Річард Бойд, співзасновник та CEO Tanjo Inc – Інтерв’ю серія

Річард Бойд – підприємець, автор і спікер на теми від освіти до охорони здоров’я, віртуальних світів, комп’ютерних ігор, машинного навчання та інтерфейсів людини і комп’ютера. За три десятиліття Річард очолював або допомагав створити деякі з найбільш інноваційних технологічних компаній і послуг у різних галузях, включаючи створення і службу головним виконавчим директором чотирьох компаній у регіоні Research Triangle Park у Північній Кароліні. Річард продав свою останню компанію Lockheed Martin (LMT ) і залишився на посаді директора лабораторії віртуальних світів.

Річард є співзасновником і CEO компанії з штучного інтелекту і машинного навчання Tanjo Inc, яка розташована у регіоні Research Triangle Park у Північній Кароліні.

Ви працюєте над VR з 90-х років, і у 2001 році ви стали співзасновником 3Dsolve. Якими були деякі з перших проектів, над якими працювала 3Dsolve?

Одним з найбільш впливаючих перших проектів для 3dsolve було допомога команді армії США з навчання та доктрини(TRADOC) у вивченні симуляційного навчання для тактичних операцій малих підрозділів. Ми створили перший “Інтерактивний мультимедійний курс” (IMI) для армії, який пройшов валідацию TRADOC. По суті, це було використання цінності “безпечної практики у повністю симульованому 3D-оточенні для наземних підрозділів”. Перший курс складався з понад 100 годин навчання у колективному симуляційному 3D-ігровому світі для військово-освітньої спеціальності 25B10 (мilitary occupational specialty) для зв’язку.

Ми відправляли солдатів до Афганістану та Іраку в той час і тренували їх працювати у цифрових тактичних операційних центрах (DTOCs), коли у нас не було DTOCs у США для їх тренування. 3Dsolve подорожували до Форт-Гуду, Форт-Гордон та інших об’єктів, щоб знайти обладнання, зустрітися з експертами та створити віртуальні DTOCs, де солдати могли тренуватися. Результати валідації показали, що солдати, які використовували цей метод, були треновані за коротший час із вищим рівнем знань (і проходження курсу) ніж у будь-яких класичних методах, які використовувалися раніше. Я вважаю це початком серйозної ігрової індустрії.

Я також служив у раді консультантів ADL (Advanced Distributed Learning), де були створені стандарти для повторно використовуваного навчального контенту. Я працював з Філіпом Доддсом над 3D-стандартами для SCORM (Shareable content object reference model). Бокова замітка: Філіп був людиною, яка грала на органі у фільмі Стівена Спілберга “Близькі контакти третього типу”.

Я також служив у іншому міжнародному органі з стандартами під назвою 3DIF, який очолювали Intel (INTC ) і Boeing, де ми створили міжнародний стандарт ECMA з тією ж назвою для 3D-форматів обміну. Ідея полягала у тому, щоб нарешті захопити всю цінність у 3D-CAD-моделях, створених для всього у світі, і перекласти її для використання у серйозних іграх та 3D-технічних документах. Це існує у Adobe Acrobat та інших платформах.

Ми продовжували працювати з гарнітурами та різними периферійними пристроями VR, співпрацюючи з індустріальними піонерами, такими як Воррен Робінетт, доктор Фред Брукс, Алан Кей та інші. Мій співзасновник Девід Сміт створив цілу відкриту платформу разом з Аланом Кеєм під назвою OpenCroquet, яка існує і сьогодні.

Як змінився ваш життєвий шлях після того, як Lockheed Martin придбала 3Dsolve у 2007 році?

Одним з інших піонерських проектів, над яким ми працювали у 3Dsolve, і який став причиною придбання компанії Lockheed, була симуляція всього підводного човна класу Los Angeles. На той час ВМС США ще виділяли цілі кораблі для тренування. Ми стали піонерами ідеї “Total Ship Simulation”, відтворюючи весь підводний човен у багатокористувацькій ігровій середині. Ми використовували ігровий двигун Epic Games Unreal і дійсно перетворили тренування для цих суден. У Lockheed ми створили симуляції есмінців, кораблів класу Littoral Combat Ship, а також усіх їх підсистем.

