så vi satte oss för att bygga DeepHow, en plattform där företag kan skapa fantastiska utbildningsvideor internt och behålla kontrollen. För att förverkliga denna idé skapade vi ett AI-system som kallas “Stephanie”. Stephanie är ryggraden i vår lösning, som fångar experternas kunskap och skapar en kunskapsdatabas. Den genererar steg-för-steg, interaktiva hur-man-gör-videor för att påskynda inlärningsprocessen för nya och mindre erfarna anställda.

Genom att använda AI-arbetsflödesindexering och segmentering har vi lyckats skapa videoinnehåll tio gånger snabbare och förbättrat arbetsstyrkans prestation med 25%.

Vi har kommit långt sedan de tidiga dagarna, men vår mission är fortfarande densamma. Vi är engagerade i att hjälpa företag att utnyttja sin rikedom av institutionell kunskap och expertis och möjliggöra för sina anställda att kontinuerligt lära sig och växa. Det är en spännande resa.

Vilka är några av de utmaningar på arbetsplatsen som DeepHow löser?

Kunskapsöverföring: På vilken arbetsplats som helst kan överföring av färdigheter och kunskap, särskilt från erfarna anställda till nya eller mindre erfarna personal, vara ganska utmanande. Vi har gjort det möjligt att fånga och strukturera den kunskapen på ett sätt som är enkelt att dela, brutet ned i segment och lättare att förstå.

Traditionell utbildning kan vara tråkig, eller hur? Långa timmar, svårt att behålla information – det är inte alltid den mest effektiva processen. Med DeepHow kan anställda lära sig i sin egen takt och på ett sätt som är bättre anpassat till deras unika inlärningsstil. Vårt mål är att göra utbildning smärtfri och njutbar.

Hur möjliggör DeepHow för företag att skapa ett anpassningsbart utbildningsprogram?

Låt oss överväga den traditionella utbildningsmiljön. Du har statiskt material, rigida scheman och en “en-storlek-passar-alla”-approach. Dessa metoder tar inte hänsyn till att alla lär sig olika och i olika takt. De är inte skalbara eller flexibla för att anpassa sig till den snabbt föränderliga landskappen eller den enskilda anställdas framsteg. Detta är betydande smärt-punkter för vilket företag som helst, eller hur?

Det är exakt där DeepHow kommer in. Vi hjälper er att vända på dessa problem. Vi möjliggör för företag att utveckla agila utbildningsprogram som är dynamiska, personliga och högt responsiva till företagets behov och anställdas inlärningsmönster.

Vår plattform fångar expertkunskap i lättföljda, video-baserade inlärningsmoduler. Men vi slutar inte där. Vi utnyttjar kraften i AI för att analysera anställdas interaktioner med dessa modeller, vilket möjliggör en djupare insikt i var era färdighetsluckor kvarstår. Det handlar om att omvandla svagheter till styrkor och kapitalisera på individuella områden av expertis för att främja en kontinuerlig inlärningskultur.

Vilken roll spelar DeepHow i att öka arbetsplatsens säkerhet?

Säkerhet är en sådan kritisk aspekt av vilken arbetsplats som helst, men det är ofta svårt att få det rätt, vilket leder till olyckliga olyckor och regelbrott. Detta är tyvärr sant inom branscher som tillverkning, byggnation eller hälsovård, där även en liten försummelse kan ha betydande konsekvenser.

Så var passar DeepHow in i bilden? Vi är passionerade för att säkerställa att säkerhetspraxis är tydligt förstådda och konsekvent implementerade över hela linjen.

Vi gör detta genom att tillhandahålla en plattform där företag kan enkelt fånga och dela expertkunskap om säkerhetsprotokoll. Istället för de gamla, svårföljda manualerna erbjuder vi interaktiva, steg-för-steg-videoguider. De är raka, lätta att förstå och viktigast av allt, tillgängliga när som helst, var som helst. Detta innebär att anställda aldrig har en ursäkt för att inte hålla sig uppdaterade med de senaste säkerhetsprotokollen. Säkerhet bör alltid vara en topprioritet och alla förtjänar att känna sig säkra på jobbet.

Hur används Generativ AI för att möjliggöra detta?

I hjärtat av vår Generativa AI-drivna Know-How Management-plattform, “Maven”, ligger en uppsättning innovativa funktioner som syftar till att revolutionera sättet industriella och tillverkningsorganisationer fångar, hanterar och delar sin institutionella och stamkunskap. Maven använder proprietära algoritmer och avancerade maskinlärningstekniker för att förenkla och förbättra en mängd olika processer:

1. Strömlinjeformat Video SOP-skapande: Med hjälp av våra unika Generativa AI-algoritmer hjälper Maven till att automatiskt generera videoinspelningguider och manus. Detta underlättar skapandet av högkvalitativa video-SOP med konsekvens, vilket sätter en ny branschstandard.
2. Effektiv arbetsflödesoptimering: Genom att utnyttja avancerade maskinlärningstekniker möjliggör Mavens arbetsflödesvisualiseringsverktyg användare att förenkla komplexa uppgifter, vilket främjar produktivitet genom användarvänliga gränssnitt och smarta tillämpningar av AI.
3. Strategisk Know-How-kartläggning: Mavens AI-algoritmer hjälper organisationer att kartlägga sin kritiska know-how, identifiera kunskapsluckor och upptäcka viktiga innehållsmöjligheter. Detta resulterar i utvecklingen av riktade utbildningsmaterial som är unikt anpassade till behoven hos en kvalificerad arbetskraft.
4. AI-förbättrad chattfunktion: Driven av ledande naturlig språkbehandlingsalgoritmer möjliggör Mavens AI-chatt att användare kan komma åt nödvändig information snabbt och effektivt med hjälp av naturliga språkfrågor.
5. Multimodal innehållsgenerering: I situationer där en skriven SOP inte är tillgänglig kan Maven analysera videoinnehåll och generera multimodalt innehåll som steg-för-steg-video-SOP, text-SOP och arbetsflödesdiagram, vilket förenklar innehållsskapandeprocessen.

