Donny White ซีอีโอและผู้ร่วมก่อตั้ง Satisfi Labs – ซีรีส์สัมภาษณ์

Satisfi Labs ก่อตั้งขึ้นในปี 2016 โดยเป็นบริษัท AI การสนทนาชั้นนำ ความสำเร็จในช่วงแรกมาจากการทำงานร่วมกับทีม New York Mets, Macy's และ US Open ซึ่งช่วยให้เข้าถึงข้อมูลที่มักไม่มีบนเว็บไซต์ได้อย่างง่ายดาย

Donny ใช้เวลา 15 ปีที่ Bloomberg ก่อนที่จะเข้าสู่โลกแห่งสตาร์ทอัพและสำเร็จการศึกษาระดับปริญญาโทสาขาบริหารธุรกิจจากมหาวิทยาลัย Cornell และปริญญาตรีจากวิทยาลัย Baruch ภายใต้การนำของดอนนี่ Satisfi Labs มีการเติบโตอย่างมีนัยสำคัญในภาคกีฬา บันเทิง และการท่องเที่ยว โดยได้รับการลงทุนจาก Google, MLB และ Red Light Management

คุณอยู่ที่ Bloomberg เป็นเวลา 14 ปีเมื่อคุณรู้สึกอยากเป็นเจ้าของกิจการเป็นครั้งแรก เหตุใดการเป็นผู้ประกอบการจึงอยู่ในความสนใจของคุณ?

ในช่วงปีแรกๆ ของวิทยาลัย ฉันได้สมัครงานเป็นพนักงานต้อนรับที่ Bloomberg เมื่อฉันก้าวเข้ามาในบ้าน ฉันบอกเพื่อนร่วมงานว่าถ้าพวกเขาเต็มใจสอนฉัน ฉันจะเรียนรู้ได้เร็ว เมื่อถึงชั้นปีสุดท้าย ฉันเป็นพนักงานเต็มเวลาและได้ย้ายชั้นเรียนทั้งหมดไปเรียนภาคค่ำเพื่อที่ฉันจะได้เรียนทั้งสองอย่างได้ แทนที่จะไปเรียนจบวิทยาลัยตอนอายุ 21 ฉันใช้เวลานั้นมาบริหารทีมชุดใหญ่ ตั้งแต่นั้นเป็นต้นมา ฉันโชคดีที่ได้ทำงานในระบบคุณธรรมและได้รับการยกระดับหลายครั้ง เมื่ออายุ 25 ปี ฉันบริหารแผนกของตัวเอง จากนั้น ฉันย้ายไปทำงานฝ่ายบริหารระดับภูมิภาค และพัฒนาผลิตภัณฑ์ จนกระทั่งในที่สุดฉันก็บริหารงานขายทั่วทั้งอเมริกา ภายในปี 2013 ฉันเริ่มสงสัยว่าจะทำอะไรที่ใหญ่กว่านี้ได้ไหม ฉันไปสัมภาษณ์สองถึงสามครั้งที่บริษัทเทคโนโลยีใหม่ๆ และผู้ก่อตั้งคนหนึ่งพูดกับฉันว่า "เราไม่รู้ว่าคุณเก่งหรือ Bloomberg เก่ง" ตอนนั้นเองที่ฉันรู้ว่ามีบางอย่างต้องเปลี่ยนแปลง และหกเดือนต่อมา ฉันก็ดำรงตำแหน่งรองประธานฝ่ายขายที่ Datahug สตาร์ทอัพแห่งแรกของฉัน หลังจากนั้นไม่นาน ฉันได้รับคัดเลือกจากกลุ่มนักลงทุนที่ต้องการขัดขวาง Yelp แม้ว่า Yelp ยังคงดีอยู่ แต่ในปี 2016 เราได้ปรับวิสัยทัศน์ใหม่และฉันได้ร่วมก่อตั้ง Satisfi Labs ร่วมกับนักลงทุนกลุ่มเดียวกัน

คุณช่วยแบ่งปันเรื่องราวต้นกำเนิดเบื้องหลัง Satisfi Labs ได้ไหม?

