ฟรานซิสโก้ เว็บเบอร์ Co-Founder & CEO ของ Cortical.io – สัมภาษณ์ Series

ฟรานซิสโก้ เว็บเบอร์ เป็น Co-Founder และ CEO ของ Cortical.io และเป็นผู้คิดค้น Retina เทคโนโลยีของบริษัท ซึ่งใช้หลักการของการประมวลผลสมองเพื่อการเรียนรู้ของเครื่องและความเข้าใจภาษาธรรมชาติ (NLU) เพื่อแก้ไขปัญหาในโลกแห่งความเป็นจริงที่เกี่ยวข้องกับข้อมูลข้อความขนาดใหญ่ โซลูชันของ Cortical.io มีพื้นฐานมาจากความหมายที่แท้จริงของข้อความ ไม่ใช่จากเหตุการณ์ทางสถิติ

ความสนใจของฟรานซิสโก้ ในด้านเทคโนโลยีสารสนเทศพัฒนาในช่วงการศึกษาทางการแพทย์ เมื่อเขาเกี่ยวข้องกับการประมวลผลข้อมูลทางการแพทย์ ในช่วงสองทศวรรษที่ผ่านมา เขาได้สำรวจเทคโนโลยีการค้นหาข้อมูลและระบบเอกสารในหลายบริบท แต่กลับพบกับความผิดหวังที่เพิ่มขึ้นกับข้อจำกัดของวิธีการทางสถิติที่ทันสมัย

ในปี 2005 เขาก่อตั้ง Matrixware Information Services ซึ่งพัฒนาฐานข้อมูลสิทธิบัตรทั่วโลกที่เป็นมาตรฐาน ในปี 2007 เขาตั้งค่า Information Retrieval Facility ร่วมกับ Professor Keith van Rijsbergen ผู้เชี่ยวชาญด้านการค้นหาข้อมูลชั้นนำ สิ่งอำนวยความสะดวกนี้มีจุดมุ่งหมายเพื่อขยายช่องว่างระหว่างสถาบันการศึกษาและอุตสาหกรรมในด้านการค้นหาข้อมูล ฟรานซิสโก้ รับรู้ว่าสมองเป็นระบบอ้างอิงเดียวที่มีอยู่เมื่อพูดถึงการประมวลผลภาษาธรรมชาติ ในขณะที่ติดตามพัฒนาการทางประสาทวิทยาศาสตร์อย่างใกล้ชิด เขาได้พัฒนา ทฤษฎี Semantic Folding ซึ่งเป็นแบบจำลองของวิธีที่สมองแสดงข้อมูลภาษา

สิ่งใดที่ดึงดูดคุณให้เข้าร่วมใน Natural Language Understanding (NLU)?

ความสนใจของฉันในด้านเทคโนโลยีสารสนเทศพัฒนาในช่วงการศึกษาทางการแพทย์ เมื่อฉันเกี่ยวข้องกับการประมวลผลข้อมูลทางการแพทย์ ในช่วงสองทศวรรษที่ผ่านมา ฉันสำรวจเทคโนโลยีการค้นหาข้อมูลและระบบเอกสารในหลายบริบท แต่กลับพบกับความผิดหวังที่เพิ่มขึ้นกับข้อจำกัดของวิธีการทางสถิติที่ทันสมัย ฉันรับรู้ว่าสมองเป็นระบบอ้างอิงเดียวที่มีอยู่เมื่อพูดถึงการประมวลผลภาษาธรรมชาติ

คุณเป็นทั้งผู้ก่อตั้งและ CEO ของ Cortical.io คุณสามารถแบ่งปันเรื่องราวการก่อตั้งบริษัทนี้ได้หรือไม่?

เรารู้ว่าเรามีเทคโนโลยีที่จะช่วยให้ธุรกิจค้นหาข้อมูลได้เร็วขึ้น ถูกต้อง และมีประสิทธิภาพมากขึ้น เพื่อแยกข้อมูลและวิเคราะห์ข้อมูลจากข้อความที่ไม่มีโครงสร้าง เทคโนโลยี NLU ของเราสามารถเป็นตัวแตกต่างที่แท้จริงในการแก้ไขปัญหาการประมวลผลข้อความที่ไม่มีโครงสร้าง เนื่องจากเข้าใจความหมายของประโยค ย่อหน้า และแนวคิด ไม่ใช่แค่คำสำคัญ และส่งผลลัพธ์ที่แม่นยำสูง เมื่อผู้นำในอุตสาหกรรมได้รับทราบเกี่ยวกับสิ่งที่เรามี มันจะเปิดโอกาสให้เราได้ทดสอบแนวทางของเราภายใต้ความต้องการที่แท้จริงและซับซ้อน ซึ่งนำไปสู่ความสำเร็จของธุรกิจ Fortune 500 หลายรายการ ซึ่งกลายเป็นแบบจำลองสำหรับผลิตภัณฑ์ Contract Intelligence และ Message Intelligence ของเรา

เทคโนโลยีของ Cortical.io มีพื้นฐานมาจาก ทฤษฎี Semantic Folding ที่เป็นนวัตกรรมทางทฤษฎีการคำนวณสำหรับการประมวลผลข้อมูลภาษา อะไรคือข้อจำกัดในปัจจุบันของวิธีการ AI ทั่วไปในการเข้าใจภาษาธรรมชาติ?

