Джеффрі Лай, засновник і генеральний директор IrisGo – Серія інтерв’ю

Джеффрі Лай, засновник і генеральний директор IrisGo, – підприємець у сфері штучного інтелекту та керівник продукції з глибокими коренями в інтелектуальних помічниках та мовних технологіях. Перед тим, як заснувати IrisGo у 2025 році та стати засновником у фонді AI Fund, Лай провів понад 12 років в Apple (AAPL ), де допоміг створити та розширити Siri, в кінцевому підсумку обійнявши посаду менеджера з мови Siri. Його робота була зосереджена на розвитку багатолінгвального розмовного штучного інтелекту, включаючи розробку китайської версії Siri. До того, як перейти в Apple, він обіймав інженерні посади в Cisco Systems (CSCO ) та проходив стажування в групі інтелектуальної робототехніки центру дослідження NASA Ames. За свою кар’єру, що охоплює робототехніку, корпоративне програмне забезпечення та споживчий штучний інтелект, Лай постійно зосереджувався на тому, щоб зробити складні технології більш доступними та корисними в повсякденній роботі.

IrisGo розробляє операційну систему штучного інтелекту, призначену для нового покоління персональних комп’ютерів, оснащених штучним інтелектом. Замість того, щоб працювати як окремий чат-бот, платформа розроблена для спостереження за тим, як користувачі виконують завдання в різних додатках, вивчення цих робочих процесів та автоматизації їх за допомогою інтелектуального помічника на пристрої. Її основний підхід полягає в тому, щоб дозволити користувачам продемонструвати завдання один раз, а потім перетворити цей процес у повторно використовуваний робочий процес, що допоможе зменшити повторювану цифрову роботу. Використовуючи спеціальні можливості обробки штучного інтелекту, наявні в сучасних комп’ютерах зі штучним інтелектом, IrisGo спрямована на забезпечення більш приватної, реактивної та контекстно-залежної автоматизації, позиціонуючи себе на зростаючому ринку агентських систем штучного інтелекту, які можуть активно виконувати завдання від імені користувачів, а не просто надавати рекомендації.

Після того, як ви допомогли створити Siri в Apple, які конкретні досвіди переконали вас, що прийшов час заснувати IrisGo, і яку ключову проблему взаємодії між людиною та комп’ютером ви вважали нерозв’язаною?

Коли ми будували Siri, ми були надзвичайно зосереджені на природному розумінні мови. Але в Siri були проблеми з контекстом, що є складним, оскільки люди насправді працюють і спілкуються, пов’язані з неявним контекстом. Коли ви просите колегу: “Чи можете ви мені надіслати цей звіт?”, вони знають, який звіт. Вони знають вашу спільну історію, ваш поточний проєкт, про що ви обговорювали. У Siri цього не було.

Багато років штучний інтелект розроблявся для реакції на вас. Ви щось вводите, отримуєте щось назад. Це модель взаємодії, яку ми успадкували від пошукових систем і чат-ботів. Але більшість того, що люди насправді роблять на комп’ютері, не є питанням, а робочим процесом. Зібрати цей звіт. Перекрестно позначити ці таблиці. Витягнути дані з трьох різних додатків і відформатувати їх у документ. Така робота не вписується у запит.

Те, що переконало мене заснувати IrisGo, було усвідомлення того, що галузь не будує для повсякденного використання. Усі будували розумніші моделі, краще розуміння мови, швидші реакції. Але фундаментальна прогалина, де штучний інтелект може насправді виконувати роботу, а не просто реагувати на запити, все ще була там. Це проблема, яку ми вирішили вирішити.

Оглядаючись на роки роботи над Siri, які були найбільшими уроками, які ви вивчили про обмеження голосових помічників, особливо щодо розуміння контексту, намірів та поведінки користувача?