ฉันอยู่ที่การแข่งขันเบสบอลที่ Citi Field กับ Randy ซึ่งเป็น CTO และผู้ร่วมก่อตั้งคนปัจจุบันของ Satisfi เมื่อฉันได้ยินเกี่ยวกับอาหารจานพิเศษอย่างหนึ่งของพวกเขา นั่นก็คือเบคอนเสียบไม้ เราเดินไปรอบๆ ฝูงชนและถามเจ้าหน้าที่เกี่ยวกับเรื่องนี้ แต่ก็ไม่พบที่ไหนเลย ปรากฎว่ามันซ่อนตัวอยู่ที่ปลายด้านหนึ่งของสนามกีฬา ซึ่งทำให้ตระหนักว่าจะสะดวกกว่ามากในการสอบถามกับทีมโดยตรงผ่านการแชท นี่คือที่มาของความคิดแรกของเรา Randy และฉันมาจากการเงินและภูมิหลังการซื้อขายแบบอัลกอริทึม ซึ่งทำให้เราใช้แนวคิดในการจับคู่คำขอกับคำตอบเพื่อสร้าง NLP ของเราเองสำหรับการสอบถามที่เฉพาะเจาะจงมากเกินไปซึ่งจะถูกถามตามสถานที่ต่างๆ แนวคิดดั้งเดิมคือการสร้างบอทแต่ละตัวที่จะเป็นผู้เชี่ยวชาญในสาขาความรู้เฉพาะด้าน โดยเฉพาะความรู้ที่ไม่สามารถเข้าถึงได้ง่ายบนเว็บไซต์ จากนั้น ระบบของเราจะมี "ตัวนำ" ที่สามารถแตะบอทแต่ละตัวเมื่อจำเป็น นี่คือสถาปัตยกรรมระบบดั้งเดิมที่ยังคงใช้อยู่ในปัจจุบัน

Satisfi Labs ได้ออกแบบกลไก NLP ของตัวเองและกำลังใกล้จะเผยแพร่ข่าวประชาสัมพันธ์เมื่อ OpenAI ขัดขวางกลุ่มเทคโนโลยีของคุณด้วยการเปิดตัว ChatGPT คุณช่วยพูดคุยถึงช่วงเวลานี้และสาเหตุที่ทำให้ Satisfi Labs ต้องพลิกผันธุรกิจของบริษัทได้หรือไม่?

เรามีกำหนดการแถลงข่าวเพื่อประกาศการอัปเกรด NLP ตามบริบทที่อยู่ระหว่างการจดสิทธิบัตรในวันที่ 6 ธันวาคม 2022 ในวันที่ 30 พฤศจิกายน 2022 OpenAI ได้ประกาศ ChatGPT การประกาศ ChatGPT ไม่เพียงเปลี่ยนแปลงแผนงานของเรา แต่ยังเปลี่ยนแปลงโลกด้วย ในตอนแรก เราก็เหมือนกับคนอื่นๆ ที่กำลังแข่งขันกันเพื่อทำความเข้าใจประสิทธิภาพและขีดจำกัดของ ChatGPT และเข้าใจว่าสิ่งนี้มีความหมายต่อเราอย่างไร ในไม่ช้า เราก็ตระหนักได้ว่าระบบ NLP ตามบริบทของเราไม่ได้แข่งขันกับ ChatGPT แต่สามารถปรับปรุงประสบการณ์ LLM ได้จริงๆ สิ่งนี้นำไปสู่การตัดสินใจอย่างรวดเร็วในการเป็นพันธมิตรระดับองค์กรของ OpenAI เนื่องจากระบบของเราเริ่มต้นด้วยแนวคิดในการทำความเข้าใจและตอบคำถามในระดับละเอียด เราจึงสามารถรวมการออกแบบระบบ "บอทคอนดักเตอร์" และข้อมูลความตั้งใจเจ็ดปีเพื่ออัปเกรดระบบเพื่อรวม LLM ได้

Satisfi Labs เพิ่งเปิดตัว a สิทธิบัตรสำหรับ Context LLM Response Systemนี่มันอะไรโดยเฉพาะ?

ในเดือนกรกฎาคมนี้ เราได้เปิดตัว Context LLM Response System ที่กำลังอยู่ระหว่างการจดสิทธิบัตร ระบบใหม่ผสมผสานพลังของระบบตอบสนองตามบริบทที่อยู่ระหว่างการจดสิทธิบัตรเข้ากับความสามารถด้านโมเดลภาษาขนาดใหญ่เพื่อเสริมความแข็งแกร่งให้กับระบบ Answer Engine ทั้งหมด เทคโนโลยี Context LLM ใหม่ผสานรวมความสามารถของโมเดลภาษาขนาดใหญ่ทั่วทั้งแพลตฟอร์ม ตั้งแต่การปรับปรุงการกำหนดเส้นทางความตั้งใจไปจนถึงการสร้างคำตอบและการจัดทำดัชนีเจตนา ซึ่งยังขับเคลื่อนความสามารถในการรายงานที่เป็นเอกลักษณ์อีกด้วย แพลตฟอร์มดังกล่าวนำ AI การสนทนาไปไกลกว่าแชทบอตแบบดั้งเดิมโดยควบคุมพลังของ LLM เช่น GPT-4 แพลตฟอร์มของเราช่วยให้แบรนด์ต่างๆ ตอบได้ทั้งคำตอบแบบ Geneative AI หรือคำตอบที่เขียนไว้ล่วงหน้า ขึ้นอยู่กับความจำเป็นในการควบคุมการตอบสนอง

