ดร. วิชาล ซิกกะ ผู้ก่อตั้งและซีอีโอของ Vianai – ชุดบทสัมภาษณ์

วิชาล ซิกกะ เป็นผู้ก่อตั้งและซีอีโอของ Vianai อดีตซีทีโอของ SAP AG และอดีตซีอีโอของ Infosys ปัจจุบันเขายังดำรงตำแหน่งในคณะกรรมการของ Oracle และคณะกรรมการกำกับดูแลของ BMW Group และเป็นที่ปรึกษาของ Stanford Institute of Human-Centered AI

แพลตฟอร์ม Vianai รวมเอาองค์ประกอบโอเพนซอร์ส เทคนิคและการเพิ่มประสิทธิภาพเฉพาะของ Vianai และการออกแบบที่มีศูนย์กลางอยู่ที่มนุษย์ เพื่อนำ AI มาสู่องค์กรในระดับใหญ่ ทั่วทั้งภูมิทัศน์ที่หลากหลาย ด้วยแพลตฟอร์มนี้ องค์กรขนาดใหญ่สามารถสร้าง เพิ่มประสิทธิภาพ นำไปใช้งาน และจัดการโมเดล ML ที่ซับซ้อนบนโครงสร้างพื้นฐานที่มีอยู่ และปรับปรุงการดำเนินงานและประสิทธิภาพของโมเดล ML ทั่วทั้งองค์กร

สิ่งใดที่ดึงดูดคุณให้สนใจการเรียนรู้ของเครื่องจักร?

ฉันเริ่มสนใจ AI เมื่อฉันยังเป็นวัยรุ่น เมื่อฉันอ่านความคิดเห็นของ Marvin Minsky เกี่ยวกับจิตใจของเราเป็นสังคมของตัวแทนง่ายๆ และเรียนรู้เกี่ยวกับ Eliza ของ Joe Weizenbaum (แชตบอตยุคแรกตัวหนึ่ง) และคำวิจารณ์ของ John McCarthy ต่อมา ฉันมีโอกาสได้ McCarthy เป็นประธานคณะกรรมการสอบคุณสมบัติด้าน AI ของฉัน ที่ Stanford McCarthy และ Minsky เป็นบิดาแห่งสาขา AI ทั้งสองมีความเข้าใจที่ลึกซึ้งเกี่ยวกับพลังและข้อจำกัดของ AI และฉันโชคดีที่ได้เรียนกับทั้งสอง

เรายังคงเห็นได้ว่า AI มีศักยภาพที่ยิ่งใหญ่ และในขณะเดียวกันก็มีข้อจำกัดที่สำคัญ อุปสรรคที่เราเผชิญเมื่อ 30 ปีที่แล้วยังคงเห็นได้ชัดเจนในปัจจุบัน โดยเฉพาะอย่างยิ่งเมื่อเรามองไปที่ AI ในองค์กร ฉันได้รับแรงบันดาลใจจากงานวิจัยของฉันเพื่อดูว่าคุณค่าของ AI สามารถถูกปลดปล่อยได้อย่างไร และฉันยังคงหลงใหลในเรื่องนี้

คุณเคยเขียนเอกสารสำคัญหลายฉบับ เอกสารฉบับใดที่คุณเชื่อว่ามีผลกระทบมากที่สุดต่อการเปลี่ยนแปลงมุมมองของคุณเกี่ยวกับ AI?

ในฐานะนักเรียน ฉันอาจจะอ่านเอกสารหลายพันฉบับ งานเขียนอันมองการณ์ไกลของ McCarthy เรื่อง “Advice Taker” และปัญหาทางปรัชญาที่สำคัญของ AI และ งานเขียนของ Marvin Minsky เกี่ยวกับจิตใจที่เป็นสังคมของตัวแทนง่ายๆ และการนำแนวทางเชิงสัญลักษณ์และเชิงการเชื่อมต่อ (neural network) มารวมกัน และ งานเขียนของ Judea Pearl เกี่ยวกับการให้เหตุผลแบบความน่าจะเป็นและการฉลาดสาเหตุ และ งานเขียนของ David Marr (เกี่ยวกับการมองเห็น) และ Pat Winston (เกี่ยวกับการเรียนรู้การอธิบายวัตถุจากตัวอย่าง) และ งานของ Waldinger เกี่ยวกับ การสังเคราะห์โปรแกรม และอื่นๆ ที่หล่อหลอมมุมมองของฉันเกี่ยวกับ AI ในระยะหลัง ฉันได้อ่านงานของ Hinton, Lecun, กลุ่มนักวิจัยกลไกความสนใจ ตลอดจน Cynthia Rudin, Fernanda Viegas และคนอื่นๆ

