Джеймс Каплан, співзасновник та генеральний директор MeetKai – Інтерв’ю серія

Джеймс Каплан – співзасновник та генеральний директор MeetKai, штучного інтелекту, який полегшує життя через розмову, персоналізацію та кураторство.

Ви почали програмування, коли вам було лише шість років, що спочатку вас зацікавило в програмуванні, і які мови ви вивчили?

Стимулом була гра Oregon Trail, створена для Windows 95. Я був захоплений і грав у неї кожен день після школи. Я був у 1-му класі, тому не було нічого іншого, чим би я міг зайнятися! Я почав думати про все, що я хотів би змінити в грі. Коли я був молодшим, я купив книгу “Програмування ігор для підлітків”, базову книгу з програмування в місцевому книжковому магазині. Я був миттєво приваблений до неї і швидко забув свою первинну мотивацію Oregon Trail. Але я завжди любив ігри, і вони діяли як моя мотивація для вивчення нових мов програмування. За наступні кілька років я вивчив Visual Basic, коли я намагався написати бота для NeoPets (він працював), а потім PHP, коли мені було 12 років, щоб почати створювати динамічні веб-сайти. Навіть тоді моя мотивація для вивчення PHP полягала в тому, щоб заробити гроші на покупку відеоігор.

Ваш попередній проєкт був пов’язаний з роботою штучного інтелекту в сфері фінансів, що ви вивчили з цього досвіду?

Мій найбільший висновок полягав у тому, що потрібно відмовитися від ідеї, що ви не можете конкурувати з гігантами в переповненому просторі. Це може бути дуже спокусою подумати, що у сфері фінансів все прибуткове вже було захоплено гігантами. Однак я швидко зрозумів, що не варто переоцінювати своїх конкурентів. Лінь і організаційна інерція перешкоджають новим ідеям. Іноді ідея або кампанія може бути занадто вузькою для великої компанії. Дивно, але вони також можуть вважати, що щось занадто ризиковано для розробки, тому це не варто виходити з їхньої зони комфорту.

Чи можете ви розповісти про історію створення штучного інтелекту MeetKai?

Я був виснажений фінансами. Все мало бути виміряно в термінах Sharpe ratio і PnLs. Це забрало багато веселощів з технологій і було далеко від того, що спочатку привело мене на шлях програмування. У кінці 2018 року я розмовляв з Вейлі Дай, співзасновником MeetKai, про те, що я бачив у технологічному ландшафті загалом. Одним з моїх основних спостережень було те, що сфера голосових помічників застоювалася. Усі ключові гравці трималися старих підходів, і користувачі не отримували вигоди від технологій. Ніхто не хотів пробувати нові підходи, “оскільки це не так, як це робить X”. Не було жодної диференціації. Якщо я почав з нуля і відкинув усі (хоча не всі) попередні уявлення про “як побудувати голосового помічника”, то я міг фундаментально змінити досвід користувача. Ми почали будувати справжнього штучного інтелекту, а не голосового чат-бота. Уроки, вивчені в моїй попередній діяльності, разом з наставництвом Вейлі, привели нас до заснування MeetKai.

Які є деякі з викликів при створенні штучного інтелекту?

Є два класи проблем при створенні справжнього штучного інтелекту – очікування користувачів і технічна реалізація. Перша проблема часто забувається, але вона актуальна для MeetKai. Користувачі навчаються тому, що є і не є поза межами голосового помічника. Зокрема, вони припускають, що їм потрібно шукати в командному режимі. Ми працюємо над тим, щоб навчити користувачів шукати природною мовою. Це дозволяє значно багатші можливості, такі як використання заперечень “Знайдіть мені фільм з Двейном “Роком” Джонсоном, який не є Моаною”. Ми можемо обробити це ідеально у повсякденній мові, але поточні голосові помічники не можуть відповісти на це.

