จิม แมคโกวัน หัวหน้าผลิตภัณฑ์ของ ElectrifAi – ซีรีส์สัมภาษณ์

จิม แมคโกวัน เป็นหัวหน้าผลิตภัณฑ์ของ ElectrifAi ซึ่งเชี่ยวชาญในการดึงข้อมูลจำนวนมากที่แตกต่างกัน และแปลงข้อมูลที่ไม่มีโครงสร้างและโครงสร้างที่ซับซ้อนให้เป็นข้อมูลทางธุรกิจที่สามารถนำไปใช้ได้

อะไรที่ดึงดูดคุณเข้าสู่โลกของการเรียนรู้ของเครื่องและ AI?

ฉันพบกับการเรียนรู้ของเครื่องครั้งแรกเมื่อฉันกำลังศึกษาระดับ博士ในด้านวิทยาศาสตร์认知 ระบบ AI ในสมัยนั้นประกอบด้วยการสร้างแผนภูมิจากประสบการณ์ของผู้เชี่ยวชาญ แต่ระบบเหล่านั้นกลับซับซ้อนและไม่สามารถตอบสนองความต้องการได้ เมื่อการเรียนรู้ของเครื่องมาถึง จึงเปลี่ยนแปลงทุกอย่าง ElectrifAi สานต่อความหวังดังกล่าวโดยสร้างโซลูชันเพื่อช่วยให้ลูกค้าของเราทำธุรกิจได้ดีขึ้น

ElectrifAi ใช้ Practical AI เพื่อช่วยให้บริษัทต่างๆ ใช้ข้อมูลที่มีอยู่ให้เกิดประโยชน์สูงสุด คุณสามารถอธิบายได้ว่า ElectrifAi นิยาม Practical AI อย่างไร?

เราใช้ข้อมูลของลูกค้าเพื่อให้ข้อมูลเชิงลึกที่ชัดเจนและสามารถนำไปใช้ได้จริงสำหรับความต้องการทางธุรกิจของพวกเขา เราช่วยให้พวกเขาตัดสินใจได้ดีขึ้นและเร็วขึ้น Practical AI คือการแก้ปัญหาทางธุรกิจที่แท้จริงด้วยโซลูชันที่ทำงานได้ดี มีพื้นฐานมาจากความเข้าใจข้อมูลที่ชัดเจน มีผลลัพธ์ที่แน่นอน ติดตั้งได้ง่าย และมีคุณค่าทางธุรกิจที่มาก เราไม่ต้องการให้บริษัทต่างๆ ต้องเปลี่ยนระบบข้อมูลของตนเอง เราไม่ต้องการให้พวกเขาต้องใช้แบบจำลองธุรกิจใดแบบจำลองหนึ่ง เราไม่ต้องใช้เวลาหนึ่งปีเพื่อสร้างบางสิ่งที่อาจไม่ใช่สิ่งที่ลูกค้าต้องการ เราให้โซลูชันที่ยืดหยุ่น มีคุณภาพสูง และใช้งานง่าย ซึ่งทำสิ่งที่ตั้งใจไว้ได้ดีมาก นั่นคือ Practical AI

เรามั่นใจว่าด้วยโซลูชันทุกอย่างที่เราให้มา เราจะบรรลุเป้าหมายต่อไปนี้:

• เวลาในการให้คุณค่าที่ดีที่สุด
• การทำความสะอาดข้อมูลที่ดีที่สุด
• ข้อมูลเชิงลึกที่ดีที่สุด
• ผลตอบแทนที่ดีที่สุด

คุณสามารถให้รายละเอียดเกี่ยวกับวิธีที่ ElectrifAi ช่วยให้บริษัทต่างๆ ใช้ Practical AI ได้อย่างไร?

