Jim McGowan, trưởng bộ phận sản phẩm tại ElectrifAi – Phỏng vấn Series

Jim McGowan là trưởng bộ phận sản phẩm tại ElectrifAi, họ chuyên về việc trích xuất lượng lớn dữ liệu khác nhau, biến đổi dữ liệu hỗn độn có cấu trúc và không có cấu trúc thành thông tin kinh doanh có thể hành động.

Điều gì đã thu hút bạn đến thế giới của học máy và trí tuệ nhân tạo?

Tôi lần đầu tiên gặp Học máy trong khi tôi đang kiếm một bằng tiến sĩ về công việc trong khoa học nhận thức. Các hệ thống trí tuệ nhân tạo chủ yếu bao gồm việc cô đọng kinh nghiệm của một chuyên gia xuống một biểu đồ lưu lượng. Điều này dường như hoạt động một cách trực quan, nhưng các hệ thống nhanh chóng trở nên quá phức tạp và không đáp ứng được lời hứa của chúng. Các vấn đề nhỏ có thể được giải quyết, nhưng các giải pháp thực tế cho các vấn đề của thế giới thực nằm ngoài tầm với. Bạn có thể nói rằng việc xây dựng các hệ thống thực tế là không thực tế. Sau đó, Học máy đã đến. Điều đó đã thay đổi mọi thứ. Học máy đã mở khóa lời hứa của trí tuệ nhân tạo. ElectrifAi thực hiện lời hứa đó bằng cách xây dựng các giải pháp để giúp khách hàng của chúng tôi quản lý doanh nghiệp của họ tốt hơn.

ElectrifAi sử dụng một thứ gọi là Trí tuệ nhân tạo Thực tế để hướng dẫn các công ty làm nhiều hơn với dữ liệu mà họ đã có. Bạn có thể giải thích cách ElectrifAi định nghĩa Trí tuệ nhân tạo Thực tế?

Chúng tôi tận dụng dữ liệu của khách hàng để cung cấp thông tin rõ ràng, có thể hành động, cho các nhu cầu kinh doanh thực sự. Chúng tôi giúp họ đưa ra quyết định tốt hơn, nhanh hơn. Trí tuệ nhân tạo Thực tế là giải quyết một vấn đề kinh doanh thực tế với một giải pháp hoạt động tốt, dựa trên sự hiểu biết rõ ràng về dữ liệu, có kết quả rõ ràng, phù hợp với các quy trình và công cụ hiện có, giao hàng đúng hạn và mang lại giá trị kinh doanh đáng kể. Chúng tôi không yêu cầu các công ty thay thế hệ thống dữ liệu của họ. Chúng tôi không yêu cầu một mô hình kinh doanh cụ thể. Chúng tôi không mất một năm để có thể cung cấp một thứ gì đó là một thỏa hiệp về những gì khách hàng muốn làm. Chúng tôi cung cấp một giải pháp linh hoạt, chất lượng cao, dễ sử dụng và làm rất tốt những gì nó được thiết kế để làm. Đó là Trí tuệ nhân tạo Thực tế.

Chúng tôi đảm bảo rằng với mỗi giải pháp, chúng tôi đạt được các điều sau:

• Thời gian giá trị tốt nhất
• Làm sạch dữ liệu tốt nhất
• Thông tin tốt nhất
• Đầu tư sinh lời tốt nhất

Có thể bạn cho biết thêm thông tin về cách ElectrifAi cho phép các công ty sử dụng Trí tuệ nhân tạo Thực tế?

