ซาราห์ นากี้ ผู้ก่อตั้งและซีอีโอของ Seek AI – สัมภาษณ์แบบซีรีส์

ซาราห์ นากี้ เป็นผู้ก่อตั้งและซีอีโอของ Seek AI ซึ่งเป็นแพลตฟอร์มที่ช่วยให้ผู้ใช้งานระดับธุรกิจสามารถถามคำถามที่พวกเขาต้องการทราบเกี่ยวกับข้อมูลได้โดยตรงผ่าน Slack, Teams และอีเมล โดยไม่ต้องมีการ “ปรับแต่ง” วิธีการเขียนคำถามหรือเรียนรู้แพลตฟอร์มใหม่

คุณเริ่มต้นอาชีพการงานของคุณในฐานะนักวิจัยโดยใช้ข้อมูลจากกล้องโทรทรรศน์อวกาศฮับเบิล คุณทำงานเกี่ยวกับอะไร?

ฉันทำงานวิจัยที่ UCLA และ Caltech โดยศึกษากลุ่มกาแลคซี่ที่ไกลที่สุดที่สามารถสังเกตได้ด้วยกล้องโทรทรรศน์ และวิเคราะห์คุณสมบัติของพวกมัน เช่น มวลและขนาด เพื่อช่วยให้เราเข้าใจความแตกต่างระหว่างกาแลคซี่ที่อยู่ห่างไกลและกาแลคซี่ที่อยู่ใกล้กับเรา และพัฒนามอเดลสำหรับการก่อตัวของกาแลคซี่เหล่านี้

จากนั้นคุณทำงานเป็นนักวิทยาศาสตร์ข้อมูลที่สตาร์ทอัพหลายแห่ง คุณมีโปรเจคที่น่าสนใจอะไรบ้าง?

หนึ่งในโปรเจคที่น่าสนใจคือการใช้การประมวลผลภาษาธรรมชาติ (NLP) เพื่อจัดประเภทข้อความที่ไม่มีโครงสร้างเกี่ยวกับสินค้าปลีก ตัวอย่างเช่น การใช้ข้อความที่ไม่มีโครงสร้าง (เช่น “air jordans green”) และจัดประเภทเป็นยี่ห้อที่คาดการณ์ไว้ (เช่น “Nike”) ฉันมีเพื่อนที่ทำงานเกี่ยวกับ NLP แต่เขากำลังทำงานโปรเจคอื่น ดังนั้นโปรเจคนี้จึงถูกมอบหมายให้ฉัน ฉันไม่รู้อะไรเกี่ยวกับ NLP ในขณะนั้น ดังนั้นฉันจึงต้องเรียนรู้จากคอร์สฟรีของ Stanford และ Fast.ai เพื่อเพิ่มความรู้ของฉัน ฉันชอบเรียนรู้เกี่ยวกับ NLP และเริ่มเข้าใจว่าทำไมมันจึงสำคัญ และทำไม AI ที่สามารถเข้าใจภาษาเป็นขั้นตอนที่สำคัญในการพัฒนา “AI ทั่วไป” ประสบการณ์นี้ทำให้ฉันพร้อมที่จะเข้าใจความสำคัญของ GPT-3 เมื่อมันถูกเปิดตัว

คุณสามารถเล่าเรื่องราวเกี่ยวกับการก่อตั้ง Seek AI ได้หรือไม่?

เมื่อโมเดล GPT-3 ของ OpenAI ถูกเปิดตัว ฉันรู้สึกตื่นเต้นมากและเห็นถึงความก้าวหน้าที่น่าเหลือเชื่อของมัน และฉันเริ่มสนใจในเรื่องของการเขียนโค้ดโดยใช้ AI หลังจากที่ฉันเขียนโค้ดทั้งวันในฐานะนักวิทยาศาสตร์ข้อมูล และเห็น AI ที่สามารถเขียนโค้ดได้สมบูรณ์แบบ ฉันรู้สึกเหมือนกับเมื่อฉันเรียนรู้เกี่ยวกับ VR ในปี 2013 ซึ่งเป็นอีกหนึ่งประสบการณ์ที่น่าเหลือเชื่อของฉัน ฉันตัดสินใจที่จะก่อตั้งสตาร์ทอัพเพื่อใช้เทคโนโลยีนี้ ฉันไม่รู้ว่าฉันจะสร้างอะไร แต่ฉันมีความรู้สึกว่าถ้าฉันเรียนรู้เพิ่มเติมเกี่ยวกับโมเดลเหล่านี้ สิ่งที่มีค่าจะเกิดขึ้น

