Humayun Sheikh, VD för Fetch.ai – Intervjuserie

Humayun Sheikh är en innovationsentreprenör, en av grundarna till DeepMind och är VD för Fetch.ai, en innovativ plattform för att ansluta IoT-enheter och algoritmer för att möjliggöra kollektivt lärande. Byggd på en högpresterande shatterad dagbok, erbjuder Fetch.ai-arkitekturen en unik smart kontraktfunktion för att distribuera ML/AI-lösningar för decentraliserat problemlösning.

Hur blev du initialt intresserad av artificiell intelligens?

Min bakgrund är datorteknik, men jag har tillbringat de senaste 20 åren med att handla med råvaror, utveckla ML/AI-algoritmer för marknadsanalys, prisprognoser och arbetat med olika AI-projekt för att implementera kommersiellt värdefulla tillämpningar av AI. Jag introducerades till Demis Hasabis på DeepMind för 15 år sedan och blev mer involverad i artificiell intelligens inom spel. Efter DeepMind grundade jag, tillsammans med mina medgrundare Toby Simpson och Thomas Hain, Fetch.ai och vår strategi sedan dess har varit att bygga något som vi kunde börja kommersialisera.

Kunde du berätta mer om din investering i DeepMind innan det senare förvärvades av Google (GOOGL )?

Jag introducerades till Demis Hasabis på DeepMind och vi arbetade tillsammans i 3 till 4 år. Under min tid på DeepMind utforskade vi idéer och sätt att göra maskiner bete sig och interagera mer som människor. Till slut såldes DeepMind till Google och är nu en av världens ledande organisationer inom artificiell allmän intelligens.

Tror du att det fortfarande är möjligt att bygga en artificiell allmän intelligens (AGI)?

Det kan verka som en avlägsen möjlighet, men vi kunde inte heller föreställa oss för 20 till 30 år sedan att AI-laboratorier som DeepMind skulle dyka upp eller att företag som Google, Apple (AAPL ), Microsoft (MSFT ), Amazon (AMZN ) och Facebook (META ) skulle investera så mycket i AI-forskning, inklusive neurovetenskaplig forskning. Kapacitetsmässigt är vi fortfarande ganska långt ifrån att uppnå artificiell allmän intelligens, och sedan finns det frågan om kommersialisering. Om Google inte hade ingripit, skulle företag som DeepMind förmodligen ha misslyckats. Med den snabba takten som AI utvecklas, kan vi förvänta oss att nå en vändpunkt när AI-forskningsgemenskapen överraskar oss med utvecklingen av artificiell allmän intelligens.

Din senaste satsning är Fetch.ai, kan du dela berättelsen bakom denna startup?

Jag, tillsammans med mina medgrundare, har diskuterat idéerna bakom Fetch.ai under många år innan vi hittade den tekniska kombinationen som skulle leverera det. Vi tror på en mer effektiv, optimerad och decentraliserad värld där identitet, värde och nytta återförs till individen och där kollektiv kunskap är tillgänglig för alla användare av nätverket. Det förvandlar världen till byggblock för spännande nya företag. Världen är komplex och outnyttjad: vi förenklar den och gör bättre användning av det vi har.

En av de första Fetch.ai-projekten är ett blockchain-baserat AI-smart city-infrastrukturprojekt i München. Kan du förklara vad detta är och hur blockchain och AI kan hjälpa en förare att hitta en parkeringsplats?

Datarella-Fetch.ai Smart City-fältförsök använder Fetch.ai:s AEAs (Autonoma ekonomiska agenter) för att låsa upp data och tillhandahålla smarta mobilitetslösningar i Münchens kommersiella fastigheter, för detta fältförsök har vi valt Connex-byggnadskomplexet i München.

