James Kaplan, VD och medgrundare av MeetKai Metaverse – Intervjuerien

James Kaplan är VD och medgrundare av MeetKai, ett företag inom artificiell intelligens, VR och konversationsbaserad sökning med säte i Los Angeles, Kalifornien. MeetKai leder för närvarande utvecklingen av AI-baserad taligenkänning med funktioner som aldrig tidigare skådats. Företagets konversationsbaserade AI kan förstå mer komplexa uttryck och ge personanpassade resultat i en naturlig konversation om många ämnen i olika verkligheter. MeetKais teknologi distribueras globalt via iOS, Google Play och AppGallery.

Du hade ett intresse för AI redan vid sex års ålder, hur fick du första kontakten med denna teknik?

Mitt intresse för AI började med videospel. Först var det genom att försöka förstå hur AI fungerade i spelet Oregon Trail – inte särskilt avancerad, men ändå en form av AI. Därefter växte mitt intresse för AI när jag började spela MMORPG. Jag tyckte om att spela online, men jag hatade att “grinda” för att få tag på saker. Därför började jag skriva botar.

Vilka var några av de första AI-applikationerna som du skrev kod för?

Att skriva botar för MMORPG var min första erfarenhet av att utveckla en specifik form av AI. Till en början var mina botar ganska enkla och mer liknande makron än artificiell intelligens. Men när jag blev äldre och bot-detektering blev bättre i många spel, tvingades botarna att se mer och mer ut som en vanlig spelare. Jag har alltid tyckt om att skriva botar – jag skrev till och med en bot som vann en tävling med Taylor Swift medan jag fortfarande gick i skolan (och hon kom faktiskt och uppträdde!). Likaså skrev jag den första Pokémon Go-boten och fick tyvärr många människor bannade när jag tappade intresset för att undvika upptäckt.

Du lanserade MeetKai 2018 efter att ha blivit frustrerad över nuvarande AI-baserade röstassistenter. Varför erbjuder de flesta AI-assistenter en undermålig upplevelse?

Kärnproblemet är att de flesta AI-assistenter är alltför beroende av externa API:er för att kunna fungera. Även när de kontrollerar själva API:erna, som Alexa för e-handelssökning, lider de av samma problem. Enkelt uttryckt, hur kan man förvänta sig att en röstassistent ska vara intelligent när allt den gör är att omvandla tal till text och sedan lägga den texten i en textbaserad sökmotor? Vi startade MeetKai med idén att vi kunde skapa en “leapfrog”-AI-assistent genom att kontrollera hela bearbetningsprocessen för röstassistenter. Vi utvecklade en konversationsbaserad sökmotor istället för en nyckelordsbaserad för att stödja mer komplicerade frågor och samtal. Andra assistenter är fast i en undermålig upplevelse eftersom de inte kan bygga stöd för multi-turn-samtal ovanpå sådana begränsande faktorer. Vårt mål är att komma dit, men vi är fortfarande i ett mycket tidigt skede av att skala upp vår teknik för att kunna erbjuda samma antal domäner som befintliga aktörer.

Vilka är några av de största utmaningarna när det gäller naturlig språkförståelse och naturlig språkbehandling vid byggnation av en toppmodern röstassistent?

En av de primära utmaningarna med nästa generations NLU är att gå bortom avsikter och entiteter. De flesta NLU har en traditionell approach till språkförståelse. Varje indatauttalande klassificeras som en avsikt, och sedan märks token inom som entiteter med hjälp av en sekvensmässig modell. Jag kunde räkna upp dussintals problem med denna standardapproach. Men de viktigaste är:

1. En avsiktsklassificering som är kontextfri misslyckas med att hantera multi-turn-samtal. De flesta metoder bryr sig bara om den råa texten som transkriberades. De bryr sig inte om kontext – inte vem användaren är, inte vad användaren gillar, bara vad de just frågade om. Detta är särskilt viktigt när användaren säger något kort och koncist. Till exempel, om någon säger “cosmopolitan”, kan det betyda antingen drycken eller tidskriften och är starkt beroende av personen.
2. Entitetsigenkänningsmodeller gör en dålig jobb med allt som inte är en kategorivärde. Stora språkmodeller kan inte anpassa sig tillräckligt snabbt till nya entiteter som finns i vildmarken eftersom de inte finns i datamängden. AI måste ha ett mycket mer sofistikerat sätt att känna igen entiteter genom att överväga en mycket djupare kontext. Till exempel bör en användares plats starkt påverka om något är ett restaurangnamn eller något annat.
3. Entitetsrelationer beaktas inte tillräckligt. Mitt favoritexempel är hur ofta de flesta sökmotorer misslyckas när det gäller negation. Försök att söka efter en film utan romantik på andra röstassistenter, och du kommer att se vad jag menar.