Chúng tôi kéo dữ liệu từ tất cả các hệ thống – cho dù đó là cơ sở dữ liệu được phát triển tùy chỉnh, giải pháp được tùy chỉnh cao từ các nhà cung cấp lớn, hoặc thậm chí là một dump dữ liệu từ một ứng dụng cũ. Chúng tôi làm sạch và hiểu dữ liệu đó, và tìm thấy các tín hiệu rõ ràng, có ý nghĩa trong tất cả sự hỗn độn đó. Chúng tôi sau đó sử dụng học máy để trích xuất các thông tin quý giá từ những tín hiệu đó, và cuối cùng, chúng tôi chỉ ra cách hành động trên những thông tin đó. SpendAi là một ví dụ tuyệt vời. Chúng tôi sử dụng học máy để làm sạch dữ liệu, và nhiều học máy hơn để phân loại 98-99% dữ liệu từ tất cả các hệ thống mua sắm của khách hàng. Chúng tôi thậm chí cho phép khách hàng kiểm soát việc phân loại đó ở mức độ chi tiết, chỉ trong vài giây, thông qua giao diện kéo và thả. Đó là duy nhất, và vô cùng mạnh mẽ. Sau đó, chúng tôi áp dụng một nhóm các thuật toán học máy khác để cung cấp một cái nhìn rõ ràng, đơn giản về nơi chi tiêu đang đi. Chúng tôi sử dụng học máy để phân tích hợp đồng và trích xuất các điều khoản quan trọng. Chúng tôi sau đó áp dụng nhiều thuật toán học máy hơn để đưa ra các khuyến nghị cụ thể. Ví dụ, khách hàng có thể được giảm giá từ một điều khoản chôn trong một điều khoản hợp đồng. Hoặc họ có thể quá phụ thuộc vào một nhà cung cấp trong một danh mục, người đang ở rủi ro tài chính chính mình. Khách hàng có thể không tận dụng vị trí của họ với một nhà cung cấp vì nhà cung cấp hoạt động dưới nhiều tên và trên nhiều bộ phận của công ty. Chúng tôi đưa ra và làm sạch tất cả những điều đó, để khách hàng có thể giảm chi tiêu, tăng vốn lưu động, và giảm rủi ro.

Có thể bạn thảo luận về PulmoAi CT, và cách nó có thể tăng hiệu quả cho các bác sĩ X quang và cải thiện kết quả X quang?

PulmoAi CT là một sản phẩm phân tích hình ảnh tiên tiến được thiết kế đặc biệt cho các quét CT phổi. Kết hợp Trí tuệ nhân tạo Thực tế, Học máy (ML) và công nghệ xử lý hình ảnh, PulmoAi CT tự động phân đoạn các quét phổi pixel bằng pixel, mà không có sự mờ hoặc biến dạng như các công nghệ tương tự. Kết quả: Hình ảnh 3D rõ ràng – cho phép xác định ngay lập tức các dấu hiệu của các khối u, nốt, COVID-19 và các bất thường khác. Với PulmoAi CT, các bác sĩ X quang có thể dễ dàng phóng to các chi tiết phổi, xem chúng cạnh nhau với cả phân tích lâm sàng và hình ảnh gốc. PulmoAi CT định lượng mỗi tính năng phổi với các chỉ số chính xác, bao gồm kích thước tính năng, hình thái và thể tích. Điều này cho phép theo dõi cẩn thận sự tiến triển của các bất thường, ngay cả trong sự hiện diện của nhiều bệnh tật.

PulmoAi CT là một công nghệ rất khác so với bất kỳ sản phẩm nào trên thị trường hoặc thậm chí phòng thí nghiệm nghiên cứu. Kết quả là thay đổi trò chơi. Không có gì khác như nó. Nó không phải là một cách tiếp cận tàn bạo đòi hỏi hàng chục nghìn mẫu để hoạt động. PulmoAi CT tạo ra kết quả trong khi các giải pháp trí tuệ nhân tạo khác vẫn đang tìm kiếm dữ liệu đào tạo. Nó mạnh mẽ và nó sẽ thay đổi những gì các bác sĩ X quang có thể làm.

Còn một sản phẩm khác của ElectrifAi là PulmoAi X-ray, nó giải quyết trực tiếp việc sử dụng X-quang trong các khu vực khủng hoảng. Bạn có thể thảo luận về công nghệ này?