Genom att kombinera avancerad Generativ AI med de senaste kunskapsledningsstrategierna erbjuder Maven organisationer ett unikt verktyg för att utnyttja potentialen hos sin kvalificerade arbetskraft, vilket driver kontinuerlig förbättring och innovation.

Finns det andra typer av maskinlärningsalgoritmer som används?

Ja, DeepHow använder en mängd olika avancerade maskinlärningsalgoritmer och AI-tekniker inom områdena Naturlig Språkbehandling (NLP) och Datorseende. Dessa tekniker, både övervakade och oövervakade, utgör grunden för vår proprietära, domänspecifika AI-teknologi, som har tränats och optimerats för industriella och tillverkningssektorn. Nyckelområden för tillämpning inkluderar:

1) Arbetsflödessegmentering: Vi använder maskinlärningsalgoritmer för att extrahera kritisk information och steg från komplexa, ostrukturerade uppgiftsdemonstrationer som fångats i videor. Detta möjliggör att vi kan bryta ned komplexa procedurer i hanterbara, lärbara steg.

2) Multimodal steginbäddning: Genom att modellera en “aktivitetsgenom”, kan vi omkonfigurera instruktion och arbetsflödesvägledning för att bättre passa specifika operativa sammanhang.

3) Cross-Modality Retrieval: Vi använder avancerade in-video-söktekniker för att underlätta multi-språkig, färdighetsbaserad innehållsåtervinning. Detta möjliggör för användare att komma åt relevant information med större effektivitet och precision.

4) Know-How-kartläggning: Vi konstruerar en kunskapsgraf som visuellt representerar en organisations kärnkompetenser. Detta kartläggning möjliggör för företag att tydligt identifiera sina kunskaps­tillgångar, vilket möjliggör mer effektiva utbildningsstrategier.

Dessa avancerade maskinlärningstekniker, i kombination med vår fokus på industriella och tillverknings­tjänster, möjliggör för oss att erbjuda en omfattande lösning för de unika utmaningar som organisationer inom dessa sektorer möter.

För företag som vill komma igång, vad är processen?

Vi har utformat vår plattform med enkelhet i åtanke, så att påbörja din resa med oss inte behöver vara komplext. Faktum är att över 80+ företag och SMB-kunder har framgångsrikt distribuerat våra lösningar till över 400 platser i 24 länder på 6 kontinenter.

Först kommer våra team att mötas och ha ett samtal om ditt företags specifika behov och utmaningar. Vi vill förstå era mål, de utbildningsutmaningar ni möter, den typ av färdigheter er arbetskraft behöver – hela bilden.

Sedan vägleder vi er genom processen att fånga era experter kunskap. Det kan handla om vilken process eller färdighet som helst som är viktig för ert företag. Vårt team kommer att hjälpa er att skapa dessa steg-för-steg-videoguider med hjälp av DeepHows intuitiva verktyg.

Vårt team är där för att stödja er varje steg på vägen, från den initiala inställningen till den kontinuerliga optimeringen av ert utbildningsprogram. Vi är här för att bilda ett partnerskap med er och förbättra er arbetskrafts färdigheter och effektivitet. Besök bara DeepHow.com för att komma igång.

Finns det något annat du vill dela om DeepHow?

I hjärtat av DeepHow ligger en tydlig och övertygande mission: vi syftar till att göra varje kvalificerad arbetare till en expert. Vi strävar efter att göra kunskapsöverföring och utbildning smidig, engagerande och kostnadseffektiv, genom att utnyttja den transformerande kraften i AI. Vi tror fast på att teknologi bör förstärka mänskliga förmågor, inte ersätta dem. Denna princip vägleder allt vi gör.

I vår snabbt föränderliga tekniska landskap är denna mission mer relevant än någonsin. Skiftet mot digital transformation och Industri 4.0 har moderniserat tillverkningen, vilket introducerat en mängd avancerad teknik. Dessa innovationer har avsevärt förändrat jobbkraven, vilket kräver att arbetare förvärvar nya tekniska färdigheter för att operera, underhålla och optimera dessa sofistikerade maskiner. Förändringstakten är så snabb att traditionella utbildningsmetoder kämpar för att hålla jämna steg, vilket leder till en alltmer växande färdighetslucka.

Vårt mål är att ta itu med denna utmaning direkt, genom att göra det möjligt för arbetare att “bygga tillbaka bättre” genom att omutbilda sig för fabrikerna i morgon. Hög nivå av automation innebär att det finns mindre behov av manuellt arbete; istället ligger fokus på att utnyttja arbetarnas expertis och intuition i att driva avancerad teknisk utrustning.

Fabrikerna har utvecklats avsevärt under det senaste decenniet, med integrationen av robotik, cobotics och analytiska tekniker som kontinuerligt optimerar utmatning och minskar avfall. För att hantera dessa tekniker krävs en uppskattad arbetskraft.

DeepHow tillhandahåller en modern utbildningsmetod, som möjliggör för tillverkare att attrahera talang, fylla inträdesnivåpositioner och successivt utbilda arbetare för avancerade roller inom tillverkning, logistik och planering. Med fokus på samtida, engagerande utbildning, hjälper vi till att förändra uppfattningen om tillverkning från en död ände-karriär till ett dynamiskt, teknikdrivet område med obegränsade möjligheter. Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka DeepHow.