วิธีการ AI และ ML ทั่วไปเกี่ยวข้องกับการสร้างแบบจำลองทางสถิติที่มีขนาดใหญ่ซึ่งได้รับการฝึกอบรมโดยใช้ข้อมูลฝึกอบรมจำนวนมาก มักจะไม่มีข้อมูลฝึกอบรมเพียงพอ หรือผู้เชี่ยวชาญด้านเนื้อหามีเวลามากพอที่จะทำเครื่องหมายข้อมูลจำนวนมาก นอกจากนี้การฝึกอบรมแบบจำลองขนาดใหญ่ (ที่มีพารามิเตอร์หลายพันล้าน) ต้องการทรัพยากรการประมวลผลที่มาก ซึ่งมีค่าใช้จ่ายสูงและใช้พลังงานมาก แบบจำลองภาษาทั่วไปจะใช้พลังงานมากกว่ารถยนต์ 5 คันตลอดอายุการใช้งาน!

ทฤษฎี Semantic Folding ถูกสร้างขึ้นบนพื้นฐานของ ทฤษฎี Hierarchical Temporal Memory (HTM) คุณสามารถอธิบายทฤษฎีนี้ได้หรือไม่?

ทฤษฎี Hierarchical Temporal Memory (HTM) เป็นทฤษฎีการประมวลผลที่ถูกจำกัดด้วยชีววิทยา ซึ่งถูกอธิบายไว้ในหนังสือของ Jeff Hawkins เรื่อง On Intelligence เป็นโครงสร้างการประมวลผลที่เข้มงวดซึ่งอิงจากประสาทวิทยาศาสตร์และการทำงานของเซลล์ประสาทในสมอง ในทฤษฎีนี้ สมองทำหน้าที่เป็นระบบความจำที่เก็บรูปแบบและทำนายจากประสบการณ์ปัจจุบันตามรูปแบบที่จดจำไว้ เพื่อให้เครื่องจักรมีความฉลาดอย่างแท้จริง ต้องสร้างระบบความจำและการทำนายขึ้นใหม่ Hawkins อธิบายถึงการแสดงข้อมูลแบบกระจายที่มีความหนาแน่นต่ำเป็นรูปแบบข้อมูลเดียวที่ใช้โดย neocortex รอยเท้าทางคำศัพท์ที่ใช้ในเทคโนโลยีของเราคือการแสดงข้อมูลแบบกระจายที่มีความหนาแน่นต่ำของข้อความ (ของคำ วลี หรือย่อหน้า)

คุณสามารถแบ่งปันว่า วิธีการของ SFT มีอะไรที่เหนือกว่าวิธีการ NLU อื่นๆ บ้าง?

ทฤษฎี Semantic Folding ที่เป็นพื้นฐานของเทคโนโลยี Cortical.io มีหลายข้อดี ประการแรก ไม่ต้องการข้อมูลฝึกอบรมจำนวนมากเพื่อให้ได้ผลลัพธ์ที่แม่นยำ ประการที่สอง มันเร็วและต้องการทรัพยากรการประมวลผลน้อยกว่าแบบจำลองการเรียนรู้ของเครื่องรุ่นใหม่ๆ สุดท้าย การฝึกอบรมเป็นกระบวนการที่ง่ายกว่าและสามารถจัดการได้โดยผู้เชี่ยวชาญด้านเนื้อหาที่จะใช้ระบบนี้ แม้ว่าพวกเขาจะไม่มีประสบการณ์ด้าน AI ก็ตาม

หนึ่งในผลิตภัณฑ์ของ Cortical.io คือ Message Intelligence คุณสามารถอธิบายถึงการประยุกต์ใช้นี้ได้หรือไม่?

Message Intelligence อยู่ในหมวด Intelligent Document Processing บริษัทต่างๆ ถูกท่วมท้นด้วยการประมวลผลข้อความและเอกสารหลากหลาย Message Intelligence เป็นโซลูชันที่พร้อมใช้งานซึ่งใช้เทคโนโลยีของ Cortical.io เพื่อแยกและจำแนกข้อมูลสำคัญในข้อความและเอกสารเหล่านี้ได้อย่างแม่นยำ และประมวลผลที่ระดับองค์กร เนื่องจากแนวทางที่ได้รับการจดสิทธิบัตรของ Cortical.io ช่วยให้สามารถพัฒนาคลาสสิฟายเออร์แบบกำหนดเองได้ภายในไม่กี่ชั่วโมง และแบบจำลองการแยกข้อมูลได้ภายในไม่กี่วัน

ผลิตภัณฑ์อื่นที่มีให้คือ Contract Intelligence คุณสามารถแบ่งปันรายละเอียดเกี่ยวกับผลิตภัณฑ์นี้ได้หรือไม่?

Cortical.io Contract Intelligence ใช้แนวทางใหม่ในการเข้าใจภาษาธรรมชาติเพื่อวิเคราะห์ข้อมูลที่เกี่ยวข้องจากเอกสารจำนวนมากได้อย่างรวดเร็วและมีความแม่นยำสูง ซึ่งเป็นเรื่องที่ยากที่จะทำได้ด้วยแรงงานคนหรือเครื่องมือวิเคราะห์สัญญาอื่นๆ โซลูชันนี้ให้เครื่องมือที่มีประสิทธิภาพซึ่งอิงจากความหมายในการแยกและจำแนกข้อมูลสำคัญ ค้นหาในเอกสารเดียวหรือทั้งฐานข้อมูล และเปรียบเทียบเอกสารกับเทมเพลตหรือรุ่นก่อนหน้า

มีอะไรอีกที่คุณต้องการแบ่งปันเกี่ยวกับ Cortical.io?

เรารู้สึกตื่นเต้นที่จะเห็นความตื่นตัวของ Artificial Intelligence และ Natural Language Understanding จากเทคโนโลยีที่น่าสนใจไปสู่การบูรณาการเข้ากับแอปพลิเคชันที่แก้ปัญหาในโลกแห่งความเป็นจริง

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ Cortical.io