Donny White, Satisfi Labs CEO'su ve Kurucu Ortağı - Röportaj Serisi

2016 yılında kurulan Satisfi Labs, lider bir diyaloga dayalı yapay zeka şirketidir. İlk başarı, New York Mets, Macy's ve ABD Açık'la yaptığı çalışmalardan geldi; bu, genellikle web sitelerinde bulunmayan bilgilere kolay erişim olanağı sağlıyordu.

Donny, yeni kurulan şirketler dünyasına girmeden önce Bloomberg'de 15 yıl geçirdi ve Cornell Üniversitesi'nden MBA ve Baruch College'dan lisans derecesine sahip. Donny'nin liderliğinde, Satisfi Labs Google, MLB ve Red Light Management'tan yatırım alarak spor, eğlence ve turizm sektörlerinde önemli bir büyüme kaydetti.

Girişimcilik dürtüsünü ilk hissettiğinizde 14 yıldır Bloomberg'deydiniz. Girişimci olmak neden birdenbire radarınıza girdi?

Üniversitenin üçüncü yılında Bloomberg'de resepsiyonist olarak işe başvurdum. Kapıya adım attığımda meslektaşlarıma eğer bana öğretmek isterlerse hızlı öğrenebileceğimi söyledim. Son senemde tam zamanlı bir çalışandım ve her ikisini de yapabilmek için tüm derslerimi gece derslerine kaydırmıştım. 21 yaşında üniversite mezuniyetime gitmek yerine, bu süreyi ilk takımımı yöneterek geçirdim. O andan itibaren meritokraside çalışma şansına sahip oldum ve birçok kez yükseltildim. 25 yaşına geldiğimde kendi departmanımı yönetiyordum. Oradan bölge yönetimine ve ardından ürün geliştirmeye geçtim ve sonunda tüm Amerika'da satış yapmaya başladım. 2013 yılına gelindiğinde daha büyük bir şey yapıp yapamayacağımı merak etmeye başladım. Genç teknoloji şirketleriyle birkaç görüşmeye gittim ve bir kurucu bana şöyle dedi: "Sen mi iyisin yoksa Bloomberg mi iyi bilmiyoruz." İşte o zaman bir şeylerin değişmesi gerektiğini anladım ve altı ay sonra ilk girişimim Datahug'da satıştan sorumlu başkan yardımcısı oldum. Kısa bir süre sonra Yelp'i altüst etmek isteyen bir grup yatırımcı tarafından işe alındım. Yelp hâlâ iyi durumdayken 2016'da yeni bir vizyon üzerinde anlaştık ve aynı yatırımcılarla birlikte Satisfi Labs'ı kurduk.

Satisfi Labs'ın arkasındaki oluşum hikayesini paylaşabilir misiniz?

Satisfi'nin şu anki CTO'su ve Kurucu Ortağı Randy ile Citi Field'da bir beyzbol maçındayken onların uzmanlık alanlarından birinin, çubukta domuz pastırması olduğunu duydum. Salonda dolaştık ve personele bu konuyu sorduk ancak hiçbir yerde bulamadık. Stadyumun bir ucunda saklandığı ortaya çıktı ve bu da sohbet yoluyla doğrudan takımla görüşmenin çok daha uygun olacağının farkına varılmasına yol açtı. İlk fikrimiz burada doğdu. Randy ve ben ikimiz de finans ve algoritmik ticaret geçmişinden geliyoruz, bu da bizi lokasyonlarda sorulacak son derece spesifik sorular için kendi NLP'mizi oluşturmak amacıyla talepleri cevaplarla eşleştirme konseptini kullanmaya yöneltti. Orijinal fikir, her biri belirli bir bilgi alanında, özellikle de bir web sitesinde kolayca erişilemeyen bilgilerde uzman olacak bireysel botlar oluşturmaktı. Buradan, sistemimiz gerektiğinde her bota dokunabilecek bir "iletkene" sahip olacaktı. Bu, bugün hala kullanılan orijinal sistem mimarisidir.

Satisfi Labs kendi NLP motorunu tasarlamıştı ve OpenAI, ChatGPT'nin piyasaya sürülmesiyle teknoloji yığınınızı altüst ettiğinde bir basın bülteni yayınlamanın eşiğindeydi. Bu dönemi ve bunun Satisfi Labs'ı işini değiştirmeye nasıl zorladığını anlatabilir misiniz?