Спочатку було складно адаптуватися до роботи у великому оборонному підприємстві після роботи у компанії, що займалася ігровими технологіями. Ми навчилися створювати свою власну реальність. Я створив неформальну організацію під назвою Virtual World Labs і змоделював її за прикладом знаменитих LM Skunkworks у Каліфорнії. Насправді, Skunkworks став членом VWL. Ми навчилися, що кожен раз, коли ви створюєте патентну заявку, ви отримуєте чек, і ще один, коли патент видається. Тому це стало нашою програмою стимуляції. Ми сиділи і вигадували речі в області AR, VR та AI. До кінця мого п’ятирічного терміну там ми накопичили понад 100 патентних заявок у маленькій групі з близько 40 осіб.

Одним з найбільш цікавих і актуальних програм було створення khungу віртуальних світів Міністерства оборони. Ми брали участь у декількох великомасштабних спільних військових іграх і спостерігали за розчаруванням через відсутність сумісності між пропрієтарними системами, які потрібно було використовувати разом у цих великих живих, конструктивних і віртуальних симуляційних навчаннях. Наша перша реакція була такою, що це вже вирішена проблема… Це називається Інтернет! Якщо придбання спільноти може змусити всіх дотримуватися веб-сервісів, ми можемо створити кращі інтегровані системи тренування. І WebGL刚刚 пройшов перевірку у Всесвітньої мережі. Час прийшов для зміни бізнесу, як зазвичай. Пентагон опублікував запит на пропозиції щодо створення “спільного khungу віртуальних світів” для інтегрованих симуляцій. Голова цієї програми у Пентагоні був творчою людиною, колишнім пілотом ВПС на ім’я Френк Діджованні. Ми називали його D9. Він нагадував мені історії про полковника Джона Бойда, який штовхав до творчої руйнації наших програм винищувачів і мислення у ВПС.

Проблема полягала у тому, що D9 явно сказав своїй команді з придбання, що він “не хоче жодної компанії типу Lockmart”, щоб створити цей новий khung. Але Девід і я пішли туди разом з списком з близько 17 постачальників, які подавали заявки на цю програму, і ми виграли. Ми дізналися пізніше, що всі інші приходили з пропрієтарним рішенням і намагалися змусити уряд прийняти його. Ми прийшли на наше усне представлення у будівлі Рейгана у Вашингтоні з нічого, але сказали, що відповідь на цю глибоку проблему лежить у архітектурі Інтернету. Ми сказали, що можемо спроєктувати це за кілька місяців і мати робочу модель за шість. Ми також сказали, що це повинно бути відкритим джерелом. Ми виграли “рукою вниз” згідно з D9, оскільки наш підхід був настільки свіжим і різним, і “за межами коробки”.

Коли я повернувся до Орландо, щоб пояснити цю нову перемогу керівництву нашого підрозділу Lockheed Martin, мене викликали на килим. Мене привітали, але потім запитали про відкритий джерело. “Що це буде означати для нашого існуючого бізнесу з конструктивними симуляціями?” – запитали вони. Моя відповідь була: “Це повністю зруйнує його”. Було паузу, а потім невідворотне питання: “Як ми будемо заробляти гроші? Яка буде бізнес-модель?” Моя відповідь була: “Бізнес-моделей буде легіон”. Я все ще насолоджуюся збентеженими зморшками, які ця відповідь викликала. Я пройшов через всі способи, якими Red Hat змогла створити багатомільярдний бізнес на основі вільного програмного забезпечення, але я не думаю, що вони коли-небудь стали комфортно з цією руйнацією.

