Stefan Mesken หัวหน้านักวิทยาศาสตร์ของ DeepL – บทสัมภาษณ์

Stefan Mesken, Chief Scientist at DeepL, ได้ใช้เวลาเกินกว่าห้าปีที่ DeepL โดยพัฒนาการวิจัยและความเป็นผู้นำทางวิทยาศาสตร์ โดยเริ่มต้นในตำแหน่ง Research Scientist ในเดือนตุลาคม 2020 ก่อนจะเลื่อนตำแหน่งเป็น VP of Research ในเดือนพฤศจิกายน 2023 และเข้ารับตำแหน่งปัจจุบันในเดือนเมษายน 2025 ที่มิวนิก ก่อนที่จะเข้าร่วม DeepL เขา曾ทำงานเป็น Data Scientist ที่ real.digital ในพื้นที่โคโลญ-บอนน์ และทำการวิจัยด้านตรรกวิทยาทางวิชาการที่มหาวิทยาลัยมุนสเตอร์ การทำงานของเขาเชื่อมระหว่างการวิจัยทางคณิตศาสตร์ขั้นพื้นฐานและ AI ที่ใช้การประยุกต์ ทำให้เขามีตำแหน่งที่เหมาะสมในการนำทิศทางทางวิทยาศาสตร์เบื้องหลังโมเดลภาษาขนาดใหญ่และระบบ AI หลายภาษาของ DeepL

DeepL เป็นบริษัท AI ของเยอรมันที่มุ่งเน้นในการสร้างระบบ AI ภาษาที่สามารถแปลและสื่อสารได้อย่างแม่นยำและเข้าใจตามบริบทในมากกว่า 100 ภาษา ก่อตั้งขึ้นในปี 2017 และมีสำนักงานใหญ่อยู่ที่โคโลญ บริษัทให้บริการผู้ใช้หลายล้านคนในระดับโลกและให้บริการโซลูชันระดับองค์กรผ่านการสมัครสมาชิกและ API บริการของพวกเขาได้ขยายออกไปนอกเหนือจากบริการแปลภาษาเป็น Language AI Suite ที่ครอบคลุมมากขึ้น รวมถึงการช่วยเหลือการเขียนและการพูดที่ออกแบบมาเพื่อสนับสนุนการสื่อสารที่ปลอดภัยและปรับขนาดได้สำหรับธุรกิจและองค์กรระดับโลก

คุณเริ่มอาชีพของคุณในด้านตรรกวิทยาทางวิชาการก่อนที่จะย้ายไปสู่การวิทยาศาสตร์ข้อมูลที่ใช้การประยุกต์และในที่สุดก็เป็นผู้นำการวิจัยของ DeepL เมื่อมองย้อนกลับไป คุณคิดว่างานในด้านการให้เหตุผลแบบเป็นทางการในช่วงแรกนั้นได้影响วิธีคิดของคุณเกี่ยวกับการสร้างระบบ AI ระดับองค์กรที่มีความเป็นอิสระอย่างไร

สิ่งที่ดึงดูดให้ฉันเข้าสู่สาขาเชิงทฤษฎีและตรรกวิทยาทางวิชาการในตอนแรกคือความอยากรู้อยากเห็นที่ไม่สิ้นสุดในการเรียนรู้ว่าระบบเหล่านี้ทำงานอย่างไร – ตั้งแต่หลักการแรกและไปจนถึงความลึกที่เพิ่มขึ้นเรื่อยๆ ความอยากรู้อยากเห็นนี้เป็นสิ่งที่คงที่ในชีวิตของฉันตั้งแต่เด็ก และเป็นส่วนหนึ่งของงานที่ฉันรักมากที่สุด ปัจจุบันความท้าทายคือการขยายสถานะของการพัฒนา AI โดยมุ่งเน้นไปที่ความสามารถในการใช้งานในชีวิตจริงอย่างเข้มข้น นอกเหนือจากความปลอดภัยและความน่าเชื่อถือ ฉันใช้เวลาในการรับรองว่าธุรกิจและผู้ใช้ทุกประเภทจะได้รับประโยชน์จากเทคโนโลยีที่น่าเหลือเชื่อนี้ จนถึงตอนนี้ ทิศทางได้แตกต่างไป: การใช้ AI ในชีวิตจริงส่วนใหญ่จะใช้แบบไม่โต้ตอบ (เช่น ระบบแนะนำที่คุณใช้แต่ไม่สามารถควบคุมได้) หรือใช้โดยบุคคลที่มีการฝึกอบรมและเชี่ยวชาญทางเทคนิค (เช่น ผู้ช่วยในการเขียนโค้ด) ฉันต้องการลดช่องว่างนี้: ทุกคนและทุกองค์กรควรพร้อมสำหรับความสำเร็จและสามารถปฏิวัติวิธีการทำงานของตนได้