Найбільший урок, який я вивчив, полягає в тому, що контекст – це все. Люди рідко спілкуються ізольованими командами; їхні запити формуються тим, над чим вони працюють, і тим, чого вони намагаються досягти. Ранні голосові помічники були розроблені навколо відповідей на окремі запити, що працює добре для багатьох завдань, але менш ефективно для тривалої роботи, яка охоплює кілька додатків і робочих процесів. Этот досвід навчив мене, що розуміння намірів вимагає розуміння контексту, і ця ідея стала однією з основних ідей за IrisGo.

Те, що ми дізналися, полягає в тому, що намір часто шаруватий. Хтось говорить одну річ і має на увазі іншу, і отримання цього правильно вимагає розуміння людини, а не просто слів. Це розуміння закладено в IrisGo з самого початку.

IrisGo часто описується як операційна система штучного інтелекту, а не штучний інтелект-помічник. Яка різниця, і чому ви вважаєте, що галузі потрібний новий програмний шар для ери комп’ютерів зі штучним інтелектом?

Штучний інтелект-помічник чекає на вас. Ви відкриваєте його, вводите щось, він реагує, і потім закінчується. Модель взаємодії по суті така сама, як і пошукова система, де користувач робить запит, а штучний інтелект генерує відповідь.

IrisGo, який є операційною системою штучного інтелекту, працює поряд з усім, що ви робите, по всій вашій системі, весь час. У нього є доступ до ваших файлів, додатків, браузера, електронної пошти. Він розуміє, як ви працюєте, тому що він спостерігав, з вашого дозволу. І найважливіше, він може діяти, а не просто радити.

Подумайте про те, що зробила Windows для персональних комп’ютерів. До цього вам потрібно було бути технічним, щоб використовувати комп’ютер. Windows створила універсальний, інтуїтивний шар між людиною та програмним забезпеченням. Ера комп’ютерів зі штучним інтелектом потребує свого власного шару, який би взяв сирі можливості моделей штучного інтелекту та зробив їх真正о корисними для людей, які виконують свою повсякденну роботу.

Це те, чим є IrisGo: інтелектуальний шар комп’ютера зі штучним інтелектом. Коли ви відправляєте комп’ютери зі штучним інтелектом без цього шару, у вас просто є потужний чип, який простоює. Що вам потрібно, це програмне забезпечення, яке знає, як його задіяти на користь людини, яка ним користується.

Одна з основних ідей IrisGo полягає в тому, що користувачі можуть навчити систему виконувати завдання за допомогою однієї демонстрації. Чому ви вважаєте, що “спостерігання та навчання” – це більш природна модель, ніж запити або ручне створення робочих процесів?

Те, що робить функцію “Спостерігання та навчання” такою потужною, полягає в тому, що вона заснована на тому, як ми насправді вчимо один одного. Коли ви набираєте нового співробітника, ви йому не пишете 40-ступінчатий запит. Ви йому показуєте, як зробити щось один раз, він спостерігає, вчиться і бере це на себе. Це інтуїтивно. Це природно.

Проблема з запитами полягає в тому, що вони покладають на користувача тягар артикуляції того, чого вони хочуть, у форматі, який штучний інтелект може зрозуміти. Для простих запитів це працює добре. Але що стосується складних, багаторівневих робочих процесів, які включають ваші конкретні файли та ваш спосіб роботи? Це може швидко зламатися. Більшість людей не можуть описати свої робочі процеси з достатньою точністю, щоб штучний інтелект міг їх правильно виконати.

Показати легше, ніж сказати. Це не новий висновок; це звичайний смисл. Те, що робить “Спостерігання та навчання”, полягає в застосуванні цієї логіки до автоматизації. Ви робите своє завдання один раз, так, як ви звичайно робите. IrisGo вчиться шаблону. І з того моменту він обробляє цей робочий процес за вас.

Багато агентів штучного інтелекту сьогодні все ще потребують значної настройки та нагляду. Що відрізняє真正о автономного агента від чат-бота, який просто виконує інструкції?

