ดอนนี่ ไวท์ ซีอีโอ และผู้ร่วมก่อตั้ง Satisfi Labs – สัมภาษณ์ซีรีส์

ก่อตั้งขึ้นในปี 2016 Satisfi Labs เป็นบริษัทชั้นนำด้าน AI การสนทนา ความสำเร็จในตอนแรกมาจากงานกับ New York Mets, Macy’s (M ) และ US Open ทำให้สามารถเข้าถึงข้อมูลที่ไม่สามารถหาได้บนเว็บไซต์ได้อย่างง่ายดาย

ดอนนี่ใช้เวลา 15 ปีที่ Bloomberg ก่อนที่จะเข้าสู่โลกของสตาร์ทอัพ และจบการศึกษาด้าน MBA จาก Cornell University และ BA จาก Baruch College ภายใต้การนำของดอนนี่ Satisfi Labs เติบโตอย่างมากในภาคกีฬา บันเทิง และการท่องเที่ยว โดยได้รับการลงทุนจาก Google (GOOGL ), MLB และ Red Light Management

คุณเคยอยู่ที่ Bloomberg เป็นเวลา 14 ปี เมื่อคุณเริ่มรู้สึกถึงความต้องการที่จะเป็นผู้ประกอบการ ทำไมคุณถึงตัดสินใจเป็นผู้ประกอบการ?

ในช่วงปีที่สามของการเรียนมหาวิทยาลัย ฉันสมัครงานเป็นพนักงานต้อนรับ tại Bloomberg เมื่อฉันได้รับงาน ฉันบอกเพื่อนร่วมงานว่าถ้าพวกเขาเต็มใจที่จะสอนฉัน ฉันจะเรียนรู้ได้เร็ว ในช่วงปีสุดท้ายของการเรียน ฉันกลายเป็นพนักงานเต็มเวลาและย้ายชั้นเรียนไปเป็นชั้นเรียนกลางคืนเพื่อที่ฉันจะทำงานได้ แทนที่จะเข้าร่วมพิธีจบการศึกษา ฉันใช้เวลานั้นในการจัดการทีมแรกของฉัน ตั้งแต่นั้นเป็นต้นมา ฉันถูกเลื่อนตำแหน่งหลายครั้ง และเมื่ออายุ 25 ปี ฉันกำลังดำเนินธุรกิจของตัวเอง ต่อมา ฉัน chuyểnไปที่การบริหารระดับภูมิภาคและพัฒนาผลิตภัณฑ์ จนกระทั่งฉันรับผิดชอบการขายทั่วทั้งอเมริกา ในปี 2013 ฉันเริ่มคิดว่าฉันสามารถทำอะไรที่ยิ่งใหญ่กว่านี้ได้บ้าง ฉันไปสัมภาษณ์ที่บริษัทสตาร์ทอัพเล็กๆ หนึ่งและผู้ก่อตั้งบอกฉันว่า “เราไม่รู้ว่าคุณดีหรือ Bloomberg ดี” นั่นคือเมื่อฉันรู้ว่าฉันต้องเปลี่ยนแปลงอะไรสักอย่าง และหกเดือนต่อมา ฉันกลายเป็น VP ของการขายที่สตาร์ทอัพแรกของฉัน Datahug ไม่นานหลังจากนั้น ฉันถูกเรียกโดยกลุ่มนักลงทุนที่ต้องการที่จะเปลี่ยนแปลง Yelp ในปี 2016 เราได้เห็นความมุ่งมั่นใน tầm nhìnใหม่และฉันก่อตั้ง Satisfi Labs ร่วมกับนักลงทุนคนเดียวกัน

คุณสามารถแบ่งปันเรื่องราวเกี่ยวกับการก่อตั้ง Satisfi Labs ได้หรือไม่?