DeepL ได้สร้างชื่อเสียงในด้านการแปลที่มีความแม่นยำสูง คุณคิดว่าพื้นฐานในด้านการสร้างแบบจำลองภาษานี้มีอิทธิพลต่อการคิดในระยะแรกของบริษัทเกี่ยวกับการขยายออกไปนอกเหนือจากการแปลเป็นระบบ AI ที่กว้างขึ้นอย่างไร

สิ่งที่ทำให้ AI มีความพิเศษคือแนวคิดและความคิดที่คล้ายกันสามารถนำไปสู่การแก้ปัญหาใหม่ๆ ในโดเมนที่แตกต่างกันมาก: เครื่องเล่นหมากรุก, ระบบแนะนำ, การพับโปรตีน, รถยนต์ขับเคลื่อนอัตโนมัติ, เครื่องมือแปลภาษา และอื่นๆ ทั้งหมดนี้ได้รับการขับเคลื่อนโดยชุดหลักการและเทคนิคเดียวกัน หลังจากที่เราได้ทำความเข้าใจเทคนิคเหล่านี้มาเกือบหนึ่งทศวรรษแล้ว เราเริ่มคิดเกี่ยวกับปัญหาที่ต้องแก้ไขใหม่ๆ ภายในบริษัทนี้มักจะเกิดขึ้นเสมอ ซึ่งนำไปสู่การคิดค้น Glossary, Write, Voice, Customization Hub และอื่นๆ

ในฐานะ Chief Scientist คุณแยกแยะระหว่างการสร้างแบบจำลองภาษาที่สามารถสร้างผลลัพธ์ที่ไหลลื่นและระบบที่สามารถทำงานได้อย่างน่าเชื่อถือภายในกระบวนการทำงานขององค์กรจริงได้อย่างไร

แนวคิดหลักๆ นั้นคล้ายกันมาก: เราต้องเข้าใจอย่างลึกซึ้งว่าผู้ใช้ของเราต้องการอะไรและจัดแนวระบบ AI ของเรากับเป้าหมายและความชอบของผู้ใช้เหล่านั้น บางครั้งพวกมันจะชัดเจนและเปิดเผย แต่บางครั้งพวกมันก็ซับซ้อนและไม่ได้พูดถึง ในทั้งสองกรณี มันเป็นหน้าที่ของเราที่จะต้องแน่ใจว่างานที่เราทำมีคุณค่าสูงต่อผู้ใช้ของเรา
DeepL มีความโดดเด่นในด้านนี้เนื่องจากมุ่งเน้นไปที่ลูกค้าเป็นหลัก เราไม่ไล่ตามมาตรฐานเทียมหรือการเผยแพร่ทางวิชาการ – เราไล่ตามความพึงพอใจของลูกค้า ซึ่งไม่เคยสำคัญไปกว่านี้ เมื่อเราขยายขอบเขตและช่วยเหลือผู้คนในการทำงานประจำวันของพวกเขา

DeepL Agent เป็นการเปลี่ยนแปลงจาก AI ที่ช่วยเหลือไปสู่การดำเนินการอัตโนมัติ อะไรคือความท้าทายทางเทคนิคที่ยิ่งใหญ่ที่สุดในการทำให้การเปลี่ยนแปลงนี้ทำงานได้จริง

ความท้าทายที่ยิ่งใหญ่ที่สุดในการสร้าง DeepL Agent คือความสามารถในการใช้งาน สำหรับหลายปีแล้ว นิเวศระบบ AI ได้ให้บริการหลักๆ แก่นักพัฒนาและผู้เชี่ยวชาญทางเทคนิคที่มีความสามารถสูง ด้วย DeepL Agent เราตั้งเป้าที่จะเปลี่ยนแปลงสิ่งนี้และให้เครื่องมือที่ซับซ้อนแก่ผู้ทำงานด้านความรู้ทุกคนเพื่อแก้ไขและทำให้ปัญหาที่ซับซ้อนเป็นอัตโนมัติ เพื่อให้บรรลุเป้าหมายนี้ เราต้องมีระดับของความซับซ้อนที่เทียบเท่ากันในด้านการรับรู้, การให้เหตุผล, การวางแผน และการดำเนินการ แทนที่จะนำเสนอผู้ใช้ด้วยชุดเครื่องมือที่มีความ丰富แต่ซับซ้อน เราได้ทำงานอย่างหนักเพื่อสร้างโซลูชันที่สอดคล้องกัน, นุ่มนวล และ优雅สำหรับการช่วยเหลือแบบปลายถึงปลายและระบบอัตโนมัติของกระบวนการทำงาน

