Intervjuer
Humayun Sheikh, VD för Fetch.ai – Intervjuserie
Humayun Sheikh är en innovationsentreprenör, en grundande investerare i DeepMind och är VD för Fetch.ai, en innovativ plattform för att ansluta IoT-enheter och algoritmer för att möjliggöra kollektivt lärande. Fetch.ai-arkitekturen bygger på en sönderdelad reskontra med hög genomströmning och ger en unik smart kontraktskapacitet för att distribuera ML/AI-lösningar för decentraliserad problemlösning.
Hur började du intressera dig för artificiell intelligens från början?
Min bakgrund är datateknik men jag har tillbringat mina senaste 20 år med att handla råvaror, utveckla ML/AI-algoritmer för marknadshandel, förutsäga marknader, prisförutsägelse och arbeta med olika AI-projekt för att distribuera kommersiellt värdefull användning till AI. Jag introducerades för Demis Hasabis från DeepMind för 15 år sedan och jag blev mer involverad i artificiell intelligens i spel. Efter DeepMind, tillsammans med mina medgrundare Toby Simpson och Thomas Hain, grundade vi Fetch.ai och vårt tillvägagångssätt sedan dess har varit att bygga något som vi kunde börja kommersialisera.
Kan du berätta mer om din investering i DeepMind innan det senare förvärvades av Google?
Jag introducerades för Demis Hasabis från DeepMind och vi arbetade tillsammans i 3 till 4 år. Under mitt engagemang med DeepMind sökte vi idéer och sätt på hur vi kunde få maskiner att 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 bygga en Artificiell allmän intelligens (AGI) är fortfarande en möjlighet?
Det kan tyckas som en långsökt möjlighet, men vi trodde inte heller för 20 till 30 år sedan att AI-labb som DeepMind skulle komma upp eller att företag som Google, Apple, Microsoft, Amazon och Facebook skulle investera så mycket i AI-forskning, inklusive neurovetenskaplig forskning. Kapacitetsmässigt är vi fortfarande ganska långt ifrån att uppnå artificiell allmän intelligens och då är det frågan om kommersialisering. Om Google inte hade gått in hade företag som DeepMind förmodligen misslyckats. Med tanke på den snabba utvecklingen av AI kan vi förvänta oss att nå en brytpunkt när AI-forskarsamhället överraskar oss med utvecklingen av artificiell allmän intelligens.
Din senaste satsning är Fetch.ai, kan du dela med dig av skapelseberättelsen bakom denna start?
Jag, tillsammans med mina medgrundare, har diskuterat idéerna bakom Fetch.ai i många år innan vi hittade den teknologikombination som skulle leverera den. Vi tror på en mer effektiv, optimerad och decentraliserad värld där identitet, värde och nytta återförs till individen och där samlad kunskap är tillgänglig för alla användare av nätverket. Det förvandlar världen till byggstenar av spännande nya företag. Världen är komplex och underutnyttjad: vi förenklar den och utnyttjar det vi har bättre.
Ett 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?
Fältförsöken i Datarella-Fetch.ai Smart City använder Fetch.ais AEAs (Autonomous Economic Agents) för att låsa upp data och tillhandahålla smarta mobilitetslösningar i Münchens kommersiella fastigheter, för detta fältförsök har vi valt Connex-byggnadskomplexet i München.
Varje registrerad användare som är en vanlig parkeringsanvändare uppmuntras att minska sin individuella trafik till anslutningskontoren och för det kommer han/hon att belönas med ett visst antal polletter per minut för att inte parkera på parkeringsplatsen. Autonoma agenter kommer självständigt att förhandla om "priset" på parkeringsplatser mellan innehavarna av dem och de som letar efter en plats. Så snart en bil eller dess relaterade plånboksadress registreras som parkerad av Carpark AEA, flyger token till detta plånboksstopp. Antalet polletter som belönas per plånbok och minut beror på det aktuella utnyttjandet av parkeringsplatsen.
Syftet är att stödja en hållbar och effektiv användning av stadens infrastruktur i München.
Ett annat projekt i pipelinen är programmet AI Autonomous Travel Agents. Kan du förklara vad detta är?
Fetch.ai's Autonomous AI Travel Agents erbjuder ett decentraliserat, multiagentbaserat system som tillhandahåller personliga, integritetsfokuserade reselösningar. Genom att använda smarta kontrakt och AEA (Autonomous Economic Agent) som utför bokning av hotellrum genom en direkt leverantör till konsument-modell, vill vi säkerställa kostnadsbesparingar för både hotell och konsumenter med upp till 10 %. Dessutom är vår applikation integrerad med Amadeus som ger omedelbar tillgång till över 770 XNUMX hotell.
Genom att bootstrappa till 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 onlineresebyrå eller metasöksajt.
En hotellägare kan lansera vår applikation utan några installationskostnader och tillvägagångssättet är mer baserat på pay-as-you-go. Hotellägarens programvara kommer att interagera med programvaran som konsumenterna kommer att använda för att handla. Ännu viktigare är att hotellägare inte kommer att försöka sälja hela sitt lager på denna nya kanal som drivs av artificiell intelligens. Det blir en extra kanal utöver den nuvarande mix vi ser i hotellbranschen.
Applikationen Autonomous AI Travel Agents designad av Fetch.ai är inte avsedd att ersätta befintliga system i sin helhet, utan mer för att komplettera dem. Det fungerar säkert, oförstörande och parallellt med befintliga relationer som hotell kan ha. Det ger en alternativ metod för bokningar: en där kunden och hotellet hanterar varandra direkt, och en där en mer personlig, mer värdefull upplevelse kan levereras.
Kommer du att arbeta med OTAs (onlineresebyråer), om inte hur kommer du att ombord på olika hotell?
Nej, vi kommer inte att arbeta med OTA. Vi kommer att göra det möjligt för hotellägare att registrera sig på en programvara avsedd för hotellägare och få tillgång till Fetch.ai-nätverket från och med andra kvartalet 2021 när vi lanserar applikationssviten.
Vilka typer av maskininlärningsalgoritmer används i dessa applikationer?
Vi kan inte gå in på så mycket detaljer här, annat än ML som indirekt används med annan Fetch-teknik relaterad till sökning och upptäckt. Men naturliga språkgränssnitt och kontinuerlig inlärning av vad som är lämpligt för en given agentsamling (som bland annat involverar förstärkningsinlärning och RNN) är en stor del av det. Men det kommer mer!
Finns det något mer du skulle vilja dela med dig av om Fetch.ai?
Vi vill fortsätta vårt fokus på att bygga applikationer, produktsviter med värde för vår community, våra partners, och vi fortsätter att fokusera på det på ett offentligt synligt sätt så att vår community kan dela våra framgångar. Detta skapar värde, nytta och tillväxt i vårt samhälle. Dessutom kan användare engagera sig genom att investera i FET-token, en ryggrad i Fetch-ekosystemet. Det krävs för att hitta, skapa, distribuera och utbilda autonoma ekonomiska aktörer och är avgörande för smarta kontrakt, orakel och de transaktioner som behövs för att leverera den nya digitala ekonomin.
Och de kan alltid interagera med oss på våra sociala kanaler:
Tack för den fantastiska intervjun, läsare som vill veta mer kan besöka ovanstående sociala medier eller Fetch.ai webbsajt.
