เจมส์ คาพแลน ซีอีโอ และผู้ร่วมก่อตั้ง MeetKai Metaverse – สัมภาษณ์ ซีรีส์

James Kaplan เป็นซีอีโอและผู้ร่วมก่อตั้ง MeetKai บริษัทด้านปัญญาประดิษฐ์ VR และการค้นหาผ่านบทสนทนา ซึ่งตั้งอยู่ที่ลอสแอนเจลิส รัฐแคลิฟอร์เนีย และกำลังเป็นผู้นำในการแข่งขันด้านเทคโนโลยีเสียงพูดด้วย AI ด้วยคุณสมบัติที่ไม่เคยมีมาก่อน AI สนทนาของบริษัทสามารถเข้าใจคำพูดที่ซับซ้อนขึ้นและให้ผลลัพธ์เฉพาะบุคคลผ่านการสนทนาตามธรรมชาติในหลายหัวข้อและในความเป็นจริงรูปแบบต่างๆ เทคโนโลยีของ MeetKai ให้บริการทั่วโลกผ่าน iOS, Google Play และ AppGallery

คุณสนใจ AI ตั้งแต่อายุ 6 ขวบ คุณได้รู้จักเทคโนโลยีนี้เป็นครั้งแรกอย่างไร?

ผมรู้จัก AI ผ่านวิดีโอเกม เริ่มจากการพยายามทำความเข้าใจว่า AI ในเกม Oregon Trail ทำงานอย่างไร แม้มันจะไม่ได้ฉลาดมาก แต่ก็ยังเป็น AI รูปแบบหนึ่ง จากนั้นความสนใจของผมก็เพิ่มขึ้นเมื่อเริ่มเล่นเกม MMORPG ผมชอบเล่นเกมออนไลน์มาก แต่เกลียดการทำสิ่งเดิมซ้ำๆ เพื่อเก็บไอเทม จึงเริ่มเขียนบอต

แอปพลิเคชัน AI แรกๆ ที่คุณเขียนมีอะไรบ้าง?

การเขียนบอตสำหรับเกม MMO เป็นก้าวแรกของผมในการพัฒนา AI รูปแบบเฉพาะ ช่วงแรกบอตค่อนข้างเรียบง่ายและใกล้เคียงกับแมโครมากกว่า AI แต่เมื่อผมโตขึ้นและหลายเกมตรวจจับบอตได้ดีขึ้น บอตก็จำเป็นต้องมีพฤติกรรมเหมือนผู้เล่นมากขึ้น ผมสนุกกับการเขียนบอตมาตลอด ตอนเรียนอยู่ผมถึงกับเขียนบอตเพื่อชนะการประกวดของ Taylor Swift และเธอก็มาแสดงจริงๆ! นอกจากนี้ผมยังเขียนบอต Pokémon Go ตัวแรก และน่าเสียดายที่ทำให้หลายคนถูกแบนเมื่อผมหมดความสนใจในการหลบเลี่ยงการตรวจจับ

คุณเปิดตัว MeetKai ในปี 2018 หลังจากผิดหวังกับผู้ช่วยเสียง AI ที่มีอยู่ ทำไมผู้ช่วย AI ส่วนใหญ่จึงให้ประสบการณ์ที่ไม่น่าประทับใจ?

หัวใจของปัญหาคือผู้ช่วย AI ส่วนใหญ่พึ่งพา API ภายนอกมากเกินไปในการตอบสนองคำขอ แม้จะควบคุมการดำเนินการเอง เช่น Alexa กับการค้นหาสินค้าอีคอมเมิร์ซ ก็ยังพบปัญหาเดียวกัน พูดง่ายๆ คือจะคาดหวังให้ผู้ช่วยเสียงฉลาดได้อย่างไร หากมันเพียงแปลงคำพูดเป็นข้อความแล้วส่งข้อความนั้นเข้าเครื่องมือค้นหาแบบข้อความ? เราเริ่ม MeetKai ด้วยแนวคิดว่าจะสร้างผู้ช่วย AI ที่ก้าวกระโดดเหนือสิ่งเดิมได้โดยควบคุมกระบวนการประมวลผลทั้งหมดตั้งแต่ต้นจนจบ เราพัฒนาเครื่องมือค้นหาผ่านบทสนทนาแทนการค้นหาด้วยคำสำคัญ เพื่อรองรับคำถามและบทสนทนาที่ซับซ้อนขึ้น ผู้ช่วยอื่นยังติดอยู่กับประสบการณ์ที่ไม่น่าประทับใจ เพราะไม่สามารถสร้างการสนทนาโต้ตอบหลายรอบบนข้อจำกัดเหล่านั้นได้ แม้นั่นจะเป็นเป้าหมายของเรา แต่เรายังอยู่ในระยะแรกมากของการขยายเทคโนโลยีให้ครอบคลุมสาขาต่างๆ ได้จำนวนเท่ากับผู้ให้บริการที่มีอยู่

ความท้าทายด้านการเข้าใจภาษาธรรมชาติและการประมวลผลภาษาธรรมชาติในการสร้างประสบการณ์ผู้ช่วยเสียงที่ล้ำสมัยมีอะไรบ้าง?

