James Kaplan, medgrundare och VD för MeetKai – Intervju-serien

James Kaplan är medgrundare och VD för MeetKai, en AI-assistent som gör livet enklare genom konversation, personanpassning och kurering.

Du började programmera när du var bara sex år gammal, vad var det som initialt fick dig att bli entusiastisk över kodning, och vilka språk lärde du dig?

Impulsen var Oregon Trail-spelet som byggdes för Windows 95. Jag var fast och skulle spela det varje dag efter skolan. Jag var i första klass, så det fanns inte mycket annat att göra! Jag började tänka på allt jag önskade att jag kunde ändra på spelet. När jag var yngre köpte jag en kopia av “Game Programming for Teens”, en grundläggande kodningsbok på en lokal bokhandel. Jag blev omedelbart dragen till den och glömde snabbt mina ursprungliga Oregon Trail-motivationer. Men jag älskade alltid spel, och de fungerade som min motivation för att lära mig nya programmeringsspråk. Under de följande åren lärde jag mig Visual Basic när jag försökte skriva en bot för NeoPets (det fungerade) och sedan PHP när jag var 12 för att skapa dynamiska webbplatser. Även då var min motivation för att lära mig PHP att tjäna pengar för att köpa videospel.

Din tidigare verksamhet var att driva en AI-baserad hedgefond, vad lärde du dig av den erfarenheten?

Min största insikt var att kasta bort föreställningen att man inte kan konkurrera med jättar i en trång marknad. Det kan vara mycket frestande att tro att, inom finans, allt som är lönsamt redan har utnyttjats av en stor spelare. Men jag insåg snabbt att man inte ska överskatta sina konkurrenter. Lathet och organisatorisk tröghet förhindrar nya idéer. Ibland kan en idé eller kampanj vara för nischad för ett större företag. Förvånansvärt nog kan de också tycka att något är för riskabelt att utveckla, så det är inte värt att gå utanför deras komfortzon.

Kan du dela med dig av ursprunget till lanseringen av MeetKai AI-assistenten?

Jag var trött på finans. Allt måste mätas i termer av Sharpe-ratio och PnL. Det tog bort mycket av den roliga tekniken, och var långt ifrån vad som ursprungligen fick mig att börja programmera. I slutet av 2018 talade jag med Weili Dai, MeetKais medgrundare, om vad jag såg i tekniklandskapet i allmänhet. En av mina viktigaste observationer var att röstassistent-utrymmet var stagnation. Alla nyckelspelare höll fast vid gamla tillvägagångssätt, och användarna drog inte nytta av tekniken. Ingen var villig att prova nya tillvägagångssätt, “eftersom det inte är så som X” gör det. Det fanns ingen differentiering. Om jag började från scratch och kastade bort alla (eller de flesta) av de förutfattade meningarna om “hur man bygger en röstassistent”, kunde jag fundamentalt ändra användarupplevelsen. Vi började bygga en riktig AI-assistent, snarare än en röststyrd chatbot. Lektionerna från min tidigare verksamhet, tillsammans med Weilis mentorering, ledde oss till att grunda MeetKai.

Vilka är några av utmaningarna bakom att bygga en AI-assistent?

Det finns två klasser av problem för att bygga en riktig AI-assistent – användarförväntningar och teknisk implementering. Det första problemet är förbisett, men tillämpligt på MeetKai. Användare är tränade i vad som är och inte är utanför gränserna för en röstassistent. Särskilt antar de att de måste söka på ett kommando-orienterat sätt. Vi arbetar för att träna användare att söka på ett naturligt språk. Det möjliggör mycket rikare typer av funktioner, som att använda negationer “Hitta en Dwayne ‘The Rock’ Johnson-film som inte är Moana”. Vi kan hantera det perfekt i vardagligt tal, men nuvarande röstassistenter misslyckas med att svara oss.

Det andra klassen av utmaningar är teknisk. Detta visas i två underkategorier – sökning och förståelse. För sökning skiljer vi oss från andra virtuella assistenter genom att vi underhåller vår egen index av innehållet. Medan detta möjliggör all magi som gör oss till nästa generations-assistent, medför det också utmaningar med att köra och underhålla en anpassad röst-först-sökning. Detta är ett område där vi kontinuerligt innovativa runt. Språkförståelse är det andra området där utmaningar möter när man bygger en AI-assistent. För de flesta röstassistenter skulle detta innebära att förstå engelsk text. MeetKai förstår och stöder 16 språk. Detta är inte 16 gånger mer arbete, eftersom vi använder multilingvala tillvägagångssätt, men det är fortfarande en betydande mängd mer än att vara “engelska först, engelska endast”. Det är värt tidsinvesteringen, eftersom det är otroligt viktigt för oss att MeetKai är globalt.