Моя посада на той час була директором з нових і руйнівних технологій, разом з посадою головного архітектора лабораторії віртуальних світів. Я працював над тим, щоб Lockheed прийняв більше саморуйнування та творчої руйнації Шумпетера. Я порівнював інновації у великих організаціях, таких як Lockheed, з пологами. Люди люблять ідею мати дітей. Це добре для суспільства і дуже винагороджує. Діти – це наше майбутнє. Але через неправильну лінзу дітей можна вважати паразитами. Починаючи з того моменту, коли вони вперше займають місце у матці, вони починають забирати ресурси. Якщо б не захисні умови матки, антитіла матері вийшли б, щоб знищити дитину. Інновації у Lockheed були подібні до цього. Усі хочуть і говорять про інновації, але ніхто не хоче пожертвувати своїми ресурсами для цього, коли плід так далеко.

Під час вашого часу у Lockheed Martin одна з патентів, над якою ви працювали, звучить як щось з науково-фантастичного блокбастера, називається голодек. Що саме таке голодек?

У 2009 році мене запросили до Лос-Анджелеса Джеймсом Кемероном під час виробництва його фільму “Аватар”. Ми працювали з Джимом раніше (над “Безоднею”) і він хотів показати мені свою нову 3D-камеру, яку він винайшов з Вінсом Пейсом (якого ми також знали з “Безодні”). Але те, що дійсно мене зацікавило, було віртуальним набором всередині великого ангара Hughes. Я провів багато часу там з маленьким плоским екраном, просто блукаючи по віртуальному світу Пандори. Я написав про це для Armed Forces Journal і задумався з Девідом Смітом про будівництво великої віртуальної тренувальної території розміром з футбольне поле. На той час ми працювали над програмою Future Immersive Training Environment (FITE) для морської піхоти. У цій програмі морський піхотинець носив ноутбук на спині та шолом. Все це додаткове обладнання викликало певні занепокоєння щодо негативного тренування. Я ніколи не забуду першого сержанта, який надів його і сказав: “ми повинні тренуватися так, як ми боремося, праві?” – і потім кинувся на землю і покотився, розбивши всі електронні прилади на безкорисні шматки. Концепція голодека була подібна до об’ємного простору Джеймса Кемерона для зйомок; де актори мали легкі костюми з відстежуванням руху, а все обладнання було навколо них. Шолом все ще був необхідний, але був бездротовим і легким. Більше подібний до сучасного Oculus Quest. Ми навіть знайшли спосіб зробити це на відкритому повітрі під сонцем.

У 2015 році ви написали, що нам не слід занадто турбуватися про те, що машини захоплять світ, а радше потрібно розібратися, як досягти правильного балансу між людьми та автоматизацією, щоб оптимізувати результати. Чи все ще вважаєте, що суспільство занадто занепокоєне щодо штучного інтелекту або машин, які захоплять світ?

Я думаю, що коли дійсно розумні люди з великим досвідом у цій сфері (як Рей Курцвейл, Стівен Хокінг, Ілон Маск, Джеймс Кемерон і Білл Гейтс) висловлюють занепокоєння, ми повинні усі звернути увагу і відстежувати прогрес до штучного інтелекту загального призначення та його наслідків для суспільства. Якщо ми дізналися щось останнім часом, то це те, що галузева експертиза має значення, і ми повинні завжди слухати попередження від людей з глибшою експертизою, ніж у нас.

Однак, сказавши це, я вважаю, що на найближчий період ми бачимо більше інкрементної руйнації, яка заслуговує на негайну увагу та дії. Моя висока цитата про 21-ше століття про досягнення правильного балансу між людьми та автоматизацією для оптимізації результатів є критичним питанням прямо зараз. Я дійсно вважаю, що будь-хто, хто не робить цього правильно, буде засуджений на те, щоб бути нерелевантним скоро, не тільки неконкурентоспроможним. Коли JP Morgan замінив 320 000 годин на рік аналізу кредитних угод машиною, вони руйнували себе і негайно створили вигоду у 300 мільйонів доларів для свого балансу. І ця вигода зараз є рентою. Будь-який конкурент, у якого все ще є ця вартість, не тільки буде неконкурентоспроможним, але і нерелевантним.