เมื่อฉันเรียนรู้เกี่ยวกับโมเดลเหล่านี้แล้ว ฉันก็รู้ว่าฉันสามารถแก้ปัญหาได้ ซึ่งเป็นปัญหาที่ฉันพบเห็นทุกที่ที่ฉันทำงานในฐานะนักวิเคราะห์ข้อมูลหรือนักวิทยาศาสตร์ข้อมูล ปัญหาเหล่านี้คือการให้ผู้ใช้งานระดับธุรกิจสามารถตอบคำถามของตนเองเกี่ยวกับข้อมูลได้ โดยไม่ต้องมีการ “ปรับแต่ง” วิธีการเขียนคำถามหรือเรียนรู้แพลตฟอร์มใหม่ เมื่อฉันเป็นนักวิทยาศาสตร์ข้อมูล ฉันจะทำงานในโครงการที่ต้องมีการมุ่งเน้น แต่ฉันก็ถูกขัดจังหวะบ่อยๆ โดยเพื่อนร่วมงานในฝ่ายธุรกิจที่มีคำถามเกี่ยวกับข้อมูล ซึ่งทำให้ฉันต้องหยุดงานที่ฉันทำอยู่ การทำงานในลักษณะนี้ดูเหมือนไม่มีประสิทธิภาพและไม่เหมาะสม เมื่อฉันเป็น CEO ในปัจจุบัน ฉันเข้าใจถึงความสำคัญของโครงการเหล่านี้ในระดับที่ลึกกว่าเมื่อฉันเป็นนักวิทยาศาสตร์ข้อมูล ฉันพบว่าฉันต้องการข้อมูลที่ฉันสามารถเข้าถึงได้โดยตรงเพื่อช่วยในการตัดสินใจของฉัน ซึ่งเป็นตัวอย่างของสิ่งที่เรากำลังแก้ไขที่ Seek

Seek AI ใช้ AI ที่สร้างข้อมูล (Generative AI) คุณสามารถอธิบายให้ผู้อ่านของเราฟังได้หรือไม่?

“AI ที่สร้างข้อมูล” เป็นคำที่มีการตลาดมาก แต่ไม่เหมือนคำที่มีการตลาดอื่นๆ ฉันไม่คิดว่าการตลาดนี้ไม่สมเหตุสมผล คำนี้หมายถึงโมเดลการเรียนรู้ของเครื่องขนาดใหญ่ที่มีพารามิเตอร์หลายร้อยพันล้าน เช่น DALL-E และ GPT-3 ของ Open AI โมเดลเหล่านี้สามารถเข้าใจภาษาธรรมชาติและสร้างข้อความ ภาพ โค้ด และอื่นๆ ได้ หากคุณเล่นกับ DALL-E หรือ Stable Diffusion คุณจะเข้าใจได้อย่างรวดเร็วว่าทำไมโมเดลเหล่านี้จึงมีการตลาดมาก โมเดลเหล่านี้มีความสามารถในการเข้าใจคำสั่งภาษาธรรมชาติและสร้างศิลปะที่เทียบเท่ากับศิลปิน人类ที่ดีที่สุด

การสร้างโค้ดเป็นหนึ่งในการประยุกต์ใช้ AI ที่สร้างข้อมูลที่สำคัญที่สุด แต่ก็เป็นหนึ่งในที่ซับซ้อนที่สุด ข้อมูลกำลังใหญ่ขึ้นและซับซ้อนมากขึ้น ทำให้การวิเคราะห์และจัดระเบียบข้อมูลด้วยตนเองเป็นเรื่องที่ยากขึ้น แต่มีข้อมูลมากมายที่ถูกเข้ารหัสในข้อมูลนี้ ข้อมูลนี้ไม่เพียงแต่สำคัญสำหรับองค์กรเท่านั้น แต่ยังสามารถนำไปสู่การค้นพบทางวิทยาศาสตร์ที่น่าเหลือเชื่อในด้านวิชาการด้วย การสร้าง AI ที่สามารถดึงคุณค่าจากข้อมูลจะปลดล็อกคุณค่าที่มีประโยชน์ในรูปแบบของข้อมูลที่มีประโยชน์

