James Kaplan, Giám đốc điều hành và Đồng sáng lập của MeetKai Metaverse – Loạt phỏng vấn

James Kaplan là Giám đốc điều hành và Đồng sáng lập của MeetKai, một công ty Trí tuệ nhân tạo, Thực tế ảo và Tìm kiếm đối thoại có trụ sở tại Los Angeles, California, hiện đang dẫn đầu cuộc đua về giọng nói với các tính năng chưa từng có. Trí tuệ nhân tạo đối thoại của công ty có thể hiểu được ngôn ngữ phức tạp hơn và cung cấp kết quả được cá nhân hóa trong một cuộc trò chuyện tự nhiên về nhiều chủ đề, trong các thực tế khác nhau. Công nghệ của MeetKai được triển khai trên toàn cầu thông qua iOS, Google Play và AppGallery.

Bạn đã có đam mê với Trí tuệ nhân tạo từ khi còn nhỏ, 6 tuổi, làm thế nào bạn được giới thiệu đến công nghệ này?

Sự giới thiệu của tôi với Trí tuệ nhân tạo bắt đầu từ các trò chơi điện tử. Đầu tiên, đó là từ việc cố gắng hiểu làm thế nào Trí tuệ nhân tạo hoạt động trong trò chơi Oregon Trail – không phải là rất thông minh, nhưng vẫn là một hình thức của Trí tuệ nhân tạo. Từ đó, sự quan tâm của tôi đến Trí tuệ nhân tạo ngày càng tăng khi tôi tham gia vào các trò chơi trực tuyến nhiều người chơi. Tôi thực sự thích chơi các trò chơi trực tuyến, nhưng tôi ghét việc thu thập đồ vật. Vì vậy, tôi đã tham gia vào việc viết các chương trình tự động.

Một số ứng dụng Trí tuệ nhân tạo đầu tiên mà bạn đã lập trình là gì?

Viết chương trình tự động cho các trò chơi trực tuyến nhiều người chơi thực sự là bước đầu tiên của tôi trong việc phát triển một hình thức cụ thể của Trí tuệ nhân tạo. Ban đầu, các chương trình tự động của tôi khá đơn giản và gần giống với các macro hơn là Trí tuệ nhân tạo. Nhưng khi tôi lớn hơn và khi việc phát hiện chương trình tự động trong nhiều trò chơi trở nên tốt hơn, điều này bắt đầu đòi hỏi phải có các chương trình tự động giống như một người chơi hơn. Tôi đã từng thích viết chương trình tự động – tôi thậm chí đã viết một chương trình tự động để giành chiến thắng trong một cuộc thi của Taylor Swift khi tôi còn đi học (và cô ấy thực sự đã đến biểu diễn!). Tương tự, tôi cũng đã viết chương trình tự động đầu tiên cho Pokémon Go và đáng tiếc là đã khiến nhiều người bị cấm khi tôi mất hứng thú với việc tránh bị phát hiện.

Bạn đã ra mắt MeetKai vào năm 2018 sau khi cảm thấy thất vọng với các trợ lý giọng nói hiện tại. Tại sao hầu hết các trợ lý giọng nói lại cung cấp một trải nghiệm thiếu ấn tượng?

Nhìn chung, vấn đề là hầu hết các trợ lý giọng nói phụ thuộc quá nhiều vào các API bên ngoài để thực hiện. Ngay cả khi họ kiểm soát việc thực hiện, chẳng hạn như Alexa cho tìm kiếm thương mại điện tử, họ vẫn gặp phải những vấn đề tương tự. Đơn giản là, làm thế nào bạn có thể mong đợi một trợ lý giọng nói thông minh khi tất cả những gì nó làm là chuyển đổi giọng nói sang văn bản và đặt văn bản đó vào một công cụ tìm kiếm dựa trên văn bản? Chúng tôi đã bắt đầu MeetKai với ý tưởng rằng chúng tôi có thể cung cấp một trợ lý giọng nói “nhảy vọt” bằng cách kiểm soát toàn bộ quy trình xử lý từ đầu đến cuối mà tạo nên một trợ lý giọng nói. Chúng tôi đã phát triển một công cụ tìm kiếm đối thoại thay vì một công cụ tìm kiếm dựa trên từ khóa để hỗ trợ các truy vấn và cuộc trò chuyện phức tạp hơn. Các trợ lý khác bị kẹt với trải nghiệm thiếu ấn tượng vì họ không thể xây dựng hỗ trợ cuộc trò chuyện nhiều lượt trên các yếu tố hạn chế như vậy. Mặc dù mục tiêu của chúng tôi là đạt được điều đó, nhưng chúng tôi vẫn còn rất nhiều ở giai đoạn đầu của việc mở rộng công nghệ của mình để đáp ứng số lượng lĩnh vực tương tự như các công ty hiện có.