ความท้าทายหลักประการหนึ่งของ NLU รุ่นต่อไปคือการก้าวไปไกลกว่าการระบุเจตนาและเอนทิตี NLU ส่วนใหญ่ยังใช้วิธีเข้าใจภาษาแบบดั้งเดิม โดยจัดประเภทคำพูดที่ป้อนเข้ามาตามเจตนา แล้วติดป้ายโทเคนภายในเป็นเอนทิตีด้วยโมเดลติดป้ายลำดับ ผมสามารถแจกแจงปัญหาของแนวทางมาตรฐานนี้ได้หลายสิบข้อ แต่ข้อที่สำคัญที่สุดคือ:

1. การจำแนกเจตนาโดยไม่พิจารณาบริบทไม่สามารถจัดการบทสนทนาหลายรอบได้ วิธีส่วนใหญ่สนใจเพียงข้อความดิบที่ถอดจากเสียง ไม่สนใจว่าผู้ใช้เป็นใครหรือชอบอะไร สนใจแค่ว่าเพิ่งถามอะไร เรื่องนี้สำคัญเป็นพิเศษเมื่อผู้ใช้พูดสั้นมาก เช่น คำว่า cosmopolitan อาจหมายถึงเครื่องดื่มหรือนิตยสาร ซึ่งขึ้นอยู่กับผู้พูดอย่างมาก
2. โมเดลรู้จำเอนทิตีทำงานได้ไม่ดีเมื่อสิ่งนั้นไม่ใช่ค่าเชิงหมวดหมู่ โมเดลภาษาขนาดใหญ่ไม่สามารถปรับตัวได้รวดเร็วพอกับเอนทิตีใหม่ที่พบในโลกจริง เพราะไม่มีอยู่ในชุดข้อมูล AI ต้องมีวิธีรู้จำเอนทิตีที่ซับซ้อนขึ้นโดยพิจารณาบริบทที่ลึกขึ้น เช่น ตำแหน่งของผู้ใช้ควรมีอิทธิพลอย่างมากต่อการตีความว่าสิ่งหนึ่งเป็นชื่อร้านอาหารหรือเป็นอย่างอื่น
3. ความสัมพันธ์ระหว่างเอนทิตียังไม่ได้รับการพิจารณาอย่างเพียงพอ ตัวอย่างที่ผมชอบคือเครื่องมือค้นหาส่วนใหญ่มักล้มเหลวกับคำปฏิเสธ ลองขอให้ผู้ช่วยเสียงอื่นหาภาพยนตร์ที่ไม่มีเรื่องรัก แล้วจะเข้าใจว่าผมหมายถึงอะไร

ปัจจุบันผู้ช่วยเสียงส่วนใหญ่เพียงแปลงเสียงเป็นข้อความแล้วค้นหาด้วย Google แต่ MeetKai AI ทำงานต่างออกไปอย่างไร?

ความแตกต่างหลักในการค้นหาระหว่าง MeetKai กับ Google คือเราใช้โมเดลเข้าใจภาษาที่ละเอียดกว่ามาก เพื่อค้นหาตัวสิ่งที่ต้องการโดยตรงแทนที่จะค้นหาเพียงหน้าเว็บ เมื่อค้นหาว่า “ภาพยนตร์ Tom Cruise ที่ไม่มีแอ็กชัน” Google จะหาหน้าที่มีโทเคนเหล่านี้อยู่ ได้แก่ Tom Cruise ภาพยนตร์ และแอ็กชัน แต่ MeetKai เข้าใจว่า Tom Cruise เป็นนักแสดง ภาพยนตร์เป็นประเภทสื่อที่ผู้ใช้ต้องการ และแอ็กชันเป็นแนวที่ไม่ต้องการ ทำให้เราค้นหาได้อย่างชาญฉลาดขึ้นมาก

MeetKai เพิ่งเปิดตัวโลก VR ด้านไลฟ์สไตล์แห่งแรกในชื่อ MeetKai Metaverse คุณช่วยอธิบายว่าแอปพลิเคชันนี้คืออะไรได้ไหม?