Коротка відповідь полягає в тому, що真正о автономний агент має свій власний контекст, приймає свої власні рішення та продовжує працювати, навіть коли ви не спостерігаєте за ним.

Чат-бот реагує за своєю конструкцією. Він живе і помирає за запитом. Ви даєте йому інструкцію, він виконує, а потім зупиняється. Якщо щось змінюється, якщо крок не вдається, або якщо йому потрібно адаптуватися, він втрачається. Він запитає вас, що робити далі.

Найістинно автономний агент має мету, а не просто інструкцію. У нього є контекст про середовище, в якому він працює. Він може обробляти винятки. Він може вирішувати, продовжувати, повторювати або позначити щось для людського огляду. І найважливіше, він може працювати на задньому плані, поки ви займаєтеся іншими речами.

Більшість того, що продається як “агенти штучного інтелекту” сьогодні, насправді є складними чат-ботами з додатковими кроками. Пропуск між цими продуктами та真正ою автономією величезний. Те, що робить IrisGo іншим, полягає в тому, що він починається з моделі того, як ви працюєте, вивченої безпосередньо з спостереження за вами, і використовує це для прийняття правильних рішень, а не просто виконання інструкцій.

Ви говорили про важливість постійної пам’яті та локального контексту. Чому ці можливості є необхідними, якщо штучний інтелект має рухатися за межі відповідей на запитання та починати діяти від імені користувача?

Представьте собі, що ви наймаєте помічника, який кожен ранок не пам’ятає, хто ви, над чим ви працюєте, або як ви хочете, щоб речі робилися. Ви проведете половину дня, повторюючи контекст, і станете дуже розчарованим. Це фактично те, про що просить більшість інструментів штучного інтелекту сьогодні.

Постійна пам’ять означає, що система знає вас. Вона знає ваші проєкти, ваші робочі процеси, ваші вподобання та те, як речі змінилися з часом. Вам не потрібно відновлювати контекст кожної сесії. Штучний інтелект переносить це вперед.

Локальний контекст є рівноцінно критичним, оскільки ваша робота не існує в хмарі. Вона існує на вашому комп’ютері, у файлах, додатках, електронних листах, вкладках браузера. IrisGo працює на вашому пристрої, що означає, що він має доступ до всього вашого робочого середовища та може працювати на вашому місці по всьому.

Ці дві речі разом – пам’ять та локальний доступ – це те, що дозволяє штучному інтелекту перестати бути інструментом, яким ви користуєтесь, і почати бути системою, яка працює за вас. Ми бачимо, як більша частина технологічної галузі починає визнавати важливість цього, включаючи великі технологічні компанії, тому це явна валідация нашого підходу.

Конфіденційність залишається однією з найбільших проблем, пов’язаних зі штучним інтелектом. Як ви балансуйте потребу персоналізації та пам’яті з очікуваннями користувачів щодо безпеки та власності даних?

Припущення, що конфіденційність та персоналізація перебувають у напруженні, – це перша річ, яку потрібно поставити під сумнів. Ми побудували IrisGo так, щоб персоналізація могла відбуватися на пристрої, а не лише в хмарі.

Більшість обробки IrisGo відбувається локально, на вашому комп’ютері. Ваші робочі процеси, файли, контекст залишаються з вами. Обробка в хмарі відбувається лише тоді, коли ви явно авторизуєте це, і коли це відбувається, воно шифрується з кінця в кінець. Ви контролюєте, що йде куди.

Ця модель робить IrisGo більш потужним, оскільки він має доступ до повного контексту вашого робочого середовища. І це означає, що користувачам не потрібно вибирати між корисним штучним інтелектом та безпечним.

Люди довіряють своїм персональним комп’ютерам чутливу роботу. Наша мета – зробити IrisGo гідним цього самого довіри. Це фундаментально для того, як продукту розробляється.