Я вважаю, що це правда і для компаній, урядів, навіть окремих осіб. Я знаходжуся у раді директорів громадського коледжу у Північній Кароліні з 70 000 студентів. Я постійно намагаюся спрямувати студентів та нашу програму на ті спеціальності, які ще будуть виконуватися людьми через п’ять років. Коли я знаходжу студентів, які хочуть вступити до радіології, я пояснюю їм, що машини вже кращі за людей у читанні рентгенівських знімків. Розгляньте нову галузь або те, як ця галузь, ймовірно, зміниться з цією реальністю. Це не футурологія. Це “сьогоднішність”.

Ви сказали, що люди думають лінійно, а машини думають експоненційно. Чому людям так складно думати експоненційно?

70% американців не можуть читати і розуміти науковий розділ New York Times (дослідження університету Мічигану). Автори, такі як Дан Аріелі, у своїй бестселері “Предбачувано ірраціональні”, і інші говорять про те, що люди просто не хороші у статистичному мисленні. Експоненційне і логарифмічне мислення також не дуже універсальні. Мій наставник і герой Алан Кей має велику лекцію про універсали і нон-універсали у освіті. Я написав про це у статті на сайті Getting Smart про переосмислення освіти з перших принципів. По суті, абстрактне і дедуктивне мислення є складними, якщо їх не вчать. У нас абсолютно є проблема з освітою, яка заважає нам зрозуміти прогрес закону Мура або ймовірний поширення пандемії.

Поточна пандемія кидає ще один яскравий світло на наслідки відсутності лідерів, які не можуть думати експоненційно (або слухати експертизу).

Ви працюєте над VR з 90-х років, як ви відчуваєте щодо деяких сучасних споживчих застосунків VR, таких як Oculus Quest?

Кожного разу, коли я бачу, як гіп VR знову піднімається вгору по схилу рейок, я починаю нагадувати всім про три основні обмеження, які перешкоджають широкому прийняттю.

1. Деякі люди будуть назавжди фізично нездатні насолоджуватися стереоскопічним 3D-VR.
2. Тертя налаштування та підключення роблять це досвідом, який не很多 хто знайде приємним.
3. Хрупкість систем означає, що тільки експерти-хобісти будуть хотіти експериментувати з цим і виправляти невдале підключення

Люди не мали оновлення вже давно (з часів плейстоценової ери, якщо рахувати з мене) і деяким з нас дуже складно адаптуватися до стереоскопічних 3D-дисплеїв. Значна частина населення ніколи не зможе зручитися з іммерсивним VR через те, як вони фізично спроектовані. Отже, якщо ми відкладемо їх на деякий час, ми залишилися з другою великою проблемою: жахливим тертям підключення до цих пристроїв. Занадто багато кабелів і налаштувань, перш ніж можна потрапити у досвід. І третім є хрупкість і ламкість усіх цих додаткових модулів і підключень.

Oculus Quest значно перевершив мої очікування, повністю знищивши друге і третє обмеження. У моєї сім’ї ми проводимо час у контенті Oculus Quest майже щодня. Це, на мою думку, великий прорив, якого потребував VR. Тепер нам просто потрібно пройти останній крок і побачити, як ми можемо адаптувати технологію, щоб задовольнити тих, хто має фізичні обмеження, які заважають їм насолоджуватися VR.

Яка була ваша мотивація для запуску Tanjo?

Я відкрив машинне навчання у 2009 році, коли я керував лабораторією віртуальних світів у Lockheed Martin. Машинне навчання вже існувало, звичайно, але це був рік, коли я повністю зрозумів, наскільки далеко воно зайшло, і наскільки воно фундаментально відрізнялося від “штучного інтелекту”, який ми використовували у комп’ютерних іграх і симуляціях Міністерства оборони раніше.

Я зараз вважаю штучний інтелект, який розвивається у трьох етапах. У першому етапі, який тривав від близько 1958 року до 2009 року (мій довільний маркер), ми не просили комп’ютер обчислити щось, поки люди не зрозуміли це повністю і не могли розбити його на крихітні логічні ворота і оператори if/then. Ми потім вводили це у комп’ютери як скінченні автомати або ієрархічні дерева поведінки і запускали програми. У кінцевому підсумку все це було просто кодом. Нічого містичного у цьому.