คุณกล่าวว่าประสบการณ์ของนักพัฒนาที่สร้างระบบ AI เป็นกระบวนการที่แตกกระจายและพังทลาย อะไรคือปัญหาในปัจจุบันเบื้องหลังการสร้างระบบ AI?

ระบบ AI ในปัจจุบันสามารถอธิบายได้โดยคนเพียงไม่กี่คน — สถิติแตกต่างกัน แต่ดูเหมือนว่ามีเพียง 20-30,000 คนในโลกที่เข้าใจวิธีการทำงานของระบบ AI จริงๆ ซึ่งน้อยกว่า 52,000 คนซึ่งเราประมาณว่าเป็น ผู้เชี่ยวชาญ MLOps หรือ 1 ล้านคนที่เราประมาณว่าเป็นนักวิทยาศาสตร์ข้อมูล หลายคนไม่สามารถอธิบายได้ว่าทำไมระบบจึงทำเช่นนั้น ทำไมจึงให้คำแนะนำเหล่านั้น อะไรอาจผิดพลาด หรือเทคนิคเบื้องหลังทำงานอย่างไร

เมื่อเทียบกับภูมิทัศน์ที่ซับซ้อนมาก มี ผู้ให้บริการ MLOps มากกว่า 300 รายที่ Gartner ติดตามอยู่เสมอ แต่ละรายมีผลิตภัณฑ์ที่มีเอกลักษณ์เฉพาะตัว ผู้ให้บริการคลาวด์ขนาดใหญ่มีผลิตภัณฑ์ที่มีเอกลักษณ์เฉพาะตัวและพยายามล็อคองค์กรไว้ในระบบนิเวศและโครงสร้างพื้นฐานของตนเอง

จากนั้น ทรัพยากรการประมวลผลเองก็มีราคาแพงเกินไปสำหรับองค์กรหลายแห่งที่จะสร้างและฝึกอบรมโมเดลที่ซับซ้อนที่สุดได้ โมเดลเหล่านี้ถูกจำกัดไว้สำหรับบริษัทที่มีคนมีความสามารถและทรัพยากรที่จำเป็นในการจัดการกับความต้องการของระบบ AI

การขาดความเข้าใจ ความซับซ้อนของเครื่องมือ และต้นทุนการประมวลผลรวมกันเพื่อสร้างภูมิทัศน์ที่ไม่เชื่อมต่อและท้าทายสำหรับองค์กรใดๆ ที่ต้องการมีความสามารถในการใช้ AI ได้อย่างมีประสิทธิภาพที่ Vianai เรากำลังสร้างวิธีการเพื่อให้ AI ง่ายต่อการใช้งาน เข้าใจ และสังเกตการทำงานได้ง่ายขึ้น และลดทรัพยากรและต้นทุนที่เกี่ยวข้องกับการได้รับประสิทธิภาพที่ดีที่สุด

คุณสามารถแบ่งปันเรื่องราวเบื้องหลังของ Vianai ได้หรือไม่?

ฉันใช้เวลาหลายปีในการนำนวัตกรรมใหม่ๆ มาสู่องค์กร ฉันและทีมของฉันสร้างผลิตภัณฑ์หลายอย่างที่ถึงมือองค์กรหลายหมื่นแห่งและถือว่าเป็นผลิตภัณฑ์ที่ก้าวหน้า ฉันนำการเปลี่ยนแปลงพื้นฐานสองครั้งในการเดินทางก่อนที่จะเริ่ม Vianai และเข้าร่วมการเปลี่ยนแปลงในองค์กรหลายร้อยแห่ง นอกจากนี้ ฉันยังใช้เวลาหลายปีในการศึกษา AI และมุ่งเน้นในการทำให้ AI ดีขึ้น มีความเกี่ยวข้องและเป็นประโยชน์ต่อมนุษยชาติ