<p.Varje registrerad användare som är en regelbunden parkeringsanvändare uppmuntras att minska sin individuella trafik till Connex-kontoren och kommer att belönas med en viss mängd tokens per minut för att inte parkera på parkeringsplatsen. Autonoma agenter kommer att förhandla om "priset" på parkeringsplatser mellan innehavarna av dem och de som söker en plats. Så snart en bil eller dess relaterade plånboksadress registreras som parkerad av Carpark AEA, upphör token-utdelningen till den plånboken. Antalet tokens som belönas per plånbok och minut beror på den aktuella användningen av parkeringsplatsen.

Målet är att stödja en hållbar och effektiv användning av stadens infrastruktur i München.

Ytterligare ett projekt i pipeline är AI Autonoma Reseagenter-programmet. Kan du förklara vad detta är?

Fetch.ai:s Autonoma AI-reseagenter erbjuder ett decentraliserat, multi-agentbaserat system som tillhandahåller personliga, sekretessfokuserade rese Lösningar. Med hjälp av smarta kontrakt och AEA (Autonom ekonomisk agent) som utför bokningen av hotellrum genom en direkt leverantör-till-konsument-modell, vill vi säkerställa kostnadsbesparingar för både hotell och konsumenter på upp till 10%. Dessutom är vår applikation integrerad med Amadeus, som erbjuder omedelbar tillgång till över 770 000 hotell.

Genom att starta Amadeus-servrar kan vi hämta ett hotells namn och plats och annan information som behövs för att slutföra en resenärs bokning utan att använda en online-resebyrå eller metasöksida.

En hotellägare kan lansera vår applikation utan några installationskostnader och tillvägagångssättet baseras mer på betala-per-användning. Hotellets programvara kommer att interagera med den programvara som konsumenter kommer att använda för att handla. Viktigare är att hotellägare inte kommer att försöka sälja all sin lager på denna nya kanal som drivs av artificiell intelligens. Det kommer att vara en extra kanal utöver den nuvarande mixen vi ser i hotellbranschen.

Den Autonoma AI-reseagent-applikation som utformats av Fetch.ai är inte avsedd att ersätta befintliga system i sin helhet, utan snarare komplettera dem. Den fungerar säkert, icke-destruktivt och parallellt med befintliga relationer som hotell kan ha. Den erbjuder ett alternativt sätt att ta emot bokningar: ett där kunden och hotellet hanterar varandra direkt, och ett där en mer personlig, bättre värdeupplevelse kan tillhandahållas.

Kommer du att arbeta med online-resebyråer (OTAs), om inte, hur kommer du att ansluta olika hotell?

Nej, vi kommer inte att arbeta med online-resebyråer. Vi kommer att möjliggöra för hotellägare att registrera sig på en programvara avsedd för hotellägare och komma åt Fetch.ai-nätverket från och med andra kvartalet 2021 när vi lanserar applikationssviten.

Vilka typer av maskinlärningsalgoritmer används i dessa applikationer?

Vi kan inte gå in på detaljer här, annat än den ML som indirekt används med andra Fetch-tekniker relaterade till sökning och upptäckt. Men naturliga språkgränssnitt och kontinuerligt lärande av vad som är lämpligt för en given agentkollektion (vilket inkluderar, bland annat, förstärkt lärande och RNNs) är en stor del av det. Men det kommer att finnas mer!

Finns det något annat du vill dela om Fetch.ai?

Vi vill fortsätta fokusera på att bygga applikationer, produktsviter med värde för vår gemenskap, våra partners och vi fortsätter att fokusera på det på ett offentligt synligt sätt så att vår gemenskap kan dela våra framgångar. Det bygger värde, nytta och tillväxt av vår gemenskap. Plus, användare kan engagera sig genom att investera i FET-token, en ryggrad i Fetch-ekosystemet. Det krävs för att hitta, skapa, distribuera och utbilda autonoma ekonomiska agenter och är avgörande för smarta kontrakt, orakler och transaktioner som behövs för att leverera den nya digitala ekonomin.

Och de kan alltid interagera med oss genom våra sociala kanaler:

Telegram

Twitter

Medium

YouTube

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka ovanstående sociala medier eller Fetch.ai-webbplatsen.