6 Aralık 2022 için patent bekleyen Bağlam tabanlı NLP yükseltmemizi duyurmak için planlanmış bir basın bültenimiz vardı. 30 Kasım 2022'de OpenAI, ChatGPT'yi duyurdu. ChatGPT'nin duyurusu sadece yol haritamızı değil dünyayı da değiştirdi. Başlangıçta biz de herkes gibi ChatGPT'nin gücünü ve sınırlarını anlamak ve bunun bizim için ne anlama geldiğini anlamak için yarışıyorduk. Kısa sürede bağlamsal NLP sistemimizin ChatGPT ile rekabet etmediğini ancak aslında LLM deneyimini geliştirebileceğini fark ettik. Bu, OpenAI kurumsal ortağı olma konusunda hızlı bir karar alınmasına yol açtı. Sistemimiz, soruları ayrıntılı düzeyde anlama ve yanıtlama fikriyle başladığından beri, sistemi Yüksek Lisans'ları içerecek şekilde yükseltmek için "bot iletkeni" sistem tasarımını ve yedi yıllık amaç verilerini birleştirmeyi başardık.

Satisfi Labs yakın zamanda bir lansman başlattı Bağlam LLM Yanıt Sistemi patenti, bu özellikle nedir?

Bu Temmuz ayında, patent bekleyen Context LLM Yanıt Sistemimizi tanıttık. Yeni sistem, tüm Cevap Motoru sistemini güçlendirmek için patent bekleyen bağlamsal yanıt sistemimizin gücünü geniş dil modeli yetenekleriyle birleştiriyor. Yeni Context LLM teknolojisi, platform genelinde, amaç yönlendirmenin iyileştirilmesinden yanıt oluşturmaya ve amaç indekslemeye kadar geniş bir yelpazedeki geniş dil modeli yeteneklerini entegre ediyor ve bu da benzersiz raporlama yeteneklerini güçlendiriyor. Platform, GPT-4 gibi Yüksek Lisans'ların gücünden yararlanarak konuşma yapay zekasını geleneksel sohbet robotunun ötesine taşıyor. Platformumuz, yanıttaki kontrol ihtiyacına bağlı olarak markaların hem üretken yapay zeka yanıtlarıyla hem de önceden yazılmış yanıtlarla yanıt vermesine olanak tanır.

Markaya özel yanıtlar verme konusunda çoğu şirket web sitesi ile LLM platformu arasındaki mevcut kopukluğu tartışabilir misiniz?

ChatGPT, geniş bir yelpazedeki bilgileri anlayacak şekilde eğitilmiştir ve bu nedenle sektöre özgü soruları çoğu markanın beklediği spesifiklik düzeyinde yanıtlamak için gereken ayrıntılı eğitim düzeyine sahip değildir. Ek olarak, Yüksek Lisans'ın sağladığı yanıtların doğruluğu yalnızca sağlanan veriler kadar iyidir. ChatGPT'yi kullandığınızda, veriler internet üzerinden alınır ve bu veriler hatalı olabilir. ChatGPT, bir markanın verilerini diğer verilere göre önceliklendirmez. Son yedi yıldır çeşitli sektörlere hizmet veriyoruz ve müşterilerin her gün sorduğu milyonlarca soru hakkında değerli bilgiler ediniyoruz. Bu, sistemi sektör başına daha büyük bağlamla nasıl ayarlayacağımızı ve büyük dil modellerinin yükselişi göz önüne alındığında çok önemli olan sağlam ve ayrıntılı amaç raporlama yeteneklerini nasıl sağlayacağımızı anlamamızı sağladı. Yüksek Lisans'lar amacı anlama ve yanıt üretme konusunda etkili olsa da sorulan sorular hakkında rapor veremezler. Yıllar süren kapsamlı niyet verilerini kullanarak, Niyet İndeksleme Sistemi aracılığıyla verimli bir şekilde standartlaştırılmış raporlama oluşturduk.

Dilbilimciler LLM teknolojilerinin yeteneklerini geliştirmede nasıl bir rol oynuyor?