เราเรียกข้อมูลจากทุกระบบ ไม่ว่าจะเป็นฐานข้อมูลที่พัฒนาขึ้นเอง โซลูชันที่ปรับแต่งจากผู้ให้บริการรายใหญ่ หรือแม้กระทั่งข้อมูลที่ถูกดัมพ์จากแอปพลิเคชันเก่า เราทำความสะอาดและเข้าใจข้อมูลนั้น และค้นหาสัญญาณที่ชัดเจนและเป็นประโยชน์จากความวุ่นวายนั้น จากนั้นเราจะใช้การเรียนรู้ของเครื่องเพื่อสร้างข้อมูลเชิงลึกที่มีค่าจากสัญญาณเหล่านั้น และสุดท้าย เราจะแนะนำวิธีการดำเนินการตามข้อมูลเชิงลึกเหล่านั้น SpendAi เป็นตัวอย่างที่ดี เราใช้การเรียนรู้ของเครื่องเพื่อทำความสะอาดข้อมูล และใช้การเรียนรู้ของเครื่องอีกครั้งเพื่อจัดหมวดหมู่ 98-99% ของข้อมูลจากระบบจัดซื้อของลูกค้า เรายังให้ลูกค้าสามารถควบคุมการจำแนกประเภทได้ในระดับละเอียด ในเวลาเพียงไม่กี่วินาที ผ่านอินเทอร์เฟซแบบลากและวาง นั่นเป็นสิ่งที่ไม่เหมือนใครและมีพลังมาก จากนั้นเราจะใช้กลุ่มของอัลกอริทึมการเรียนรู้ของเครื่องเพื่อให้มุมมองที่ชัดเจนและง่ายเกี่ยวกับวิธีการใช้จ่าย เราใช้การเรียนรู้ของเครื่องเพื่อแปลสัญญาและดึงข้อกำหนดที่สำคัญออกมา จากนั้นเราจะใช้การเรียนรู้ของเครื่องอีกครั้งเพื่อให้คำแนะนำเฉพาะเจาะจง ตัวอย่างเช่น ลูกค้าอาจมีสิทธิ์ได้รับส่วนลดจากข้อกำหนดที่ซ่อนอยู่ในเงื่อนไขสัญญา หรือพวกเขาอาจพึ่งพาผู้ขายในหมวดหมู่ที่มีความเสี่ยงทางการเงินเอง ลูกค้าอาจไม่ได้ใช้ประโยชน์จากตำแหน่งของตนอย่างเต็มที่กับผู้ขายที่ดำเนินงานภายใต้ชื่อและแผนกหลายแห่งของบริษัท เราจะนำสิ่งเหล่านั้นขึ้นมาและทำความสะอาดให้ลูกค้า เพื่อให้พวกเขาสามารถลดการใช้จ่าย เพิ่มทุนหมุนเวียน และลดความเสี่ยง

คุณสามารถพูดถึง PulmoAi CT และวิธีที่มันสามารถเพิ่มประสิทธิภาพสำหรับรังสีวิทยาและปรับปรุงผลลัพธ์ทางรังสีวิทยาได้อย่างไร?

PulmoAi CT เป็นผลิตภัณฑ์วิเคราะห์ภาพที่ซับซ้อนซึ่งออกแบบมาโดยเฉพาะสำหรับการสแกน CT ของปอด โดยการผสมผสาน Practical AI, Machine Learning (ML) และเทคโนโลยีการประมวลผลภาพ PulmoAi CT จะแบ่งส่วนการสแกน CT ของปอดเป็นพิกเซลต่อพิกเซล โดยไม่มีการเบลอหรือการบิดเบือนเหมือนกับเทคโนโลยีที่คล้ายกัน ผลลัพธ์: ภาพ 3 มิติที่มีความคมชัด—ทำให้สามารถระบุอาการบ่งชี้ของเนื้องอก น็อดูล COVID-19 และความผิดปกติอื่นๆ ได้ทันที ด้วย PulmoAi CT รังสีวิทยาสามารถซูมเข้าไปในรายละเอียดของปอดได้อย่างง่ายดาย โดยมองเห็นข้อมูลวิเคราะห์ทางคลินิกและภาพดั้งเดิมพร้อมๆ กัน PulmoAi CT จะวัดคุณลักษณะของปอดแต่ละอย่างด้วยเมตริกที่แม่นยำ รวมถึงขนาด รูปร่าง และปริมาตร ทำให้สามารถติดตามความก้าวหน้าของความผิดปกติได้อย่างระมัดระวัง แม้ในกรณีที่มีหลายความผิดปกติ

PulmoAi CT เป็นเทคโนโลยีที่แตกต่างจากผลิตภัณฑ์ใดๆ ในตลาดหรือแม้กระทั่งห้องปฏิบัติการวิจัย ผลลัพธ์เป็นการเปลี่ยนแปลงเกม มีอะไรไม่เหมือนมันเลย ไม่ใช่วิธีการที่ใช้กำลังในการบังคับซึ่งต้องใช้ตัวอย่างหลายหมื่นตัวอย่างจึงจะทำงานได้ PulmoAi CT ให้ผลลัพธ์เมื่อโซลูชัน AI อื่นๆ ยังคงกำลังมองหาข้อมูลฝึกอบรม มัน強และจะเปลี่ยนแปลงสิ่งที่รังสีวิทยาสามารถทำได้

อีกหนึ่งผลิตภัณฑ์ของ ElectrifAi คือ PulmoAi X-ray ซึ่งจัดการกับการใช้รังสี X ในพื้นที่วิกฤติ คุณสามารถพูดถึงเทคโนโลยีนี้ได้อย่างไร?