จากมุมมองด้านสถาปัตยกรรม ระบบ AI ต้องมีความสามารถอะไรบ้างจึงจะเชื่อถือได้ว่าสามารถทำงานอัตโนมัติในสถานการณ์องค์กร

สำหรับงานบริหารหลายอย่าง เทคโนโลยีนี้มีอยู่แล้ว DeepL Agent สามารถทำงานในระบบของคุณได้อย่างน่าเชื่อถือ, ขอคำแนะนำเมื่อต้องการ และให้การยืนยันแบบมีมนุษย์ในวงจรเมื่อต้องการ ซึ่งเป็นระดับของความฉลาดสังเคราะห์ที่เพียงไม่กี่เดือนก่อนหน้านี้ยังเป็นเรื่องแต่งเรื่อง อย่างไรก็ตาม ยังมีระยะทางไกลที่ต้องเดินทาง ในช่วงไม่กี่ปีข้างหน้า ตัวแทน AI จะกลายเป็นชั้นการผลิตที่ทำงานอยู่เบื้องหลังในธุรกิจ – ทำงานอย่างไม่หยุดยั้ง, ร่วมมือกับมนุษย์และกันและกันเพื่อกำจัดงานที่ไม่จำเป็นและเพิ่มขีดความสามารถให้เราแก้ไขปัญหาที่เคยอยู่นอกเหนือความสามารถของเรา

คุณได้พูดถึงความเข้าใจภาษาที่ลึกซึ้งเป็นข้อกำหนดเบื้องต้นสำหรับตัวแทน AI ที่มีความรับผิดชอบ คุณหมายถึง “ลึก” ในบริบทนี้อย่างไร นอกเหนือจากความคล่องแคล่วในระดับผิวเผิน

ภาษามีความคลุมเครือและขึ้นอยู่กับบริบทอย่างมาก – โดยเฉพาะในด้านวิชาชีพ คุณอาจเคยสังเกตเห็นสิ่งนี้ด้วยตัวคุณเอง: การฟังกลุ่มเพื่อนที่พูดถึงงานอดิเรกที่คุณไม่ได้ทำหรือการเชี่ยวชาญทางวิชาชีพที่คุณไม่มีประสบการณ์… อาจจะไม่เข้าใจกันสำหรับผู้ที่ไม่ได้อยู่ในวง แต่พวกเขาก็เข้าใจกันเองอย่างสมบูรณ์แบบ เราต้องการให้การช่วยเหลือของ AI รู้สึกเหมือนพูดคุยกับเพื่อนร่วมงานที่มีประสบการณ์และเชื่อถือได้ซึ่งทำงานร่วมกันมาหลายปี ความชอบที่ไม่ได้กล่าวถึงควรยังคงไม่ได้กล่าวถึง คุณไม่ควรต้องอธิบายซ้ำๆ ว่าคุณต้องการให้ทำงานอย่างไร สิ่งนี้อาจดูเหมือนเป็นเรื่องธรรมดา แต่ต้องใช้การวิจัยอย่างมากเพื่อให้ได้ผลลัพธ์ที่ถูกต้อง นั่นคือสิ่งที่ฉันหมายถึง “ความเข้าใจภาษาที่ลึกซึ้ง”

คุณเข้าใกล้การป้องกันและกำกับดูแลอย่างไรเมื่อใช้ระบบอัตโนมัติที่สามารถดำเนินการจริงแทนที่จะให้คำแนะนำเพียงอย่างเดียว

เพื่อให้การช่วยเหลือของ AI ทำงานได้ในบริบททางธุรกิจ เราต้องสร้างสมดุลระหว่างความสามารถและความควบคุมอย่างรอบคอบ ความสามารถที่เพิ่มขึ้นสร้างโอกาสที่ยิ่งใหญ่สำหรับการเพิ่มผลผลิต แต่ถ้าปล่อยให้ไม่มีการควบคุม จะกลายเป็นภัยคุกคาม สิ่งนี้ไม่สามารถเกิดขึ้นได้ ตั้งแต่วันแรก DeepL Agent ได้รับการติดตั้งด้วยการป้องกันระดับองค์กรในรูปแบบต่างๆ พื้นที่ทำงานร่วมกันให้ผู้ใช้ควบคุมข้อมูลและเข้าถึงได้อย่างแม่นยำ ขณะเดียวกันก็เปิดใช้งานการตรวจสอบและกำกับดูแลของมนุษย์ และการยืนยันแบบมีมนุษย์ในวงจร นอกจากนี้ ผู้ดูแลระบบยังมีการควบคุมที่ละเอียดถี่ถ้วนเกี่ยวกับระบบที่ DeepL Agent สามารถเข้าถึงได้ และกลไกในการแจ้งเตือนเครื่องมือพื้นฐานเมื่อถูกดำเนินการโดยตัวแทน