Наступний етап – це машинне навчання, коли людина не обов’язково навіть знає, як сказати машині, щоб вона керувала автомобілем. Тепер ми просто вводимо величезний набір тренувальних даних у добре спроектовані бібліотеки машинного навчання, які потім роблять свої висновки. Сьогодні система машинного навчання просто може подивитися на 100 годин відео і виїхати на автономний автомобіль бездоганно в будь-якому місці. (Я зазвичай роблю жарт, що “в будь-якому місці, крім Риму”)

У Tanjo ми використовуємо машинне навчання у коротких проектах, щоб надати банкам, закладам вищої освіти та компаніям з фортуни 2000 інтелектуальне підсилення і автоматизацію, які трансформують те, як вони працюють. Ми регулярно бачимо повернення інвестицій у 10 разів від наших реалізації. І цей повернення зазвичай є рентою. Скільки технологічних інвестицій ми бачили раніше, які створюють такі продуктивні прибутки? У нас були перевірені вимірювання ROI аж до 600 разів; і одна сумнівна результат у 1600 разів. Ми навіть не використовуємо останнє як випадок дослідження, оскільки воно здається надто гіперболічним.

Можете розповісти про Tanjo Animated Personas (TAP), і як це працює?

Наш великий прорив стався, коли ми зрозуміли, що ці чудові, дивні системи машинної інтелекту дивилися на людей так само, як і на інформаційні об’єкти. Ми провели ранній експеримент з набором тренувальних даних з популярного сервісу знайомств. Наша маленька машина машинного навчання створила графи інтересів і карти настроїв для кожного людини з їхніх даних, які вийшли подібними до профілю Майерс-Бріггса. Ми подумали про створення машини машинного навчання для сервісу знайомств у 2014 році. Це був дуже короткий розгляд, оскільки це не відповідало нашим високим цілям робити щось значуще.

Натомість, ми назвали це “Двигуном емпатії” і створили з цих моделей машинного навчання поведінки людини “Tanjo Animated Personas”.

Аналітична фірма Gartner надала нам нагороду “Крутий постачальник” у 2018 році за цей прорив. Ми допомагаємо дослідникам ринку моделювати і зрозуміти (і, сподіваємося, створити глибші, значущі розмови зі своїми клієнтами; а також використовувати це для моделювання населення людей для вивчення здоров’я та добробуту. Наприклад, ми можемо створити синтетичну модель населення певного поштового індексу або округу і симулювати, які втручання і повідомлення спонукають краще поведінку для зниження поширення вірусу, або для зниження ожиріння, куріння тощо.

Ви використовуєте наглядове навчання, щоб навчити Tanjo?

Баланс між людьми і машинами є таким же важливим у вводі, як і у виводі цих систем. Наглядове навчання людей абсолютно допомагає у швидшому навчанні “Мозку” однієї з наших систем машинного навчання. Коли ми створювали мозок NC, який зв’язує всі 58 громадських коледжів у Північній Кароліні, ми працювали з викладачами та адміністраторами у деяких з кращих коледжів тут, щоб забезпечити, що його ранжування різних областей знань і його сортування контенту були дійсними.

Одним з продуктів Tanjo є ContractBot для аналізу контрактів. Що таке ContractBot, і для яких підприємств він насамперед призначений?

Ми створили ContractBot спочатку для бухгалтерської галузі. У 2017 році FASBI (Financial Accounting Standards Board Interpretations) випускала нові правила щодо визнання доходів і бухгалтерського обліку для бізнесу. Бухгалтерські фірми проводили конференції по всій країні, щоб підготувати себе і своїх клієнтів до цих змін. З нашою лінзою машинного навчання ми зрозуміли, що це була ідеальна можливість для вузької системи машинного навчання, щоб працювати поряд з бухгалтерами і драматично збільшити швидкість аналізу, а також підвищити точність. Ми навчали систему на понад чотирьох мільйонах контрактів: все, від однієї сторінки, відсканованої, написаної від руки покупки, до контрактів з сотнею сторінок гарантій і застережень та описів платежів. Вона швидко навчилася розуміти мову і сортувати документи або розділи документів і застосовувати бізнес-правила майже миттєво для виконання аналізу, який би зайняв у людини- бухгалтера весь день.