Một số thách thức chính về hiểu ngôn ngữ tự nhiên và xử lý ngôn ngữ tự nhiên khi xây dựng một trợ lý giọng nói hiện đại là gì?

Một trong những thách thức chính với công nghệ hiểu ngôn ngữ tự nhiên thế hệ tiếp theo là vượt qua các ý định và thực thể. Hầu hết công nghệ hiểu ngôn ngữ tự nhiên tập trung vào việc có một cách tiếp cận truyền thống đối với việc hiểu ngôn ngữ. Mỗi lần nhập liệu được phân loại thành ý định, và sau đó các token trong đó được dán nhãn thành thực thể bằng cách sử dụng mô hình dán nhãn tuần tự. Tôi có thể liệt kê hàng chục vấn đề với cách tiếp cận tiêu chuẩn này. Tuy nhiên, những vấn đề quan trọng nhất là:

1. Phân loại ý định không phụ thuộc vào ngữ cảnh không thể xử lý được cuộc trò chuyện nhiều lượt. Hầu hết các cách tiếp cận chỉ quan tâm đến văn bản thô được chuyển đổi. Họ không quan tâm đến ngữ cảnh – không quan tâm đến người dùng là ai, không quan tâm đến những gì người dùng thích, chỉ quan tâm đến những gì họ vừa hỏi. Điều này đặc biệt quan trọng khi người dùng nói một điều gì đó ngắn gọn. Ví dụ, nếu ai đó nói “cosmopolitan”, nó có thể có nghĩa là đồ uống hoặc tạp chí và phụ thuộc rất nhiều vào người dùng.
2. Mô hình nhận dạng thực thể làm việc kém với bất cứ thứ gì không phải là giá trị phân loại. Các mô hình ngôn ngữ lớn không thể thích nghi đủ nhanh với các thực thể mới trong thế giới thực vì chúng không có trong tập dữ liệu. Trí tuệ nhân tạo cần có một cách nhận dạng thực thể tinh vi hơn bằng cách xem xét một ngữ cảnh sâu sắc hơn. Ví dụ, vị trí của người dùng nên ảnh hưởng mạnh mẽ đến việc liệu một thứ gì đó có phải là tên của một nhà hàng hay không.
3. Các mối quan hệ giữa các thực thể không được xem xét kỹ lưỡng. Ví dụ yêu thích của tôi là làm thế nào hầu hết các công cụ tìm kiếm thất bại khi nói đến việc phủ định. Hãy thử tìm kiếm một bộ phim không có yếu tố lãng mạn trên các trợ lý giọng nói khác và bạn sẽ thấy điều tôi muốn nói.

Hiện tại, hầu hết các trợ lý giọng nói chỉ dịch giọng nói sang văn bản và thực hiện tìm kiếm trên Google. MeetKai AI hoạt động khác biệt như thế nào so với điều này?

Sự khác biệt chính giữa MeetKai và Google khi nói đến tìm kiếm là chúng tôi sử dụng một mô hình hiểu ngôn ngữ giàu hơn để tìm kiếm các mục bản thân thay vì chỉ tìm kiếm các trang web. Khi bạn tìm kiếm “phim của Tom Cruise không có hành động”, Google đang tìm kiếm các trang web có chứa tập hợp các token đó trên trang (Tom Cruise, phim, hành động). Tại MeetKai, chúng tôi hiểu chính xác rằng Tom Cruise là một diễn viên, phim là loại phương tiện chúng đang tìm kiếm, và hành động là thể loại không mong muốn. Với điều này, chúng tôi có thể thực hiện các tìm kiếm thông minh hơn.

MeetKai gần đây đã ra mắt thế giới VR đầu tiên: MeetKai Metaverse. Bạn có thể thảo luận về ứng dụng này không?