ฉันอยู่ที่เกมเบสบอลที่ Citi Field กับ Randy ซึ่งเป็น CTO และผู้ร่วมก่อตั้ง Satisfi ในขณะนั้น ฉันฟังเกี่ยวกับหนึ่งในความเชี่ยวชาญของพวกเขา bacon on a stick เราเดินไปรอบๆ สนามและถามพนักงานเกี่ยวกับเรื่องนี้ แต่ไม่สามารถหามันใดๆ ได้ สุดท้ายมันถูกซ่อนอยู่ที่ด้านหนึ่งของสนาม ซึ่งทำให้ฉันรู้สึกว่ามันจะดีกว่าถ้าเราสามารถถามทีมโดยตรงผ่านแชทได้ นี่คือที่ที่ความคิดแรกของเรากำเนิดขึ้น Randy และฉันมาจากภูมิหลังการเงินและการซื้อขายอัลกอริทึม ซึ่งทำให้เราใช้แนวคิดในการจับคู่คำขอกับคำตอบเพื่อสร้าง NLP ของเราเองสำหรับการสนทนาที่เฉพาะเจาะจง ซึ่งจะถูกถามที่สถานที่ต่างๆ อันดับแรกเราต้องการสร้างบอทที่แต่ละตัวจะเป็นนัก专ด้านความรู้เฉพาะ และความรู้ที่ไม่สามารถหาได้บนเว็บไซต์ได้ง่ายๆ ระบบของเราจะมี “ผู้ควบคุม” ที่สามารถเรียกบอทแต่ละตัวเมื่อจำเป็น นี่คือโครงสร้างระบบที่เรากำลังใช้อยู่

Satisfi Labs ได้ออกแบบ NLP ของตัวเองและกำลังจะเผยแพร่ข่าวประชาสัมพันธ์เมื่อ OpenAI ทำให้เทคสแต็กของพวกเขาถูกทำลายด้วยการเปิดตัว ChatGPT คุณสามารถพูดคุยเกี่ยวกับช่วงเวลานี้และวิธีที่ Satisfi Labs ถูกบังคับให้เปลี่ยนแปลงธุรกิจของตนได้หรือไม่?

เรามีการเผยแพร่ข่าวประชาสัมพันธ์ที่กำหนดไว้เพื่อประกาศการอัปเกรด NLP ตามบริบทที่รอการอนุมัติของเราในวันที่ 6 ธันวาคม 2022 ในวันที่ 30 พฤศจิกายน 2022 OpenAI ประกาศ ChatGPT การประกาศของ ChatGPT เปลี่ยนแปลงไม่เพียงแต่แผนการของเราเท่านั้น แต่ยังเปลี่ยนแปลงโลกด้วย เราและทุกคนเริ่มเข้าใจถึงพลังและข้อจำกัดของ ChatGPT และเข้าใจว่ามันหมายถึงอะไรสำหรับเรา เราเริ่มรู้ว่าระบบ NLP ตามบริบทของเราจะไม่แข่งขันกับ ChatGPT แต่สามารถเพิ่มประสิทธิภาพของ LLM ได้ ซึ่งนำไปสู่การตัดสินใจที่จะกลายเป็นพันธมิตรกับ OpenAI ตั้งแต่เริ่มต้นระบบของเรามีแนวคิดในการทำความเข้าใจและตอบคำถามในระดับละเอียด เราสามารถรวมระบบ “ผู้ควบคุมบอท” และข้อมูลเจตนา 7 ปีเพื่ออัปเกรดระบบเพื่อรวม LLM

Satisfi Labs ได้เปิดตัว สิทธิบัตรสำหรับ Context LLM Response System最近ๆ นี้ คืออะไรโดยเฉพาะ?

ในเดือนกรกฎาคมที่ผ่านมา เราได้เปิดตัวระบบ Context LLM Response System ที่รอการอนุมัติ ระบบใหม่นี้รวมพลังของระบบการตอบสนองตามบริบทที่รอการอนุมัติของเราเข้ากับความสามารถของ LLM เพื่อเพิ่มประสิทธิภาพของ Answer Engine ทั้งหมด เทคโนโลยี Context LLM ใหม่นี้รวมความสามารถของ LLM ตลอดทั้งแพลตฟอร์ม ตั้งแต่การปรับปรุงการกำหนดเส้นทางเจตนาไปจนถึงการสร้างคำตอบและการทำดัชนีเจตนา ซึ่งยังขับเคลื่อนความสามารถในการรายงานที่เป็นเอกลักษณ์ของมัน แพลตฟอร์มนี้นำ AI การสนทนาไปไกลกว่าแชทบอทแบบดั้งเดิมโดยใช้พลังของ LLM เช่น GPT-4 แพลตฟอร์มของเราทำให้แบรนด์สามารถตอบด้วยคำตอบที่สร้างโดย AI หรือคำตอบที่เขียนไว้ล่วงหน้าขึ้นอยู่กับความต้องการในการควบคุมคำตอบ

คุณสามารถพูดคุยเกี่ยวกับการไม่เชื่อมต่อระหว่างเว็บไซต์ของบริษัทส่วนใหญ่และแพลตฟอร์ม LLM ในการให้คำตอบที่มีแบรนด์หรือไม่?