IrisGo вже поставляється на комп’ютерах зі штучним інтелектом від Acer, з планами розширення до додаткових виробників. Наскільки важливими, на вашу думку, будуть партнерства з розподілом для визначення того, які платформи штучного інтелекту в кінцевому підсумку досягнуть масової прийняття?

Розподіл абсолютно критичний для масової прийняття. Просто подивіться на історію конкуренції платформ у сфері технологій. Windows виграла, оскільки була майже на кожному комп’ютері. Android виграла, оскільки була найбільш використовуваною операційною системою для мобільних пристроїв, які не були iPhone. Компанії, які намагалися виграти лише завдяки якості продукції, без розподілу для підтримки цього, переважно не досягли успіху.

Ринок комп’ютерів зі штучним інтелектом слідує подібному шаблону. Коли IrisGo попередньо встановлено на пристрої, він є там, коли ви відкриваєте коробку. Вам не потрібно шукати його, завантажувати його або вирішувати, чи дати йому шанс. Це величезна перевага.

Ми вже перебуваємо у 3 мільйонах ноутбуків Acer, які будуть відправлені цього року, і ми ведемо переговори з додатковими виробниками першого рівня. Метою є бути операційною системою штучного інтелекту для комп’ютерів за замовчуванням. Ця стратегія розподілу є центральною для того, як ми стаємо стандартом у цій категорії.

Когда агенти штучного інтелекту стають здатними обробляти рахунки, дослідження, звітність та інші робочі процеси бізнесу, які нові завдання з управління, нагляду та довіри організації повинні готуватися сьогодні?

Першим завданням є аудитованість. Коли агент штучного інтелекту завершує робочий процес, такий як обробка рахунку або генерація звіту, ви можете побачити, що він зробив, чому він це зробив, і де дані походять? Такий прозорий аудитний слід є суттєвим для відповідності та виявлення помилок, перш ніж вони накопичаться.

Другим є визначення меж. Які робочі процеси підходять для автономного виконання, а які потребують людського огляду? Компаніям потрібно мати чіткі політики щодо цього. Тенденція полягає в тому, щоб дозволити штучному інтелекту робити дедалі більше, поступово, а потім усвідомлювати занадто пізно, що рішення високого рівня приймаються без достатнього нагляду.

Третім є калібрування довіри. Співробітникам потрібно зрозуміти, що може зробити штучний інтелект, а чого не може, і коли потрібно перевірити його вивід, а не припускати, що він правильний. Це питання культури та навчання так само, як і технології.

Я вважаю, що організації, які готуються до цього сьогодні, матимуть суттєву перевагу, оскільки, коли можливості штучного інтелекту зростають, завдання управління будуть накопичуватися.

Через п’ять років ви думаєте, що люди все ще будуть проводити більшу частину свого часу, взаємодіючи зі штучним інтелектом через інтерфейси чату, або штучний інтелект буде дедалі більше відступати на задній план та активно виконувати роботу без запиту?

Траєкторія вже показує, що штучний інтелект дедалі більше рухатиметься на задній план. Модель, до якої ми будемо рухатися, полягає в тому, що ваш комп’ютер розуміє вашу роботу та займається рутинними частинами її, звільняючи вашу увагу для речей, які насправді потребують вас.

Подумайте про те, як працює автопілот в авіації. Пілоти не завжди тримають руки на кермі під час кожного польоту. Система обробляє базовий рівень, а людина вступає у гру, коли потрібен суд та експертиза. Це майбутнє роботи зі штучним інтелектом. Ваш комп’ютер обробляє повторювані, засновані на правилах робочі процеси. Ви зосереджуєтесь на стратегії, креативності та рішеннях, які потребують справжньої людської експертизи.

Через п’ять років найпродуктивніші люди будуть тими, хто працюватиме поряд з системами, які розуміють, як користувач працює. У минулому люди робили всю роботу на своїх комп’ютерах. У майбутньому ваш комп’ютер також буде працювати за вас.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, рекомендуємо відвідати IrisGo.