Sarah Nagy, Người sáng lập & Giám đốc điều hành của Seek AI – Loạt phỏng vấn

Sarah Nagy là người sáng lập và Giám đốc điều hành của Seek AI, một nền tảng cho phép người dùng kinh doanh đặt câu hỏi cho Seek giống như họ hiện đang đặt câu hỏi cho nhóm dữ liệu, ngay trong Slack, Teams và email. Không cần “tinh chỉnh” cách họ viết câu hỏi, và không cần học một nền tảng mới.

Bạn ban đầu bắt đầu như một nhà nghiên cứu với dữ liệu từ Kính viễn vọng Không gian Hubble. Bạn đang làm việc trên gì?

Tôi đang làm nghiên cứu tại UCLA và Caltech, xem xét một số thiên hà xa nhất có thể được quan sát bằng kính viễn vọng, và đang phân tích một số thuộc tính của chúng như khối lượng và kích thước. Mục đích của nghiên cứu này là giúp chúng ta hiểu sự khác biệt giữa các thiên hà rất xa so với các thiên hà gần hơn với chúng ta, và phát triển các mô hình về cách các thiên hà này hình thành theo thời gian.

Sau đó, bạn làm việc như một nhà khoa học dữ liệu tại các công ty khởi nghiệp. Một số dự án thú vị nhất là gì?

Một dự án nổi bật liên quan đến việc sử dụng xử lý ngôn ngữ tự nhiên (NLP) để phân loại văn bản không cấu trúc liên quan đến các mặt hàng bán lẻ. Ví dụ, lấy văn bản thô (ví dụ “air jordans xanh”) và gắn nhãn là thương hiệu ước tính (“Nike”). Tôi có một đồng nghiệp chuyên về NLP đang bận với một dự án khác, vì vậy tôi thực sự không được dự định sẽ làm việc trên dự án này. Nó đã được giao cho tôi vì họ bận. Tôi thậm chí không biết gì về NLP vào thời điểm đó, vì vậy tôi đã tham gia một số khóa học miễn phí từ Stanford và Fast.ai để nâng cao kiến thức của mình. Tôi thực sự thích học về NLP và bắt đầu hiểu tại sao nó lại quan trọng, và tại sao trí tuệ nhân tạo (AI) có thể hiểu ngôn ngữ là một bước lớn hướng tới trí tuệ nhân tạo “tổng quát”. Kinh nghiệm này chắc chắn đã giúp tôi sẵn sàng hiểu tầm quan trọng của GPT-3 khi nó lần đầu tiên được phát hành.

Có thể bạn chia sẻ câu chuyện về sự ra đời của Seek AI?

Khi mô hình GPT-3 của OpenAI được phát hành, tôi ngay lập tức nhận ra đó là một bước tiến đáng kinh ngạc và trở nên rất hào hứng về các ứng dụng liên quan đến GPT-3 viết mã. Sau tất cả, tôi đã viết mã cả ngày như một nhà khoa học dữ liệu, và để thấy AI làm điều này – và tạo ra mã một cách hoàn hảo – là điều khiến tôi kinh ngạc. Tôi sẽ so sánh phản ứng của tôi với GPT-3 với việc học về thực tế ảo vào năm 2013, đó cũng là một trải nghiệm khiến tôi kinh ngạc. Tôi đã quyết định rằng tôi cần thành lập một công ty khởi nghiệp để đặt cược vào công nghệ này. Tôi không biết chính xác tôi sẽ xây dựng gì, nhưng tôi có một cảm giác trực giác rằng nếu tôi học thêm về các mô hình này, điều gì đó có giá trị sẽ xuất hiện.

Khi tôi đã thực sự học về các mô hình, đó là khi tôi nhận ra tôi có thể giải quyết một điểm đau mà tôi gặp phải ở mọi nơi tôi đã làm việc như một nhà toán học hoặc như một nhà khoa học dữ liệu. Điểm đau trong câu hỏi là người kinh doanh không có đúng công cụ để trả lời các câu hỏi dữ liệu của riêng họ. Là một nhà khoa học dữ liệu, tôi thường làm việc trên các vấn đề đòi hỏi sự tập trung cao, nhưng tôi thường bị gián đoạn bởi các đồng nghiệp trong lĩnh vực kinh doanh có câu hỏi về dữ liệu, buộc tôi phải dừng việc tôi đang làm. Quá trình này dường như đã lỗi thời và không hiệu quả. Tôi nhận ra rằng nếu tôi tập trung vào công nghệ mới này để giải quyết vấn đề, nó sẽ là một giải pháp định nghĩa loại cho vấn đề rất quan trọng và phổ biến này.

Seek AI sử dụng trí tuệ nhân tạo sinh (generative AI). Bạn có thể giải thích cho độc giả của chúng tôi về điều này?

“Trí tuệ nhân tạo sinh” là một từ khóa rất được quảng cáo, nhưng không giống như các từ khóa khác, tôi không nghĩ rằng sự cường điệu là không đáng tin cậy. Thuật ngữ này đề cập đến các mô hình học máy lớn với hàng trăm tỷ tham số, như DALL-E và GPT-3 của Open AI. Điểm mới của các mô hình này là chúng có thể hiểu ngôn ngữ tự nhiên và tạo ra văn bản, hình ảnh, mã và nhiều hơn nữa. Nếu bạn từng chơi với DALL-E hoặc Stable Diffusion, ví dụ, bạn sẽ nhanh chóng hiểu tại sao các mô hình này lại được cường điệu; chúng có khả năng hiểu các lệnh ngôn ngữ tự nhiên một cách đáng kinh ngạc và có thể tạo ra nghệ thuật ngang bằng với các nghệ sĩ hàng đầu.