Hur använder MeetKai personanpassad AI för att differentiera sig?

Vi använder personanpassad AI i två olika områden – förståelse och sökning.

När en användare säger “Kan du hitta något kinesiskt ikväll?”, kan det betyda att de vill ha ett kinesiskt recept, ett kinesiskt restaurang eller en kinesisk show att titta på. Med vår personanpassade, djupa förståelse kan vi förtydliga och ge ett resultat för användaren som de förväntar sig. Allt detta görs utan att deras data någonsin behöver lämna vår plattform.

Vi gräddar personanpassning i själva sökningen. Ett av de största problemen som andra virtuella assistenter står inför är att många av sökningarna skickas till tredjepartsleverantörer. När du söker efter en restaurang med en konventionell assistent, skickar den sökningen till Yelp. Nackdelen med det är att Yelp inte känner användaren personligen, och om de gör det, så är det ett integritetsproblem. Eftersom MeetKai är en första-partsapp, hela vägen till resultatet, har vi sann personanpassning.

Vilka är några användningsfall för MeetKai?

MeetKais mål är att vara den första AI-konsulten. Vi vill hjälpa användare i deras vardagsliv. Vi vill inte vara en kommando-orienterad assistent. Vi stöder inte funktioner som “volym upp”, “volym ner”, “30-sekunders-timer”, … du förstår. Jag känner starkt att dessa funktioner inte är AI, de är bara röstbaserad inmatning. Om du tänker tillbaka på dagarna med AskJeeves, var hela idén att det var din butler, ingen skulle någonsin antropomorfisera Google Assistant. Så mycket som Apple Siri eller Amazon (AMZN ) Alexa vill vara, så är de inte något annat än en app. Vi är fortfarande i våra tidiga skeden, men vi byggde ut all nödvändig teknik för att genomföra vår tre till fem års vägkarta mot en sann AI-assistent.

Hur kan branschen förhindra att en AI-assistent introducerar bias eller förstärker befintlig bias hos en användare?

Det finns en ömtålig balans mellan att tillhandahålla personanpassade resultat och inte skapa bias. Vi har sett vad som händer när forskare optimerar för engagemangsmätningar på sociala medieplattformar – det skapar bubblor av bias. Det första steget mot detta som bransch är att tänka om våra mått och KPI:er. På MeetKai optimerar vi för en balans mellan klick-genomströmning och nyhet av klicken. AI ska belönas mycket mer för att hitta ett nytt resultat som klickas på i 30% av fallen, snarare än bara det “topp”-resultat som klickas på i 50% av fallen. Men denna tillvägagångssätt har en ganska uppenbar återstötande effekt vid djupare övervägande. Vad om resultaten som AI kommer med är bara bias-resultat för användarens lilla bubbla? Vi bygger vår AI för att trycka i båda riktningarna av en användares personliga zon. Om en användare ber om en lista med artiklar om nötkött, så presenterar vi dem inte bara med artiklar som matchar deras övertygelser, utan vi kan också strö ut artiklar som ligger på kanten eller strax utanför kanten av deras preferenser. Detta kan inkludera en artikel om djuretik och klimatförändringar, samt en artikel om de potentiella hälsofördelarna med animaliska fetter. Den tekniska intuitionen för tillvägagångssättet vi har tagit är rotad i acceptansen av att det är svårt att träna AI för att avgöra om Y är bias, men det är mycket enklare att träna den att veta att X och Z ligger på kanten av samma zon som Y.

Vart ser du framtiden för AI-assistenter på 5 eller 10 år?

AI-assistenter kommer att flytta mer och mer till en första-partsbaserad tillvägagångssätt som MeetKai har. Under hela sin livstid har Alexa och Google försökt att kultivera ett ekosystem av tredjeparts-tillägg och färdigheter. Detta springer in i vissa allvarliga problem med integritet. Dessutom säger det ingenting om de övre gränserna det lägger på funktioner. Jag förväntar mig att fler branschaktörer kommer att anta samma tillvägagångssätt som vi har tagit, och det finns tecken på detta över hela brädet.

Tack för den underbara intervjun, läsare som vill lära sig mer om den här personanpassade AI-assistenten bör besöka MeetKai.