ในทางที่ไม่คาดคิด — สิ่งเหล่านี้มารวมกัน ฉันอยู่ในระหว่างการเดินทางพักผ่อนกับครอบครัวในเอเชียตะวันออกเฉียงใต้ (ปลายปี 2018) เรากำลังช็อปปิ้งในตลาดเล็กๆ ผู้ขายมีเครื่องประดับทำด้วยมือที่สวยงาม ซึ่งทำด้วยเทคนิคดั้งเดิมและหินในท้องถิ่น และมันสวยงาม แต่ไม่มีใครนอกเมืองเล็กๆ นี้ได้ยินเกี่ยวกับพวกเขา และฉันก็มีคำถามในใจ “ถ้าผู้ขายคนนี้สามารถใช้ AI ได้ จะเป็นอย่างไร? ระบบจะต้องทำงานอย่างไร?” ในช่วงเวลานั้น ฉันรู้สึกว่าธุรกิจทุกแห่งในโลกจะถูกเปลี่ยนแปลงด้วย AI และการเปลี่ยนแปลงนี้ไม่สามารถมองผ่านเลนส์ของเมื่อวานนี้ได้ แต่ต้องมีผลิตภัณฑ์และความคิดที่ต้องเริ่มต้นจากกระดาษเปล่า

ประมาณหนึ่งเดือนต่อมา ฉันก่อตั้ง Vianai ด้วยภารกิจในการนำ AI ที่มีศูนย์กลางอยู่ที่มนุษย์มาให้กับธุรกิจทั่วโลก ซึ่งหมายถึงการให้บริการผลิตภัณฑ์และบริการ แอปพลิเคชันและเทคโนโลยีเครื่องมือที่ช่วยให้ผู้ใช้ธุรกิจ นักวิทยาศาสตร์ข้อมูล นักวิศวกร ML และแม้กระทั่งผู้ขายในพื้นที่ห่างไกลสามารถใช้ประโยชน์จาก AI ได้อย่างแท้จริง

ตั้งแต่นั้นมา เราได้สร้างแอปพลิเคชันเพื่อช่วยให้ธุรกิจเริ่มต้นใช้ AI แพลตฟอร์มเพื่อช่วยให้ผู้ปฏิบัติงาน ML จัดการและติดตามโมเดล AI ของตน และเทคนิคการเพิ่มประสิทธิภาพเพื่อให้สามารถเข้าถึง AI ได้มากขึ้น

ตลอดทั้งหมดนี้ เราพบว่าศักยภาพที่สำคัญของการนำความเข้าใจของมนุษย์ การตัดสินใจและการทำงานร่วมกันมารวมกับข้อมูลและเทคนิค AI ที่ดีที่สุดยังคงไม่ได้รับการใช้ประโยชน์ ตามงานของเรากับองค์กรชั้นนำ เราเห็นว่าเทคนิคที่จะช่วยให้ผู้ขายเล็กๆ นั้นจะช่วยให้องค์กรขนาดใหญ่ที่สุดในโลกได้

Vianai คืออะไร human-centered AI และทำไมมันจึงสำคัญ?

human-centered AI คือ AI ที่มุ่งเน้นในการเพิ่มประสิทธิภาพการทำงานของมนุษย์และปรับปรุงการตัดสินใจของมนุษย์ การเรียนรู้ของเครื่องจักรมักถูกมองว่าเป็นตัวแทนของแรงงานมนุษย์ แต่ AI เป็นสิ่งที่เสริมสร้างให้กับมนุษย์ — มันให้ความสามารถในการทำงานในระดับใหญ่ ทำซ้ำได้อย่างสม่ำเสมอ และมีความแม่นยำที่มนุษย์ไม่สามารถทำได้ แต่ AI ไม่สามารถแทนที่การตัดสินใจของมนุษย์ ประสบการณ์ของมนุษย์หรือความเข้าใจของมนุษย์เกี่ยวกับบริบท