Bir kişinin yapay zekadan belirli bir yanıt ortaya çıkaran istemleri tasarlamasını ve iyileştirmesini gerektiren bu yeni teknolojiyle, hızlı mühendis rolü ortaya çıktı. Dilbilimciler, diğer şeylerin yanı sıra, sözdizimi ve anlambilim gibi dil yapısı hakkında da büyük bir anlayışa sahiptir. En başarılı Yapay Zeka Mühendislerimizden biri, Yapay Zekayı harekete geçirmenin yeni ve incelikli yollarını bulmada çok etkili olmasına olanak tanıyan bir Dilbilim geçmişine sahiptir. Bilgi istemindeki küçük değişikliklerin, bir yanıtın ne kadar doğru ve verimli üretildiği üzerinde derin etkileri olabilir; bu, birden fazla müşteride milyonlarca soruyu ele aldığımızda büyük fark yaratır.

Arka uçta ince ayar nasıl görünüyor?

LLM'yi aynı çizgide tutmak için kullandığımız kendi özel veri modelimiz var. Bu, çit aramak yerine LLM'yi kontrol altında tutmak için kendi çitlerimizi inşa etmemize olanak tanır. İkinci olarak, diğer platformların kullandığı araç ve özelliklerden yararlanabiliriz ve bu da onları kendi platformlarımızda desteklememize olanak tanır.

Eğitim verilerine ince ayar yapmak ve platformumuzda Takviyeli Öğrenmeyi (RL) kullanmak, yanlış bilgi riskini azaltmaya yardımcı olabilir. Eklenecek belirli gerçekler için bilgi tabanını sorgulamak yerine ince ayar yapmak, bu ek bilgi üzerine eğitilen LLM'nin yeni bir versiyonunu yaratır. Öte yandan RL, bir aracıyı insan geri bildirimiyle eğitir ve soruların nasıl yanıtlanacağına ilişkin bir politika öğrenir. Bunun, belirli görevlerde uzmanlaşan daha küçük ayak izi modelleri oluşturmada başarılı olduğu kanıtlanmıştır.

Yeni bir müşteriye katılma ve konuşmaya dayalı yapay zeka çözümlerini entegre etme sürecini tartışabilir misiniz?

Spor, eğlence ve turizm gibi destinasyonlara ve deneyimlere odaklandığımız için, yeni müşteriler zaten toplulukta bulunanlardan faydalanıyor ve bu da katılımı çok kolaylaştırıyor. Yeni müşteriler, web sitesi, çalışan el kitapları, bloglar vb. gibi en güncel veri kaynaklarının nerede bulunduğunu belirler. Verileri alır ve sistemi gerçek zamanlı olarak eğitiriz. Aynı sektördeki yüzlerce müşteriyle çalıştığımız için ekibimiz, önceden yazılmış yanıtlara karşı oluşturulan yanıtlara göre hangi yanıtların en uygun olduğu konusunda hızlı bir şekilde öneriler sunabilir. Ek olarak, dinamik Yiyecek ve İçecek Bulucumuz gibi rehberli akışlar oluşturduk, böylece müşterilerin hiçbir zaman bir bot oluşturucuyla uğraşmalarına gerek kalmıyor.

Satisfi Labs şu anda spor takımları ve şirketlerle yakın işbirliği içinde çalışıyor, şirketin geleceğine dair vizyonunuz nedir?

Daha fazla markanın sohbet deneyimlerinin daha fazla yönünü kontrol etmek isteyeceği bir gelecek görüyoruz. Bu, sistemimizin daha fazla geliştirici düzeyinde erişim sağlamasına olan ihtiyacın artmasına neden olacaktır. İhtiyaç duyulan uzmanlık az ve pahalı olacağından, markaların kendi diyaloga dayalı yapay zeka sistemlerini kurmaları için geliştiricileri işe almaları mantıklı değil. Ancak sistemimizin arka ucu beslemesiyle geliştiriciler, istemler üzerinde daha fazla kontrole sahip olarak, daha fazla kişiselleştirmeye izin vermek için özel verileri bağlayarak ve sohbet kullanıcı arayüzünü belirli kullanıcı ihtiyaçlarına göre yöneterek müşteri deneyimine ve yolculuğuna daha fazla odaklanabilirler. Satisfi Labs, markaların etkileşimli deneyimlerinin teknik omurgası olacak.

Harika röportaj için teşekkürler, daha fazla bilgi edinmek isteyen okuyucular ziyaret etmelidir. Satisfi Labs.