Біраго Джонс, співзасновник і генеральний директор Pienso – Серія інтерв’ю

Біраго Джонс є генеральним директором і співзасновником Pienso, платформи без коду/низького коду для підприємств, щоб тренувати і розгортати моделі штучного інтелекту без потреби в передових знаннях даних чи програмних навичках. Сьогодні клієнтами Біраго є уряд США і Sky, найбільший мовник у Великій Британії. Pienso заснована на дослідженнях Біраго в Масачусетському технологічному інституті (MIT), де він і його співзасновник Картік Дінакар служили дослідницькими асистентами в лабораторії MIT Media Lab. Він є відомим авторитетом у сфері перетину штучного інтелекту (AI) і взаємодії людини з комп’ютером (HCI), а також адвокатом відповідальності AI.

Pienso‘s інтерактивний інтерфейс навчання розроблений для того, щоб дозволити користувачам використовувати штучний інтелект у повному обсязі без будь-якого кодування. Платформа веде користувачів через процес тренування і розгортання великих мовних моделей (LLM), які відображають їхню експертизу і налаштовані для відповідей на їхні конкретні питання.

Що спочатку привернуло вашу увагу до вивчення штучного інтелекту, HCI (Взаємодія людини з комп’ютером) і досвіду користувача?

Я вже розробляв особисті проекти, спрямовані на створення інструментів доступності і застосунків для сліпих, таких як цифровий браїлів-читач, що використовує смартфон, і систему індор-навігації (цифрову тростину). Я вважав, що штучний інтелект може підвищити і підтримати ці зусилля.

Pienso спочатку була задумана під час вашого перебування в MIT, як виникла концепція тренування моделей машинного навчання для доступності не-технічним користувачам?

Мій співзасновник Картік і я познайомилися в аспірантурі, коли ми обидва проводили дослідження в лабораторії MIT Media Lab. Ми об’єдналися для проекту класу, щоб створити інструмент, який би допоміг платформам соціальних медіа модерувати і позначати вміст, що містить булінг. Інструмент набував багато популярності, і нас навіть запросили до Білого дому, щоб продемонструвати технологію під час саміту про кібербулінг.

Була лише одна проблема: хоча модель сама по собі працювала так, як це було передбачено, вона не була тренована на правильних даних, тому не могла ідентифікувати шкідливий вміст, який використовував підлітковий сленг. Картік і я працювали разом, щоб знайти рішення, і пізніше зрозуміли, що ми могли б вирішити цю проблему, якщо б знайшли спосіб, щоб підлітки могли безпосередньо тренувати дані моделі.

Це був момент “Ага!”, який пізніше надихнув Pienso: експерти з предметної області, а не інженери штучного інтелекту, як ми, повинні були б мати можливість легше надавати вхідні дані для тренування моделей. Ми розробили інструменти point-and-click, які дозволяють не-експертам тренувати великі об’єми даних у масштабі. Потім ми взяли цю технологію до місцевих шкіл Кембриджа, штат Массачусетс, і попросили допомоги місцевих підлітків для тренування їхніх алгоритмів, що дозволило нам захопити більше нюансів у алгоритмах, ніж раніше. З цією технологією ми почали працювати з організаціями, такими як MTV і лікарня Бріггема і жінок.

Чи можете ви поділитися історією про те, як Pienso була потім виділена з MIT у свою власну компанію?

Ми завжди знали, що ця технологія могла б надати цінність за межами випадку, який ми побудували, але це не було до 2016 року, коли ми нарешті зробили стрибок до комерціалізації її, коли Картік завершив свій PhD. На той час глибоке навчання вибухнуло популярністю, але це були в основному інженери штучного інтелекту, які його застосовували, тому що ніхто інший не мав необхідної експертизи для тренування і розгортання цих моделей.

Які ключові інновації і алгоритми дозволяють Pienso використовувати інтерфейс без коду для побудови моделей штучного інтелекту? Як Pienso забезпечує те, що експерти з предметної області, без технічного досвіду, можуть ефективно тренувати моделі штучного інтелекту?

Pienso усуває бар’єри “MLOps” – очистку даних, маркування даних, тренування моделей і розгортання. Наша платформа використовує напівнагляду машинного навчання, який дозволяє користувачам починати з неозначених навчальних даних, а потім використовувати людську експертизу для анотації великих обсягів текстових даних швидко і точно без необхідності писати код. Цей процес тренує глибокі моделі навчання, які здатні точно класифікувати і генерувати новий текст.

Як Pienso пропонує налаштування розробки моделей штучного інтелекту для задоволення конкретних потреб різних організацій?

Ми є переконаними, що жодна модель не може вирішити кожну проблему для кожної компанії. Нам потрібно бути в змозі будувати і тренувати спеціальні моделі, якщо ми хочемо, щоб штучний інтелект зрозумів нюанси кожної конкретної компанії і випадку використання. Тому Pienso дозволяє тренувати моделі безпосередньо на даних організації. Це усуває проблеми конфіденційності при використанні фундаментальних моделей і може надати більш точні знання.

Pienso також інтегрується з існуючими корпоративними системами через API, що дозволяє надавати результати висновків у різних форматах. Pienso також може працювати без використання сторонніх послуг або API, що означає, що дані ніколи не потрібно передавати зовні безпечної середовищі. Вона може бути розгорнута на великих постачальниках хмарних послуг, а також на локальних серверах, що робить її ідеальним рішенням для галузей, які вимагають сильної безпеки і практики відповідності, таких як державні агентства або фінанси.

Як ви бачите розвиток платформи за наступні кілька років?

У наступні кілька років Pienso буде продовжувати розвиватися, зосереджуючись на ще більшій масштабованості і ефективності. По мірі зростання попиту на високотехнологічні текстові аналітики, ми покращимо нашу здатність обробляти більші набори даних з більш швидкими часами висновків і більш складним аналізом. Ми також зобов’язуємося зменшити витрати, пов’язані з масштабуванням великих мовних моделей, щоб підприємства отримували вигоду без компромісу щодо швидкості чи точності.

Ми також просунемось далі у демократизації штучного інтелекту. Pienso вже є платформою без коду/низького коду, але ми бачимо розширення доступності наших інструментів ще більше. Ми будемо безперервно вдосконалювати наш інтерфейс, щоб ще ширший спектр користувачів, від бізнес-аналітиків до технічних команд, могли продовжувати тренувати, налаштовувати і розгортати моделі без потреби в глибоких технічних знаннях.

По мірі роботи з більшими клієнтами з різних галузей, Pienso буде адаптуватися, щоб пропонувати більш спеціалізовані рішення. Чи це фінанси, охорона здоров’я чи держава, наша платформа буде розвиватися, щоб включати галузеві шаблони і модулі, які допоможуть користувачам налаштовувати свої моделі більш ефективно для їхніх конкретних випадків використання.

Pienso стане ще більш інтегрованою у ширший екосистемі штучного інтелекту, працюючи безперешкодно поряд з рішеннями / інструментами від великих постачальників хмарних послуг і локальних рішень. Ми будемо зосереджуватися на будівництві сильніших інтеграцій з іншими платформами даних і інструментами, що дозволить більш узгодженому робочому процесу штучного інтелекту, який пасує до існуючих корпоративних технологічних стеків.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, повинні відвідати Pienso.