คุณได้เรียนรู้บทเรียนอะไรเกี่ยวกับการย้ายแนวคิดจากงานวิจัยไปสู่การผลิตโดยไม่สูญเสียความน่าเชื่อถือหรือวินัยทางวิทยาศาสตร์

ช่องว่างระหว่างการวิจัยและการพัฒนาผลิตภัณฑ์นั้นกว้างกว่าที่คิดไว้ ทั้งสองเริ่มต้นด้วยแนวทางที่เข้มงวดในการแก้ปัญหาที่ไม่สามารถแก้ไขได้ก่อนหน้านี้และบันทึกอย่างรอบคอบว่าสิ่งใดที่ได้ผลและสิ่งใดที่ไม่ได้ผล ในขณะที่การวิจัยสามารถทำให้ขอบเขตง่ายขึ้นและถือว่าโลกเป็นแบบจำลองที่เรียบง่าย การพัฒนาผลิตภัณฑ์จะต้องคำนึงถึงความซับซ้อนของบริบทผู้ใช้จริง การใช้เครื่องมือเป็นตัวอย่างที่สำคัญในการช่วยเหลือของ AI การใช้เครื่องมืออาจดูเหมือนเป็นเรื่องง่าย แต่ความเป็นจริงแตกต่างไปมาก เช่นเดียวกับรถยนต์ขับเคลื่อนอัตโนมัติที่ต้องจัดการกับความซับซ้อนของโครงสร้างพื้นฐานในปัจจุบัน ตัวแทน AI ต้องทำงานได้อย่างมีประสิทธิภาพภายในรูปแบบการเข้าถึง, ข้อมูล และระบบที่ธุรกิจต่างๆ พึ่งพา สิ่งนี้เป็นความเข้าใจเร็วๆ นี้ที่อยู่ในใจของการออกแบบ DeepL Agent

เมื่อ DeepL ขยายตัวจากแพลตฟอร์มภาษาที่มุ่งเน้นไปสู่ระบบ AI ระดับองค์กรที่กว้างขึ้น คุณตัดสินใจอย่างไรว่าควรควบคุมความสามารถใดอย่างเข้มงวดและความสามารถใดที่ควรเปิดเผยให้มีพฤติกรรมอิสระมากขึ้น

ระดับการควบคุมที่ต้องการสำหรับงานถูกกำหนดโดยสองปัจจัย: ความน่าเชื่อถือของบุคคลหรือระบบที่ทำหน้าที่และผลกระทบที่อาจเกิดขึ้นจากข้อผิดพลาด สิ่งนี้ใช้ได้กับทั้งการดำเนินการของมนุษย์และเครื่องจักร ความน่าเชื่อถือของ AI เพิ่มขึ้นอย่างมากในช่วงไม่กี่ปีที่ผ่านมาและจะยังคงดีขึ้น ดังนั้นการควบคุมที่เข้มงวดจึงจำเป็นต้องมีน้อยลงสำหรับงานต่างๆ ในที่สุด ความน่าเชื่อถือของ AI จะเกินระดับของผู้เชี่ยวชาญมนุษย์สำหรับงานหลายอย่าง สิ่งนี้ยังใช้กับกลไกการควบคุมซึ่งจะเปลี่ยนไปสู่การกำกับดูแลของ AI มากขึ้น ภายใน DeepL Agent แล้วทำเช่นนี้ โดยขอความช่วยเหลือจากผู้ใช้เมื่อไม่สามารถแก้ไขตนเองได้

เมื่อมองไปข้างหน้า คุณคิดว่าความก้าวหน้าใดๆ ในด้านความเข้าใจภาษาหรือการออกแบบตัวแทนจะส่งผลกระทบต่อ AI ระดับองค์กรในช่วงสองปีข้างหน้าอย่างมากที่สุด

ตัวแทน AI จะไม่เพียงแต่ช่วยเหลือในการทำงานแต่ละอย่างเท่านั้น แต่ยังจะสร้างชั้นการผลิตที่ร่วมมือกันในธุรกิจ – ทำงานอยู่เบื้องหลังเพื่อลดการรบกวน, เตรียมและนำเสนอข้อมูลเมื่อต้องการ และแก้ไขปัญหาและงานที่ซับซ้อนที่เพิ่มขึ้นอย่างสมบูรณ์ในพื้นหลัง

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม DeepL เพื่อเรียนรู้เพิ่มเติม