För närvarande översätter de flesta röstassistenter enbart röst till text och genomför en Google-sökning. Hur fungerar MeetKai AI annorlunda än detta?

Den primära skillnaden mellan MeetKai och Google när det gäller sökning är att vi använder en mycket rikare språkförståelsemodell för att söka efter artiklar i sig själva, snarare än bara webbsidor. När du söker efter “Tom Cruise-filmer utan action” letar Google efter sidor som har den uppsättningen token som visas på sidan (Tom Cruise, filmer, action). Hos MeetKai förstår vi korrekt att Tom Cruise är en skådespelare, filmer är den typ av media de letar efter, och att action är den oönskade genren. Med detta kan vi genomföra mycket mer intelligenta sökningar.

MeetKai lanserade nyligen sin första livsstils-VR-värld: MeetKai Metaverse. Kan du diskutera vad denna applikation är specifikt?

De flesta företag inom metaverse-området fokuserar på person-till-person-interaktion. Utöver detta är innehållet också till stor del antingen tecknat eller bara en 360°-video. Vårt mål med MeetKai Metaverse är att fokusera på en helt annan vinkel – person-till-AI. Vi utvecklar en metaverse där karaktärerna du interagerar med är alla drivna av vår banbrytande konversationsbaserade AI. Dessutom arbetar vi med att generera miljön procedurellt för att göra den mer realistisk och immersiv jämfört med andra företag inom området. De två första världarna som är tillgängliga att utforska i vår metaverse är för två initiala användningsfall: meditation och museer. I det första fallet har vi digitaliserat en Wing Chun-expert, och för första gången skapade vi en AI-karaktär som kan instruera användare om hur de kan använda revolutionerande meditationsmetoder för att komma in i en tillstånd av avslappning. I det senare fallet har vi skapat ett allt mer växande konstmuseum och tillhandahållit en AI-driven kurator som kan svara på frågor om konsten i utrymmet och erbjuda guidade turer.

Vilka är några exempel på hur AI används i denna Metaverse?

Vi använder AI på tre ställen:

1. För att driva de konversationsbaserade förmågor som varje karaktär i vår metaverse har.
2. För att dynamiskt skapa innehållet som görs tillgängligt för användaren via röststyrning. Exempel på detta inkluderar meditationsessioner och konstgalleriturer i våra två första upplevelser.
3. För att skapa den 3D-miljön procedurellt snarare än att kräva en manuell layout.

Vad är din vision för framtiden för röstassistenter?

För att röstassistenter ska ha en framtid måste de utvecklas till något mycket mer än ett kommandobaserat system. Detta innebär att skaffa sig djup expertis och förmågor inom många specifika domäner. Jag tror att att samla olika domänspecifika röstassistenter kommer att vara nyckeln till att bygga en all-intelligent meta-assistent. Detta är i skarp kontrast till de försök att “göra allt på en gång” som vi sett sedan röstassistenter först kom in på marknaden.

Finns det något annat du vill dela om MeetKai eller MeetKai Metaverse?

Vi är fortfarande i början av vår metaverse-vägkarta. Vårt slutgiltiga mål är att vi vill kunna replikera vilken upplevelse som helst du har i den verkliga världen med metaverse, och sedan gå utöver den. Detta innebär att vi vill eliminera de kostnads- och tidsbegränsande faktorerna som begränsar samma upplevelser i verkligheten. Metaverse kan låta oss leva mycket rikare liv, inte ersätta dem. Vi har flera tekniska utmaningar som fortfarande måste lösas, men vi har en tydlig uppsättning milstolpar som är uppnåeliga under förutsättning att hårdvaran fortsätter att förbättras. Vi arbetar nära med hårdvarupartners för att se till att VR-utrymmet utvecklas snabbt. Utöver bara VR vill vi göra vår metaverse-upplevelse möjlig utanför VR. Vi kommer att meddela mer information om detta under de kommande månaderna.

Tack för den underbara intervjun, jag ser fram emot att följa er progression på er version av metaverse. Läsare som vill lära sig mer kan besöka MeetKai.