PulmoAi X-ray จัดการกับการใช้รังสี X ในพื้นที่วิกฤติในปัจจุบัน โดยปรับให้เหมาะสมกับความท้าทายของการระบาดใหญ่ PulmoAi X-ray ไปไกลกว่าการแยกปอดที่มีสุขภาพดีจากปอดที่ติดเชื้อ COVID-19 โซลูชันบนคลาวด์ระบุความแตกต่างที่สำคัญระหว่างผู้ป่วยที่ติดเชื้อโควิด-19 ที่ส่งกลับบ้านและฟื้นตัวได้อย่างปลอดภัย และผู้ป่วยที่ส่งกลับบ้านแต่ต้องกลับมารับการรักษาในโรงพยาบาลอีกครั้ง โดยได้รับการฝึกอบรมจากการสแกนปอดในโรงพยาบาลพื้นที่วิกฤติ PulmoAi X-ray ใช้เทคโนโลยีเครือข่ายประสาทเทียมลึกเพื่อระบุความผิดปกติที่สำคัญที่เกี่ยวข้องกับ COVID-19 PulmoAi X-ray มีเอกลักษณ์เฉพาะตัวเนื่องจากได้รับการปรับให้เหมาะสมเพื่อตอบคำถามที่โรงพยาบาลในพื้นที่วิกฤติต้องการตอบ: การกักตัวที่บ้านจะทำงานหรือผู้ป่วยต้องการการรักษาในโรงพยาบาล?

ผลิตภัณฑ์อื่นๆ ของ ElectrifAi คือ ContractAi ซึ่งใช้ Practical AI, Machine Learning และการประมวลผลภาษาธรรมชาติ (NLP) เพื่ออ่าน วิเคราะห์ และเปรียบเทียบสัญญาทั่วทั้งองค์กร คุณสามารถพูดถึงผลิตภัณฑ์นี้และกรณีการใช้งานที่ดีที่สุดสำหรับมัน?

ContractAi ได้รับการออกแบบสำหรับผู้ใช้ที่โต้ตอบกับสัญญาในบทบาทการดำเนินงานประจำวัน ตัวอย่างเช่น ContractAi ช่วยให้บุคคลในกลุ่มจัดซื้อสามารถวิเคราะห์การใช้จ่ายกับสัญญาได้ เมื่อเร็วๆ นี้ โดยมีผลกระทบทางเศรษฐกิจเนื่องจาก COVID-19 ซอฟต์แวร์นี้ช่วยให้บริษัทต่างๆ เข้าใจถึงอำนาจต่อรองที่พวกเขาอาจมีในการออกจากสัญญากับผู้ขาย เมื่อความสามารถนี้เชื่อมต่อกับผลิตภัณฑ์ SpendAi ของเรา จะสามารถเข้าใจผลกระทบทางการเงินของอำนาจต่อรองนั้นได้ทันที หนึ่งในข้อได้เปรียบหลักของเทคโนโลยีนี้คือสามารถทำงานกับข้อมูลสัญญาในรูปแบบใดๆ ก็ได้ โดยไม่ต้องมีการป้อนข้อมูลด้วยตนเองและไม่ต้องการรูปแบบเฉพาะ อีกข้อได้เปรียบหนึ่งคือเทคโนโลยีนี้ได้รับการออกแบบโดยเฉพาะสำหรับผู้ใช้ที่ใช้สัญญาในบทบาทการดำเนินงาน ซึ่งมีความกังวลที่แตกต่างจากที่นักกฎหมายมี

มีอะไรอีกไหมที่คุณต้องการแบ่งปันเกี่ยวกับ ElectrifAi?

ในฐานะบริษัท Machine Learning ระดับโลก เรามีมุมมองที่ไม่เหมือนใครเกี่ยวกับวิธีการพัฒนาและใช้ Machine Learning ในตลาดต่างๆ และในอุตสาหกรรมต่างๆ ข้อได้เปรียบที่สำคัญของมุมมองนี้คือความสามารถของเราในการเข้าใจว่าความสามารถของ Machine Learning (ML) สามารถถ่ายโอนจากภูมิภาคหนึ่งไปยังอีกภูมิภาคหนึ่งหรือจากตลาดหนึ่งไปยังอีกตลาดหนึ่งเพื่อช่วยแก้ปัญหาที่สำคัญ

ตัวอย่างเช่น เราใช้เวลาหลายปีไปทั่วโลกช่วยให้ธุรกิจต่างๆ มีส่วนร่วมกับลูกค้าโดยใช้การวิทยาศาสตร์ข้อมูล เราใช้ความเชี่ยวชาญนั้นเพื่อช่วยอุตสาหกรรมสุขภาพของสหรัฐฯ ในด้านการมีส่วนร่วมของผู้ป่วย ช่วยให้การรักษาสุขภาพเริ่มต้นใหม่ และช่วยให้ผู้ป่วยกลับเข้ารับการผ่าตัดเลือกที่สำคัญในโรงพยาบาล