ChatGPT ได้รับการฝึกอบรมให้เข้าใจข้อมูลในวงกว้าง ดังนั้นจึงไม่มีการฝึกอบรมในระดับละเอียดที่จำเป็นในการตอบคำถามในอุตสาหกรรมโดยเฉพาะด้วยความเฉพาะเจาะจงที่แบรนด์ส่วนใหญ่คาดหวัง นอกจากนี้ ความถูกต้องของคำตอบที่ LLM ให้มานั้นเท่ากับข้อมูลที่ให้มา เมื่อคุณใช้ ChatGPT มันจะค้นหาข้อมูลจากทั่วอินเทอร์เน็ต ซึ่งอาจไม่ถูกต้อง ChatGPT ไม่ได้จัดลำดับความสำคัญของข้อมูลจากแบรนด์มากกว่าข้อมูลอื่นๆ เราได้ให้บริการในหลายอุตสาหกรรมมา 7 ปีแล้ว และได้รับข้อมูลเชิงลึกที่มีคุณค่าเกี่ยวกับคำถามหลายล้านที่ลูกค้าถามทุกวัน ซึ่งช่วยให้เราเข้าใจวิธีการปรับระบบด้วยบริบทที่มากขึ้นในแต่ละอุตสาหกรรม และให้ความสามารถในการรายงานเจตนาในระดับละเอียด ซึ่งจำเป็นอย่างยิ่งเมื่อ LLM เพิ่มขึ้น ในขณะที่ LLM มีประสิทธิภาพในการเข้าใจเจตนาและการสร้างคำตอบ แต่ไม่สามารถรายงานเกี่ยวกับคำถามที่ถามได้ โดยใช้ข้อมูลเจตียาวนานหลายปี เราได้สร้างการรายงานมาตรฐานผ่านระบบทำดัชนีเจติของเรา

บทบาทของนักภาษาศาสตร์มีผลต่อการเพิ่มความสามารถของเทคโนโลยี LLM อย่างไร?

บทบาทของวิศวกรคำสั่งซื้อเกิดขึ้นพร้อมกับเทคโนโลยีใหม่นี้ ซึ่งต้องการบุคคลที่จะออกแบบและปรับปรุงคำสั่งซื้อที่จะทำให้ AI ตอบสนองได้ นักภาษาศาสตร์มีความเข้าใจภาษาเชิงโครงสร้าง เช่น ไวยากรณ์และความหมาย นักวิศวกร AI ที่ประสบความสำเร็จที่สุดของเรามีภูมิหลังด้านภาษาศาสตร์ ซึ่งช่วยให้เธอสามารถค้นหาวิธีใหม่ๆ และละเอียดอ่อนในการสั่งซื้อ AI การเปลี่ยนแปลงเล็กๆ น้อยๆ ในคำสั่งซื้อสามารถมีผลกระทบอย่างลึกซึ้งต่อความถูกต้องและประสิทธิภาพของคำตอบที่สร้างขึ้น ซึ่งทำให้แตกต่างอย่างมากเมื่อเราจัดการคำถามหลายล้านสำหรับลูกค้าหลายราย

การปรับให้เหมาะสมดูเหมือนอย่างไรที่ด้านหลัง?