PulmoAi X-ray giải quyết trực tiếp việc sử dụng X-quang trong các khu vực khủng hoảng ngày nay. Thích ứng với các thách thức cụ thể của đại dịch, PulmoAi X-ray đi một bước进一步 hơn việc phân biệt phổi khỏe mạnh với phổi nhiễm COVID-19. Giải pháp dựa trên đám mây này xác định các sự khác biệt quan trọng giữa bệnh nhân dương tính với coronavirus được gửi về nhà những người hồi phục an toàn và những người được gửi về nhà nhưng quay lại cần hỗ trợ hô hấp. Được đào tạo trước trên các quét phổi từ các bệnh viện trong các khu vực khủng hoảng, PulmoAi X-ray tận dụng các công nghệ mạng nơ-ron sâu để xác định các bất thường quan trọng liên quan đến COVID-19. PulmoAi X-ray là duy nhất vì nó được điều chỉnh hẹp để trả lời câu hỏi mà các bệnh viện trong các khu vực khủng hoảng đang cố gắng trả lời: liệu tự cách ly có hiệu quả, hay bệnh nhân cần nhập viện?

Còn một sản phẩm khác là ContractAi, nó sử dụng trí tuệ nhân tạo thực tế, Học máy và Xử lý Ngôn ngữ Tự nhiên (NLP) để tự động đọc, phân tích và so sánh hợp đồng trên toàn doanh nghiệp. Bạn có thể thảo luận về sản phẩm này và các trường hợp sử dụng tốt nhất cho nó?

ContractAi được thiết kế cho người dùng tương tác với hợp đồng trong vai trò vận hành hàng ngày. Ví dụ, ContractAi giúp những người trong nhóm mua sắm phân tích chi tiêu so với các thỏa thuận của nhà cung cấp. Gần đây, với cú sốc kinh tế do COVID-19, phần mềm này đang giúp các công ty hiểu bất kỳ đòn bẩy nào họ có thể có để thoát khỏi các hợp đồng của nhà cung cấp. Khi khả năng này được kết nối với sản phẩm SpendAi của chúng tôi, người ta có thể ngay lập tức hiểu được tác động tài chính của đòn bẩy này. Một trong những lợi thế lớn nhất của công nghệ này là nó hoạt động với dữ liệu hợp đồng ở bất kỳ định dạng nào – không có nhập dữ liệu thủ công và không yêu cầu định dạng cụ thể. Một lợi thế khác là công nghệ này được thiết kế đặc biệt cho người dùng sử dụng hợp đồng trong vai trò vận hành. Nhiều công nghệ xử lý hợp đồng hiện có được thiết kế cho các luật sư, những người có một tập hợp các mối quan tâm khác nhau.

Có gì khác mà bạn muốn chia sẻ về ElectrifAi?

Là một công ty học máy toàn cầu, chúng tôi có một cái nhìn độc đáo về cách các thị trường khác nhau đang phát triển và sử dụng Học máy. Một trong những lợi thế của cái nhìn này là khả năng của chúng tôi để hiểu cách các khả năng học máy (ML) có thể được dịch từ một địa lý và / hoặc thị trường dọc sang một thị trường khác để giúp giải quyết các vấn đề đáng kể.

Ví dụ, chúng tôi đã dành nhiều năm trên toàn thế giới giúp các doanh nghiệp tham gia khách hàng của họ bằng cách sử dụng khoa học dữ liệu. Chúng tôi hiện đã tận dụng chuyên môn đó để giúp ngành chăm sóc sức khỏe Hoa Kỳ tham gia với bệnh nhân bằng cách sử dụng khoa học dữ liệu, giúp khôi phục lại chăm sóc sức khỏe và đưa bệnh nhân trở lại bệnh viện cho các phẫu thuật chọn lọc quan trọng.