Цей проект і інші є випадками дослідження, які ми надаємо, щоб заохотити будь-кого у бізнесі сьогодні розглянути новий баланс між людиною і машиною і уважно придивитися до кожної діяльності, щоб визначити, який правильний мікс людської і машинної праці для оптимізації свого бізнесу.

Коли JP Morgan використали цей підхід, щоб ліквідувати 320 000 годин на рік аналізу кредитних угод, вони не тільки отримали повернення інвестицій у 100 разів того року, але й отримають цю ренту щороку вперед. Будь-який конкурент, у якого все ще є ця вартість, не тільки буде неконкурентоспроможним, але і нерелевантним.

Одним з найбільш цікавих продуктів, які пропонує Tanjo, є Tanjo’s Enterprise Brain. Який тип машинного навчання лежить в основі цього, і які його випадки використання?

Коли ми використовували машинне навчання, щоб допомогти Міністерству освіти США створити реєстр навчання, ми побачили силу машинного навчання для організації та аналізу знань. Коли я говорю про це, я зазвичай показую слайд з зображенням з останньої сцени “Похідників втраченої арки”; де клерк візить сірий ящик, щоб подати його на зберігання, і на ньому є маленький ярлик, який говорить ARC.

Що ми дізналися з проекту реєстру навчання і інших, так це те, що корпоративний пошук є зламаним. У компаній є неозначені і приховані дані, сховані у маленьких озерах і ставках, які є недоступними або незрозумілими і, таким чином, не прозорими для запиту. У цій прискорюваній епохи інформації ми втрачаємо знання, здобуті щодня, через погані методи зберігання та відновлення.

Мозок підприємства Tanjo живе всередині вашого брандмауера, з повним джерельним кодом, підключається до всього і нічого не робить, крім як читає і сканує і організовує все, до чого має доступ, і чекає на той захоплюючий момент, коли він виявляє людину, яка намагається зробити щось, що могло б скористатися величезною інформаційною картою у його руках. Через те, що у нього є так багато часу і сили і близькості з організаційними знаннями, він не задовольняється зменшенням свого прочитання “Війни і миру” до #російськийроман #Толстой #військоваісторія #кохання. Натомість він буде картографувати його з так званим “гіпердимENSIONальним відбитком” до 4000 вагомих концепцій. Це, здавалося б, надмірна робота, приносить великі дивіденди для дослідницьких інститутів, банків і коледжів з мозком підприємства Tanjo. Звичайно для них реалізувати цінність, далеко перевищуючи ліцензійний збір, просто на етапі картографування організаційних знань під час навчання мозку підприємства, коли керівництво дізнається, скільки знань вони інвестують і залежать від нього, і що все це означає. Коли мозок підприємства реалізований, організація тепер має лінзу, через яку можна побачити, як інформація увійшла у їхні системи, хто її підтримував, хто її заперечував і, в кінцевому підсумку, як рішення були прийняті. Це стає потребою, яка є ретроспективно очевидною. І як система машинного навчання, яку реалізував JP Morgan, платить дивіденди назавжди.

Чи є щось ще, що ви хотіли б поділитися про Tanjo?

Tanjo зараз активно працює над мозком COVID-19. У відповідності з тезою, яка рухає нашу компанію, ми визначаємо, як досягти балансу між людиною і машиною, щоб забезпечити, що правильна інформація і кращі ресурси будуть доступні людям, які приймають важливі рішення під час цієї кризи. Можливість Tanjo Animated Personas буде використана для моделювання даних про населення людини, щоб відстежувати поширення вірусу, а також для визначення яких заходів і методів спілкування, а також яких саме слів, будуть потрібні, щоб отримати поведінку, яку нам потрібно, щоб успішно вийти з цієї кризи у здоровішу екосистему для всіх нас.

Це була захоплююча розмова, читачі, які бажають дізнатися більше, повинні відвідати Tanjo.

https://youtu.be/f0_SbQYD5ec