มีตัวอย่างที่ชัดเจน เช่น AI ที่สับสนระหว่างเต่าและปืน แต่บ่อยครั้งกว่านั้น เราให้ความไว้วางใจ AI มากเกินไปเมื่อ AI ยังไม่ได้พิสูจน์ตัวเองว่าเชื่อถือได้ เรื่องอื้อฉาวเมื่อสิบปีก่อนคือบริษัทแห่งหนึ่งปล่อยให้ AI ซื้อขายโดยไม่มีมนุษย์แทรกแซง อัลกอริทึมสูญเสียเงิน 440 ล้านดอลลาร์ภายในเวลาไม่ถึงหนึ่งชั่วโมง

ตัวอย่างที่ใหม่กว่าคือโมเดลภาษาระดับแนวหน้ายังค่อนข้างทำให้สับสนหรือมีอคติได้ง่าย เครื่องมือสร้างภาพจากข้อความมีศักยภาพสูง แต่ต้องใช้คำสั่งที่เฉพาะเจาะจงมากจากผู้ใช้เพื่อดึงศักยภาพออกมาอย่างเต็มที่

human-centered AI จึงเป็นแนวทางในการออกแบบผลิตภัณฑ์ของเรา เรานำความเข้าใจของมนุษย์ — เช่น การตัดสินใจและการทำงานร่วมกัน — มารวมกับข้อมูลและเทคนิค AI ที่ดีที่สุดเพื่อสร้างระบบอัจฉริยะที่สามารถปรับปรุงผลลัพธ์และกระบวนการทางธุรกิจได้อย่างมาก

คุณสามารถอธิบายถึงความจำเป็นของวงจรป้อนกลับระหว่างมนุษย์และ AI ได้หรือไม่?

มีสาขาหนึ่งของ AI ที่เรียกว่า “การมีมนุษย์ร่วมกำกับในกระบวนการ” ซึ่งพึ่งพากระบวนการป้อนกลับของมนุษย์เพื่อปรับปรุงประสิทธิภาพของ AI ซึ่งเป็นเรื่องธรรมชาติและสมเหตุสมผลสำหรับระบบใดๆ

ระบบ AI สามารถปรับปรุงได้เมื่อเวลาผ่านไปผ่านการฝึกอบรมซ้ำ ซึ่งรวมถึงการกระทำที่ผู้ใช้ทำได้ นี่คือส่วนหนึ่งของแอปพลิเคชันของเราเช่นกัน ขอยกตัวอย่าง

ก่อนโควิด เราทำงานด้านการคาดการณ์ความต้องการกับบริษัทบริการทางการเงินขนาดใหญ่ ด้วยการออกแบบระบบของเรา เมื่อโควิดทำให้โมเดลอื่นๆ จำนวนมากใช้การไม่ได้ ระบบของเรากลับปรับตัวได้อย่างรวดเร็วและไม่ต้องสร้างขึ้นใหม่ นี่คือแง่มุมที่สองและสำคัญที่สุดของ AI ที่ยึดมนุษย์เป็นศูนย์กลาง นั่นคือการออกแบบระบบตั้งแต่ต้นให้รองรับความซับซ้อนของชีวิตสมัยใหม่

สิ่งนี้สร้างความไว้วางใจและระบบที่เติบโตไปพร้อมกับองค์กรและผู้ใช้

อะไรคือสิ่งที่ทำให้ Vianai เป็นแพลตฟอร์ม AI รุ่นต่อไป?

ในขณะที่มีการอภิปรายมากมายเกี่ยวกับความเสี่ยง การกำกับดูแล และความหวังของ AI ไม่มากนักที่จะหาวิธีแก้ปัญหา — แนวคิดของ human-centered AI

แพลตฟอร์มของเราจึงพร้อมสำหรับปัญหาที่จะเกิดขึ้นเมื่อ AI กลายเป็นจริงในองค์กร มันจะแก้ไขปัญหาเกี่ยวกับความไว้วางใจ ความลำเอียงและความโปร่งใส มันช่วยให้ธุรกิจสามารถขยาย AI ด้วยการตรวจสอบและเพิ่มประสิทธิภาพ และช่วยให้ผู้ใช้ที่ไม่ใช่เทคนิคสามารถใช้ AI ได้ผ่านแอปพลิเคชันของเรา

อะไรคือความท้าทายที่อยู่เบื้องหลังการสร้างแพลตฟอร์มที่ทำให้ประสบการณ์ AI ขององค์กรมีความราบรื่น?