คุณช่วยหารือถึงความขาดการเชื่อมต่อในปัจจุบันระหว่างเว็บไซต์บริษัทส่วนใหญ่และแพลตฟอร์ม LLM ในการนำเสนอคำตอบเกี่ยวกับแบรนด์ได้หรือไม่

ChatGPT ได้รับการฝึกอบรมมาเพื่อให้เข้าใจข้อมูลที่หลากหลาย ดังนั้นจึงไม่มีระดับการฝึกอบรมแบบละเอียดที่จำเป็นในการตอบคำถามเฉพาะอุตสาหกรรมด้วยระดับความเฉพาะเจาะจงอย่างที่แบรนด์ส่วนใหญ่คาดหวัง นอกจากนี้ ความแม่นยำของคำตอบที่ LLM ให้นั้นดีพอๆ กับข้อมูลที่ให้มาเท่านั้น เมื่อคุณใช้ ChatGPT จะเป็นการหาข้อมูลจากอินเทอร์เน็ตซึ่งอาจไม่ถูกต้อง ChatGPT ไม่จัดลำดับความสำคัญข้อมูลจากแบรนด์มากกว่าข้อมูลอื่นๆ เราให้บริการในอุตสาหกรรมต่างๆ ในช่วงเจ็ดปีที่ผ่านมา โดยได้รับข้อมูลเชิงลึกอันมีค่าเกี่ยวกับคำถามนับล้านที่ลูกค้าถามทุกวัน สิ่งนี้ช่วยให้เราเข้าใจวิธีปรับแต่งระบบด้วยบริบทที่มากขึ้นตามแต่ละอุตสาหกรรม และมอบความสามารถในการรายงานความตั้งใจที่แข็งแกร่งและละเอียด ซึ่งมีความสำคัญอย่างยิ่งเมื่อพิจารณาถึงการเพิ่มขึ้นของโมเดลภาษาขนาดใหญ่ แม้ว่า LLM จะมีประสิทธิภาพในการทำความเข้าใจเจตนาและสร้างคำตอบ แต่ก็ไม่สามารถรายงานคำถามที่ถามได้ ด้วยการใช้ข้อมูลความตั้งใจที่กว้างขวางมานานหลายปี เราจึงสร้างการรายงานที่ได้มาตรฐานอย่างมีประสิทธิภาพผ่านระบบการจัดทำดัชนีความตั้งใจของพวกเขา

นักภาษาศาสตร์มีบทบาทอย่างไรในการเพิ่มขีดความสามารถของเทคโนโลยี LLM?

บทบาทของวิศวกรพร้อมท์ได้เกิดขึ้นพร้อมกับเทคโนโลยีใหม่นี้ ซึ่งต้องใช้บุคลากรในการออกแบบและปรับแต่งพร้อมท์ที่ดึงการตอบสนองเฉพาะจาก AI นักภาษาศาสตร์มีความเข้าใจอย่างมากเกี่ยวกับโครงสร้างภาษา เช่น วากยสัมพันธ์และอรรถศาสตร์ เหนือสิ่งอื่นใด วิศวกร AI ที่ประสบความสำเร็จมากที่สุดคนหนึ่งของเรามีพื้นฐานด้านภาษาศาสตร์ ซึ่งทำให้เธอมีประสิทธิภาพอย่างมากในการหาวิธีใหม่ๆ ในการกระตุ้น AI การเปลี่ยนแปลงเล็กๆ น้อยๆ ในข้อความแจ้งอาจส่งผลกระทบอย่างมากต่อความแม่นยำและมีประสิทธิภาพในการสร้างคำตอบ ซึ่งสร้างความแตกต่างเมื่อเราจัดการกับคำถามหลายล้านคำถามจากไคลเอนต์หลายราย

การปรับแต่งแบบละเอียดที่แบ็คเอนด์มีลักษณะอย่างไร

เรามีแบบจำลองข้อมูลที่เป็นกรรมสิทธิ์ของเราเองซึ่งเราใช้เพื่อรักษา LLM ให้อยู่ในแนวเดียวกัน สิ่งนี้ทำให้เราสามารถสร้างรั้วของเราเองเพื่อควบคุม LLM โดยไม่ต้องค้นหารั้ว ประการที่สอง เราสามารถใช้ประโยชน์จากเครื่องมือและคุณสมบัติที่แพลตฟอร์มอื่นใช้ ซึ่งช่วยให้เราสามารถสนับสนุนพวกเขาบนแพลตฟอร์มของเราได้