เรามีแบบจำลองข้อมูลที่เป็นของเราเองที่เรใช้ในการรักษา LLM ไว้ภายใต้การควบคุม ซึ่งช่วยให้เราสามารถสร้าง “รั้ว” ของเราเองเพื่อรักษา LLM ไว้ภายใต้การควบคุม ไม่ต้องไปค้นหารั้ว นอกจากนี้เรายังสามารถใช้เครื่องมือและคุณสมบัติที่แพลตฟอร์มอื่นๆ ใช้ ซึ่งช่วยให้เราสามารถสนับสนุนพวกเขาได้บนแพลตฟอร์มของเรา

การฝึกอบรมข้อมูลที่เหมาะสมและใช้การเรียนรู้แบบเสริม (RL) ในแพลตฟอร์มของเราสามารถช่วยลดความเสี่ยงของข้อมูลที่ไม่ถูกต้องได้ การฝึกอบรมที่เหมาะสมไม่ใช่การค้นหาฐานความรู้สำหรับข้อเท็จจริงที่เฉพาะเจาะจงเพื่อเพิ่ม แต่จะสร้างเวอร์ชันใหม่ของ LLM ที่ได้รับการฝึกอบรมจากความรู้เพิ่มเติม ในทางกลับกัน RL จะฝึกตัวแทนโดยใช้ข้อเสนอแนะจากมนุษย์และเรียนรู้นโยบายในการตอบคำถาม ซึ่งได้พิสูจน์แล้วว่าประสบความสำเร็จในการสร้างโมเดลขนาดเล็กที่กลายเป็นนัก专ด้านงานเฉพาะ

คุณสามารถพูดคุยเกี่ยวกับกระบวนการในการนำเข้าลูกค้าใหม่และรวม AI การสนทนาได้หรือไม่?

เนื่องจากเราเน้นไปที่จุดหมายและประสบการณ์ เช่น กีฬา บันเทิง และการท่องเที่ยว ลูกค้าใหม่จึงได้รับประโยชน์จากลูกค้าที่มีอยู่ในุมชน ทำให้กระบวนการนำเข้าเป็นไปอย่างง่าย ลูกค้าใหม่ระบุว่าแหล่งข้อมูลที่มีอยู่ในปัจจุบันของพวกเขาอาศัยอยู่ที่ไหน เช่น เว็บไซต์ คู่มือพนักงาน บล็อก ฯลฯ เราได้รับข้อมูลและฝึกอบรมระบบในเวลาจริง เนื่องจากเราได้ทำงานร่วมกับลูกค้าหลายร้อยรายในอุตสาหกรรมเดียวกัน ทีมของเราจึงสามารถให้คำแนะนำได้อย่างรวดเร็วเกี่ยวกับคำตอบที่เหมาะสมที่สุดสำหรับคำตอบที่เขียนไว้ล่วงหน้าหรือคำตอบที่สร้างโดย AI นอกจากนี้เรายังตั้งค่ากระแสที่มีการชี้นำ เช่น Food & Beverage Finder ของเรา เพื่อให้ลูกค้าไม่ต้องจัดการกับการสร้างบอท

Satisfi Labs กำลังทำงานอย่างใกล้ชิดกับทีมกีฬาและบริษัท คุณมีวิสัยทัศน์สำหรับอนาคตของบริษัทอย่างไร?

เรามองเห็นอนาคตที่แบรนด์จะควบคุมด้านต่างๆ ของประสบการณ์การสนทนาได้มากขึ้น ซึ่งจะส่งผลให้ต้องการระบบของเราที่จะให้การเข้าถึงระดับนักพัฒนามากขึ้น ไม่มีเหตุผลที่แบรนด์จะจ้างนักพัฒนามาสร้างระบบ AI การสนทนาเอง เนื่องจากความเชี่ยวชาญที่ต้องการจะหายากและแพง อย่างไรก็ตาม ด้วยระบบของเราที่ให้อาหารด้านหลัง นักพัฒนาของพวกเขาสามารถมุ่งเน้นไปที่ประสบการณ์ของลูกค้าและเส้นทางการเดินทางโดยมีการควบคุมคำสั่งซื้อ การเชื่อมต่อข้อมูลที่เป็นของตนเองเพื่อให้สามารถปรับให้เหมาะสม และจัดการ UI การสนทนาสำหรับความต้องการของผู้ใช้เฉพาะ Satisfi Labs จะเป็นกระดูกสันหลังทางเทคนิคของประสบการณ์การสนทนาของแบรนด์

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม Satisfi Labs เพื่อเรียนรู้เพิ่มเติม