Hầu hết các công ty trong không gian metaverse đang làm việc về tương tác người với người. Ngoài ra, nội dung cũng chủ yếu là hoạt hình hoặc chỉ là video 360°. Mục tiêu của chúng tôi với MeetKai Metaverse là tập trung vào một góc độ hoàn toàn khác – người với Trí tuệ nhân tạo. Chúng tôi đang phát triển một metaverse nơi các nhân vật bạn đang tương tác đều được cung cấp bởi Trí tuệ nhân tạo tiên tiến của chúng tôi. Hơn nữa, chúng tôi đang làm việc để tạo ra môi trường một cách thủ tục để làm cho nó trở nên thực tế và hấp dẫn hơn so với các công ty khác trong lĩnh vực này. Hai thế giới ban đầu có sẵn để khám phá trong metaverse của chúng tôi là cho hai trường hợp sử dụng ban đầu: thiền và bảo tàng. Trong trường hợp đầu tiên, chúng tôi đã số hóa một chuyên gia Wing Chun và lần đầu tiên tạo ra một nhân vật Trí tuệ nhân tạo có thể hướng dẫn người dùng về các kỹ thuật thiền cách mạng để vào trạng thái thư giãn. Trong trường hợp thứ hai, chúng tôi đã tạo ra một bảo tàng nghệ thuật đang phát triển và cung cấp một người điều hành được cung cấp bởi Trí tuệ nhân tạo có thể trả lời các câu hỏi về nghệ thuật trong không gian và cung cấp các tour du lịch.

Có những ví dụ nào về việc Trí tuệ nhân tạo được sử dụng trong Metaverse này?

Chúng tôi sử dụng Trí tuệ nhân tạo ở ba nơi:

1. Để cung cấp khả năng đối thoại cho mỗi nhân vật trong metaverse của chúng tôi.
2. Để tạo ra nội dung động có sẵn cho người dùng thông qua hướng dẫn giọng nói. Ví dụ về điều này bao gồm các buổi thiền và tour du lịch bảo tàng nghệ thuật trong hai trải nghiệm ban đầu của chúng tôi.
3. Để tạo ra không gian 3D một cách thủ tục thay vì yêu cầu bố cục thủ công.

Tầm nhìn của bạn cho tương lai của các trợ lý giọng nói là gì?

Để có một tương lai, các trợ lý giọng nói cần phải phát triển thành một thứ gì đó nhiều hơn một hệ thống dựa trên lệnh. Điều này có nghĩa là phải có chuyên môn và khả năng sâu sắc trong nhiều lĩnh vực cụ thể. Tôi nghĩ rằng việc lắp ráp các trợ lý giọng nói chuyên về lĩnh vực sẽ là chìa khóa để xây dựng một trợ lý siêu thông minh. Điều này trái ngược với những nỗ lực “làm tất cả cùng một lúc” mà chúng tôi đã thấy kể từ khi các trợ lý giọng nói đầu tiên xuất hiện trong không gian này.

Có điều gì khác mà bạn muốn chia sẻ về MeetKai hoặc MeetKai Metaverse?

Chúng tôi vẫn còn ở giai đoạn đầu của lộ trình metaverse. Mục tiêu cuối cùng của chúng tôi là chúng tôi muốn có thể tái tạo bất kỳ trải nghiệm nào bạn có trong thế giới thực với metaverse, và sau đó vượt qua nó. Điều này có nghĩa là chúng tôi muốn loại bỏ các yếu tố tốn kém và tốn thời gian hạn chế những trải nghiệm tương tự trong thực tế. Metaverse có thể cho phép chúng ta sống một cuộc sống phong phú hơn, không thay thế chúng. Chúng tôi vẫn còn một số thách thức kỹ thuật cần được giải quyết, tuy nhiên, chúng tôi có một tập hợp các cột mốc có thể đạt được với giả định rằng phần cứng sẽ tiếp tục cải thiện. Chúng tôi đang làm việc chặt chẽ với các đối tác phần cứng để đảm bảo rằng không gian VR sẽ tiến bộ nhanh chóng. Ngoài ra, chúng tôi muốn làm cho trải nghiệm metaverse của mình có thể sử dụng được ngoài VR. Chúng tôi sẽ công bố thêm thông tin về điều này trong những tháng tới.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, tôi mong đợi theo dõi tiến độ của bạn về phiên bản metaverse của mình. Những người đọc muốn tìm hiểu thêm nên truy cập MeetKai.