การปรับแต่งข้อมูลการฝึกอบรมอย่างละเอียดและการใช้ Reinforcement Learning (RL) ในแพลตฟอร์มของเราสามารถช่วยลดความเสี่ยงของข้อมูลที่ไม่ถูกต้องได้ การปรับแต่งอย่างละเอียดซึ่งตรงข้ามกับการสอบถามฐานความรู้เพื่อหาข้อเท็จจริงเฉพาะที่ต้องการเพิ่ม จะสร้าง LLM เวอร์ชันใหม่ที่ได้รับการฝึกอบรมเกี่ยวกับความรู้เพิ่มเติมนี้ ในทางกลับกัน RL จะฝึกอบรมตัวแทนด้วยความคิดเห็นของมนุษย์และเรียนรู้นโยบายเกี่ยวกับวิธีการตอบคำถาม สิ่งนี้ได้รับการพิสูจน์แล้วว่าประสบความสำเร็จในการสร้างแบบจำลองพื้นที่ขนาดเล็กลงจนกลายเป็นผู้เชี่ยวชาญในงานเฉพาะด้าน

คุณช่วยหารือเกี่ยวกับกระบวนการเริ่มต้นใช้งานลูกค้าใหม่และบูรณาการโซลูชัน AI การสนทนาได้หรือไม่

เนื่องจากเรามุ่งเน้นไปที่จุดหมายปลายทางและประสบการณ์ต่างๆ เช่น กีฬา ความบันเทิง และการท่องเที่ยว ลูกค้าใหม่จะได้รับประโยชน์จากลูกค้าที่อยู่ในชุมชนอยู่แล้ว ซึ่งทำให้การเริ่มต้นใช้งานเป็นเรื่องง่ายมาก ลูกค้าใหม่ระบุว่าแหล่งข้อมูลล่าสุดของตนอยู่ที่ใด เช่น เว็บไซต์ คู่มือพนักงาน บล็อก ฯลฯ เรานำเข้าข้อมูลและฝึกอบรมระบบแบบเรียลไทม์ เนื่องจากเราทำงานร่วมกับลูกค้าหลายร้อยรายในอุตสาหกรรมเดียวกัน ทีมของเราจึงสามารถให้คำแนะนำได้อย่างรวดเร็วว่าคำตอบใดเหมาะสมที่สุดสำหรับการตอบกลับที่เขียนไว้ล่วงหน้าเทียบกับคำตอบที่สร้างขึ้น นอกจากนี้ เรายังตั้งค่าขั้นตอนที่แนะนำ เช่น ตัวค้นหาอาหารและเครื่องดื่มแบบไดนามิก เพื่อให้ลูกค้าไม่จำเป็นต้องจัดการกับตัวสร้างบอท

ปัจจุบัน Satisfi Labs ทำงานอย่างใกล้ชิดกับทีมกีฬาและบริษัทต่างๆ คุณมีวิสัยทัศน์สำหรับอนาคตของบริษัทอย่างไร

เราเห็นอนาคตที่แบรนด์ต่างๆ จะต้องการควบคุมประสบการณ์การแชทในแง่มุมต่างๆ มากขึ้น ซึ่งจะส่งผลให้มีความต้องการระบบของเราเพิ่มขึ้นเพื่อให้สิทธิ์การเข้าถึงระดับนักพัฒนามากขึ้น มันไม่สมเหตุสมผลเลยที่แบรนด์ต่างๆ จะจ้างนักพัฒนาเพื่อสร้างระบบ AI การสนทนาของตนเอง เนื่องจากความเชี่ยวชาญที่จำเป็นจะหายากและมีราคาแพง อย่างไรก็ตาม ด้วยระบบของเราที่สนับสนุนแบ็กเอนด์ นักพัฒนาของพวกเขาจึงสามารถมุ่งเน้นไปที่ประสบการณ์ของลูกค้าและการเดินทางได้มากขึ้นโดยการควบคุมการแจ้งเตือนที่มากขึ้น การเชื่อมต่อข้อมูลที่เป็นกรรมสิทธิ์เพื่อให้มีความเป็นส่วนตัวมากขึ้น และการจัดการ UI การแชทสำหรับความต้องการเฉพาะของผู้ใช้ Satisfi Labs จะเป็นแกนหลักทางเทคนิคของประสบการณ์การสนทนาของแบรนด์ต่างๆ

ขอบคุณสำหรับบทสัมภาษณ์ที่ดี ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม Satisfi Labs.