Seek AI กำลังสร้างอินเทอร์เฟซที่ช่วยให้ผู้ใช้สามารถโต้ตอบกับข้อมูลโดยใช้ภาษาธรรมชาติ ผู้ใช้สามารถเข้าถึงอินเทอร์เฟซภาษาธรรมชาติของ Seek AI ได้โดยใช้ email, Slack, ข้อความ และระบบจัดการความสัมพันธ์ลูกค้า (CRM) ต่างๆ

มีประเภทอื่นๆ ของการเรียนรู้ของเครื่องที่ใช้ที่ Seek AI หรือไม่?

แม้ว่า AI ที่สร้างข้อมูลจะเป็นส่วนหนึ่งของโครงสร้างการเรียนรู้ของเครื่องของเรา แต่โครงสร้างของเรายังรวมถึงโมเดลการเรียนรู้ของเครื่องลึกแบบเปิดซอร์สหลายแบบ โมเดล Transformer (ซึ่งเป็นรูปแบบหนึ่งของ “AI ที่สร้างข้อมูล”) เป็นส่วนหนึ่งของโมเดลที่ Seek ใช้

ทำไมการให้ผู้ใช้ที่ไม่ใช่เทคนิคสามารถเข้าถึงข้อมูลได้อย่างรวดเร็วจึงสำคัญ?

ข้อมูลมีประโยชน์อะไรถ้าไม่ได้สร้างผลตอบแทนที่ดี และธุรกิจจะสามารถสร้างผลตอบแทนนี้ได้อย่างไรถ้าผู้ใช้ระดับธุรกิจไม่สามารถเข้าถึงข้อมูลได้? นี่คือเหตุผลที่การให้การเข้าถึงข้อมูลแก่ผู้ใช้ที่ไม่ใช่เทคนิคเป็นเรื่องที่สำคัญที่สุด โดยไม่กระทบต่อความถูกต้อง

เมื่อฉันเป็นนักวิทยาศาสตร์ข้อมูล ฉันจะทำงานในโครงการที่ต้องมีการมุ่งเน้น แต่ฉันก็ถูกขัดจังหวะบ่อยๆ โดยเพื่อนร่วมงานในฝ่ายธุรกิจที่มีคำถามเกี่ยวกับข้อมูล ซึ่งทำให้ฉันต้องหยุดงานที่ฉันทำอยู่ การทำงานในลักษณะนี้ดูเหมือนไม่มีประสิทธิภาพและไม่เหมาะสม เมื่อฉันเป็น CEO ในปัจจุบัน ฉันเข้าใจถึงความสำคัญของโครงการเหล่านี้ในระดับที่ลึกกว่าเมื่อฉันเป็นนักวิทยาศาสตร์ข้อมูล ฉันพบว่าฉันต้องการข้อมูลที่ฉันสามารถเข้าถึงได้โดยตรงเพื่อช่วยในการตัดสินใจของฉัน ซึ่งเป็นตัวอย่างของสิ่งที่เรากำลังแก้ไขที่ Seek

Seek AI ช่วยให้ผู้ใช้สามารถเข้าถึงข้อมูลได้อย่างรวดเร็วได้อย่างไร?

สิ่งที่น่าสนใจคือการวิเคราะห์ข้อมูลสามารถทำได้โดยใช้โค้ดเท่านั้น แม้ว่าจะมีแพลตฟอร์มที่เป็น抽象ของโค้ด (เช่น แดชบอร์ดข้อมูล) แต่ด้านล่างนั้นยังมีโค้ดที่เขียนด้วยตนเองโดยนักวิเคราะห์ข้อมูล ซึ่งช่วยให้ข้อมูลสามารถนำเสนอให้กับผู้ใช้ระดับธุรกิจได้