บริษัทส่วนใหญ่ในวงการเมตาเวิร์สมุ่งเน้นปฏิสัมพันธ์ระหว่างคนกับคน นอกจากนี้เนื้อหาส่วนใหญ่ยังเป็นภาพการ์ตูนหรือเป็นเพียงวิดีโอ 360 องศา เป้าหมายของ MeetKai Metaverse คือมุมมองที่แตกต่างออกไปอย่างสิ้นเชิง นั่นคือคนกับ AI เรากำลังพัฒนาเมตาเวิร์สที่ตัวละครทั้งหมดที่ผู้ใช้โต้ตอบด้วยขับเคลื่อนด้วย AI สนทนาอันล้ำสมัยของเรา อีกทั้งกำลังสร้างสภาพแวดล้อมด้วยกระบวนการสร้างเชิงขั้นตอน เพื่อให้ดูสมจริงและดื่มด่ำกว่าบริษัทอื่นในวงการ สองโลกแรกที่สำรวจได้รองรับสองการใช้งาน คือการทำสมาธิและพิพิธภัณฑ์ ในโลกแรก เราสร้างผู้เชี่ยวชาญ Wing Chun ในรูปแบบดิจิทัล และเป็นครั้งแรกที่สร้างตัวละคร AI ซึ่งสอนผู้ใช้ให้ใช้เทคนิคสมาธิรูปแบบใหม่เพื่อเข้าสู่ภาวะผ่อนคลาย ส่วนโลกที่สอง เราสร้างพิพิธภัณฑ์ศิลปะที่ขยายตัวอย่างต่อเนื่อง พร้อมภัณฑารักษ์ AI ที่ตอบคำถามเกี่ยวกับงานศิลปะในพื้นที่และนำชมได้

ตัวอย่างการใช้ AI ในเมตาเวิร์สนี้มีอะไรบ้าง?

เราใช้ AI ในสามส่วน:

1. ขับเคลื่อนความสามารถในการสนทนาของตัวละครแต่ละตัวในเมตาเวิร์ส
2. สร้างเนื้อหาแบบไดนามิกให้ผู้ใช้เข้าถึงผ่านการแนะนำด้วยเสียง เช่น ช่วงฝึกสมาธิและการนำชมหอศิลป์ในสองประสบการณ์แรกของเรา
3. สร้างพื้นที่สามมิติด้วยกระบวนการเชิงขั้นตอน แทนการจัดวางด้วยมือ

คุณมีวิสัยทัศน์อย่างไรต่ออนาคตของผู้ช่วยเสียง?

หากผู้ช่วยเสียงจะมีอนาคต ก็ต้องพัฒนาไปไกลกว่าระบบที่อาศัยคำสั่ง นั่นหมายถึงต้องมีความเชี่ยวชาญและความสามารถเชิงลึกในหลายสาขา ผมคิดว่าการรวมผู้ช่วยเสียงที่เชี่ยวชาญแต่ละสาขาเข้าด้วยกันจะเป็นกุญแจสำคัญในการสร้างผู้ช่วยระดับเมตาที่ฉลาดรอบด้าน ซึ่งต่างอย่างชัดเจนจากความพยายาม “ทำทุกอย่างพร้อมกัน” ที่เราเห็นมาตั้งแต่ผู้ช่วยเสียงเริ่มปรากฏขึ้น

มีอะไรเพิ่มเติมที่คุณอยากแบ่งปันเกี่ยวกับ MeetKai หรือ MeetKai Metaverse ไหม?

เรายังอยู่ในจุดเริ่มต้นของแผนพัฒนาเมตาเวิร์ส เป้าหมายสุดท้ายคือจำลองประสบการณ์ใดๆ ที่ผู้ใช้พบในโลกจริงมาไว้ในเมตาเวิร์ส แล้วก้าวให้ไกลกว่านั้น เราต้องการขจัดข้อจำกัดด้านค่าใช้จ่ายและเวลาที่ทำให้ประสบการณ์เหล่านั้นเข้าถึงได้ยากในโลกจริง เมตาเวิร์สช่วยให้เรามีชีวิตที่หลากหลายและสมบูรณ์ขึ้นได้ ไม่ใช่เข้ามาแทนที่ชีวิตจริง เรายังมีความท้าทายทางเทคนิคหลายข้อที่ต้องแก้ แต่มีหมุดหมายชัดเจนที่ทำได้ หากฮาร์ดแวร์พัฒนาต่อไป เราทำงานใกล้ชิดกับพันธมิตรฮาร์ดแวร์เพื่อให้วงการ VR ก้าวหน้าอย่างรวดเร็ว นอกจาก VR แล้ว เรายังต้องการให้เข้าถึงประสบการณ์เมตาเวิร์สของเราได้จากนอก VR ด้วย และจะประกาศข้อมูลเพิ่มเติมในอีกไม่กี่เดือนข้างหน้า

ขอบคุณสำหรับบทสัมภาษณ์ที่ยอดเยี่ยม ผมตั้งตารอติดตามความก้าวหน้าของเมตาเวิร์สในแบบของคุณ ผู้อ่านที่ต้องการทราบข้อมูลเพิ่มเติมสามารถเยี่ยมชม MeetKai