Другий клас викликів – технічний. Він проявляється у двох підкатегоріях – пошук і розуміння. Для пошуку ми відрізняємося від інших віртуальних помічників тим, що підтримуємо свій індекс контенту. Хоча це дозволяє нам здійснити всі магічні речі, які роблять нас наступним поколінням, це також приносить нам виклики підтримки і обслуговування нашого власного голосового пошукового двигуна. Це область, у якій ми постійно інновуємо. Розуміння мови – друга область, у якій виникають виклики при створенні штучного інтелекту. Для більшості голосових помічників це означало б можливість розуміти англійський текст. MeetKai розуміє і підтримує 16 мов. Це не означає 16 разів більше роботи, оскільки ми використовуємо багатомовні підходи, але це все ж значно більше, ніж бути “англійським перш за все, англійським завжди”. Це варте часу інвестицій, оскільки для нас дуже важливо, щоб MeetKai був真正 глобальним.

Як MeetKai використовує персоналізований штучний інтелект для диференціації?

Ми використовуємо персоналізований штучний інтелект у двох диференційованих сферах – розумінні і пошуку.

Коли користувач говорить: “Знайдіть мені щось китайське сьогодні ввечері?”, це може означати, що він хоче китайський рецепт, китайський ресторан або китайський фільм для перегляду. З нашим персоналізованим, глибоким розумінням ми можемо роз’яснити і надати результат для користувача, який він очікує. Все це робиться без виходу даних користувача з нашої платформи.

Ми включаємо персоналізацію у сам пошук. Одним з найбільших проблем, з якими стикаються інші віртуальні помічники, є те, що багато пошукових запитів передаються третім сторонам. Коли ви шукаєте ресторан з допомогою звичайного помічника, він передає цей пошук Yelp. Недолік цього полягає в тому, що Yelp не знає користувача особисто, а якщо він знає, то це проблема конфіденційності. Оскільки MeetKai є першопочатковим додатком, від початку до кінця, у нас є справжня персоналізація.

Які є деякі випадки використання MeetKai?

Мета MeetKai – стати першим штучним інтелектом-консьєржем. Ми хочемо допомогти користувачам у їхньому повсякденному житті. Ми не хочемо бути командно-орієнтованим помічником. Ми не підтримуємо функції, такі як “гучність вгору”, “гучність вниз”, “30-секундний таймер”, … ви зрозуміли. Я твердо переконаний, що ці функції не є штучним інтелектом, вони просто голосовий vstup.

Як галузь може запобігти введенню штучним інтелектом упередженості або посиленню існуючої упередженості у користувача?

Є делікатний баланс між забезпеченням персоналізованих результатів і нестворенням упередженості. Ми бачили, що відбувається, коли дослідники оптимізують показники участі на соціальних платформах – це створює бульбашки упередженості. Перший крок до цього як галузі – переосмислити наші метрики і KPI. У MeetKai ми оптимізуємо баланс між кліком і новизною кліку. Штучний інтелект повинен бути винагороджений значно більше за знаходження нового результату, який клікається в 30% випадків, ніж просто “верхній” результат, який клікається в 50% випадків. Однак цей підхід має досить очевидний спад при глибшому розгляді. Що, якщо результати, які штучний інтелект знаходить, просто є упередженими результатами для маленької бульбашки користувача? Ми будуємо наш штучний інтелект так, щоб він рухався в обидві сторони зони персоналізації користувача. Якщо користувач запитує список статей про яловичину, то замість того, щоб представити йому статті, які відповідають його переконанням, ми можемо додати статті, які знаходяться на краю, або трохи поза краєм, його уподобань. Це може включати статтю про етику тварин і зміну клімату, а також статтю про потенційні вигоди тваринних жирів для здоров’я.

Де ви бачите майбутнє штучних інтелектів через 5 або 10 років?

Штучні інтелекти будуть рухатися все більше до підходу першої сторони, який прийняв MeetKai. За все існування Alexa і Google (GOOGL ) вони намагалися культивувати екосистему розширень і навичок третіх сторін. Це призводить до серйозних проблем з приватністю. Крім того, це нічого не говорить про верхні межі, які воно встановлює на можливості. Я очікую, що більше гравців галузі приймуть той же підхід, який ми прийняли, і є ознаки цього по всьому борту.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше про цей персоналізований штучний інтелект, слід відвідати MeetKai.