ผู้ใช้ระดับธุรกิจส่วนใหญ่ไม่รู้จักโค้ด ไม่ต้องการเขียนโค้ด หรือไม่สามารถเข้าถึงข้อมูลได้แม้ว่าพวกเขาจะต้องการเขียนโค้ดเพื่อวิเคราะห์ข้อมูลก็ตาม ดังนั้น เมื่อพวกเขาต้องการข้อมูล พวกเขาจะต้องค้นหาในแดชบอร์ดหรือถามทีมข้อมูลว่าพวกเขาสามารถหาข้อมูลได้หรือไม่ เมื่อข้อมูลมีขนาดใหญ่ขึ้น สิ่งนี้จะเกิดขึ้นบ่อยขึ้น

ทีมข้อมูลจึงต้องเป็น “ผู้แปล” ของคำถามภาษาธรรมชาติที่ส่งไปยังพวกเขา และข้อมูลเอง ซึ่งพวกเขาจะถามโดยใช้โค้ด การลบ “ผู้แปล” ระหว่างนี้คือสิ่งที่ Seek กำลังทำ

วิธีการที่องค์กรสามารถรับรองว่าข้อมูลที่พวกเขาสามารถเข้าถึงได้นั้นถูกต้อง?

การบริหารจัดการระหว่างความถูกต้องของข้อมูลและความสามารถในการเข้าถึงข้อมูลเป็นความท้าทายที่ยิ่งใหญ่ ดังที่ฉันกล่าวไว้ในการสัมภาษณ์เมื่อเร็วๆ นี้ ในด้านหนึ่ง การเข้าถึงข้อมูลช่วยให้ผู้ใช้ที่ไม่ใช่เทคนิคสามารถโต้ตอบกับข้อมูลได้ แต่ในอีกด้านหนึ่ง ถ้าข้อมูลไม่ถูกต้อง จะไม่มีประโยชน์ gì ทีมข้อมูลที่ดีที่สุดคือทีมที่สามารถบริหารจัดการความท้าทายนี้ได้ดีที่สุด และสิ่งหนึ่งที่สำคัญคือการปรับและตรวจสอบเครื่องมือที่ผู้ใช้ที่ไม่ใช่เทคนิคสามารถโต้ตอบกับข้อมูลได้

มีตัวอย่างการใช้งาน Seek AI อย่างไร?

เรากำลังให้บริการลูกค้าและพันธมิตรด้านการออกแบบในตลาด B2B SaaS, Fintech, Consumer Product Goods (CPG) และ B2C e-commerce

Battlefin เป็นตัวอย่างหนึ่ง ซึ่งเป็นตลาดหลักของข้อมูลทางการเงินแบบเลือกสรร พวกเขามองว่าการให้คำตอบที่รวดเร็วและคุณภาพสูงแก่ลูกค้าเป็นเรื่องที่สำคัญที่สุดในการแข่งขันกับคู่แข่ง CEO ของบริษัท Tim Harrington กล่าวว่า “Seek AI มีบทบาทสำคัญในกลยุทธ์ของเราในปี 2023 เนื่องจากให้ความได้เปรียบในการเข้าถึงและวิเคราะห์ข้อมูล 2,400 ชุดของเราเพื่อตอบคำถามของลูกค้า ฉันคาดว่าผลตอบแทนที่เราได้รับจาก Seek AI จะอยู่ที่ประมาณ 10 เท่าของที่เราจะใช้ในการบรรลุประสิทธิภาพนี้โดยไม่มีแพลตฟอร์ม”

มีอะไรอีกที่คุณต้องการแบ่งปันเกี่ยวกับ Seek AI?

นี่อาจเป็นจุดที่เหมาะสมสำหรับการโปรโมตแบบไม่ซับซ้อน Seek กำลังให้บริการทดลองใช้แพลตฟอร์มของเรา ซึ่งสามารถเข้าถึงได้ที่ seek.ai เรารู้สึกตื่นเต้นที่จะเป็นผู้บุกเบิกในการนำ AI ที่สร้างข้อมูลมาใช้กับทีมข้อมูล และฉันรู้สึกตื่นเต้นที่จะเดินทางไปกับลูกค้าของเรา

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม Seek AI เพื่อเรียนรู้เพิ่มเติม