ความท้าทายที่ใหญ่ที่สุดในการนำ AI มาสู่องค์กรคือ ทักษะ เครื่องมือ และเทคโนโลยี บุคลากรที่มีความสามารถมักกระจุกตัวอยู่ในไม่กี่แห่ง โดยเฉพาะในบริษัทเทคโนโลยีขนาดใหญ่ ซึ่งทำให้ยากสำหรับสมาชิกในทีมที่ไม่ได้อยู่ในกลุ่มเหล่านั้นในการเข้าร่วมในการกำกับดูแลและการกำหนดนโยบาย AI และสามารถสร้างความลำเอียงได้มากขึ้นเมื่อสมาชิกในทีมที่จำกัดทำงานในระบบ AI

เทคโนโลยีและเครื่องมือสามารถเป็นความท้าทายในการทำให้ AI มีความราบรื่นได้ เทคโนโลยีและเครื่องมือในปัจจุบันถูกจำกัด ชิปที่ใช้สำหรับ AI มีราคาแพงและหายาก และเครื่องมือถูกล็อคไว้กับซัพพลายเออร์บางราย ซึ่งลดความสามารถในการลดต้นทุนควบคู่ไปกับการเพิ่มคุณค่า ไม่ว่าบริษัทจะอยู่ในขั้นใดของการนำ AI มาใช้ ความท้าทายเหล่านี้อาจทำให้การใช้ AI ที่เป็นประโยชน์และมีจริยธรรมเป็นเรื่องยาก เพราะทำให้กลยุทธ์ขาดการเชื่อมต่อและกระจัดกระจาย อีกทั้งขาดเครื่องมือสำหรับทำหน้าที่ที่เหมาะสม องค์กรต้องสนับสนุน AI ได้ทุกด้าน ตั้งแต่การนำไปใช้จนถึงการบำรุงรักษา โดยให้ทีมงานมีส่วนสนับสนุนและเสนอความคิดเห็นเพื่อความสำเร็จ

สำหรับความสำเร็จที่แท้จริง ฉันพบว่าความสามารถของแพลตฟอร์มต้องเปิดกว้างอย่างสมบูรณ์ เป็นโมดูล มีความยืดหยุ่น และไม่ขึ้นอยู่กับการอัปเกรดฮาร์ดแวร์และซอฟต์แวร์ที่มีราคาแพง และด้วยแนวทาง human-centered AI มนุษย์ยังคงสามารถนำความรู้ บริบท ประสบการณ์และความคิดสร้างสรรค์มาใช้ในการแก้ปัญหา — ซึ่งจะถูกเพิ่มประสิทธิภาพโดยแพลตฟอร์ม AI ไม่ใช่ถูกแทนที่

มีอะไรอีกไหมที่คุณต้องการแบ่งปันเกี่ยวกับ Vianai?

ในหลายๆ ด้าน เรากำลังอยู่ในยุคของ AI มีการอภิปรายและความตื่นเต้นมากมายเกี่ยวกับ AI ซึ่งเป็นเรื่องที่ดีโดยรวม เราได้เห็นการพัฒนาที่สำคัญและการนำไปใช้มากกว่าที่เคยในหลายๆ ด้าน เช่น Generative AI และอื่นๆ อย่างไรก็ตาม เราควรตระหนักถึงข้อจำกัดของ AI — ความเป็นจริงของเทคโนโลยี AI ในปัจจุบัน เช่นเดียวกับความจริงเกี่ยวกับความขาดแคลนทักษะใน AI และการขาดความไว้วางใจใน AI โดยเฉพาะในองค์กร หากเราสามารถมอง AI เป็นตัวขยายชีวิต สังคม งาน และศักยภาพของเรา และมีการกำกับดูแล AI ที่จำเป็นเพื่อให้แน่ใจว่าสิ่งนี้เกิดขึ้น ฉันเชื่อว่าเราจะเห็น AI มีชีวิตอยู่ในลักษณะที่มีความหมายและเปลี่ยนแปลงได้

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Vianai เพื่อเรียนรู้เพิ่มเติม