Sự tạo mã là một trong những ứng dụng quan trọng nhất của trí tuệ nhân tạo sinh. Dữ liệu đang trở nên lớn hơn và phức tạp hơn, và do đó, khó khăn hơn cho con người trong việc phân tích và tổ chức thủ công. Tuy nhiên, có rất nhiều thông tin được mã hóa trong dữ liệu này. Thông tin này không chỉ mạnh mẽ cho các tổ chức, mà còn có thể dẫn đến những đột phá khoa học đáng kinh ngạc trên lĩnh vực học thuật. Xây dựng AI để trích xuất giá trị từ dữ liệu sẽ mở khóa giá trị đáng kinh ngạc dưới dạng thông tin hữu ích.

Seek AI đang xây dựng một giao diện cho phép người dùng tương tác với dữ liệu bằng ngôn ngữ tự nhiên. Người dùng có thể truy cập giao diện ngôn ngữ tự nhiên của Seek AI thông qua email, Slack, văn bản và một loạt các hệ thống quản lý quan hệ khách hàng (CRM).

Có những loại học máy nào khác được sử dụng tại Seek AI?

Mặc dù trí tuệ nhân tạo sinh là một phần của kiến trúc học máy của chúng tôi, kiến trúc của chúng tôi cũng bao gồm một số nhánh của các mô hình học sâu mã nguồn mở. Các mô hình Transformer (trong đó “trí tuệ nhân tạo sinh” là một biến thể) bao gồm nhiều (nhưng không phải tất cả) các mô hình mà Seek sử dụng.

Tại sao lại quan trọng đến vậy để người dùng không kỹ thuật có thể truy cập nhanh vào dữ liệu?

Dữ liệu có ích gì nếu nó không tạo ra ROI, và làm thế nào một doanh nghiệp có thể có ROI này nếu người dùng kinh doanh không thể truy cập vào nó? Đây là lý do tại sao điều quan trọng là phải cung cấp cho càng nhiều người càng tốt, mà không ảnh hưởng đến độ chính xác.

Khi tôi là một nhà khoa học dữ liệu, đôi khi tôi nhận được yêu cầu từ CEO để phân tích một số dữ liệu để giúp công ty chúng tôi về chiến lược sản phẩm hoặc tiếp thị. Những dự án này có thể mất vài tuần hoặc lâu hơn. Là một CEO bây giờ, tôi chắc chắn hiểu rõ hơn về tầm quan trọng của những dự án này so với khi tôi còn ở phía dữ liệu. Tôi thường tự hỏi mình có thể lấy dữ liệu ngay tại ngón tay mình để đưa ra quyết định nhanh hơn. Đây là một ví dụ về những gì chúng tôi đang giải quyết tại Seek.

Seek AI làm cho dữ liệu này dễ dàng truy cập như thế nào?

Điều thú vị cần xem xét là dữ liệu thực sự chỉ có thể được phân tích bằng mã. Điều này đúng là có các nền tảng là sự trừu tượng hóa trên mã này (ví dụ: bảng điều khiển dữ liệu), nhưng dưới bề mặt, có mã được viết thủ công bởi các nhà phân tích dữ liệu cho phép dữ liệu được trình bày cho người dùng kinh doanh.

Hầu hết người dùng tri thức không biết cách viết mã, không muốn viết mã, hoặc đơn giản là không thể truy cập vào dữ liệu ngay cả khi họ muốn viết mã để phân tích nó. Do đó, khi họ cần dữ liệu, họ phải tìm kiếm nó trong bảng điều khiển hoặc hỏi nhóm dữ liệu nếu họ không thể tìm thấy nó. Dữ liệu càng lớn, điều này sẽ xảy ra nhiều hơn.

Do đó, các nhóm dữ liệu cần phải là “trình biên dịch” của các câu hỏi ngôn ngữ tự nhiên được gửi đến họ, và dữ liệu thực sự, mà họ truy vấn bằng mã. Loại bỏ “trình biên dịch” trung gian này là trái tim của những gì Seek đang làm.

Làm thế nào các doanh nghiệp đảm bảo rằng dữ liệu họ sử dụng là chính xác?

Quản lý sự cân bằng giữa độ chính xác của dữ liệu và khả năng truy cập là một thách thức lớn. Như tôi đã nói trong một cuộc phỏng vấn gần đây, một mặt, khả năng truy cập cho phép những người ít kỹ thuật hơn bắt đầu tương tác với nguồn kiến thức mà dữ liệu của công ty cung cấp. Mặt khác, dữ liệu tốt như thế nào nếu nó không chính xác?

Các nhóm dữ liệu tốt nhất là những nhóm quản lý sự cân bằng này một cách tối ưu, và một phần quan trọng của điều đó là cẩn thận hiệu chỉnh và kiểm tra bất kỳ công cụ nào mà người dùng không kỹ thuật có thể tương tác.

Có những ví dụ nào về các trường hợp sử dụng cho nền tảng Seek AI?

Chúng tôi đang cung cấp giá trị cho khách hàng và đối tác thiết kế trong các thị trường dọc B2B SaaS, Fintech, Hàng tiêu dùng (CPG) và Thương mại điện tử B2C.

Battlefin, ví dụ, là thị trường hàng đầu của các tập dữ liệu tài chính thay thế. Họ tin rằng việc đưa ra câu trả lời nhanh chóng và chất lượng cao cho các câu hỏi của khách hàng là sự khác biệt giữa thắng và thua so với các đối thủ cạnh tranh của họ. Giám đốc điều hành của công ty, Tim Harrington, lưu ý: “Seek AI đã đóng một vai trò quan trọng trong chiến lược năm 2023 của chúng tôi vì lợi thế mà nó mang lại cho chúng tôi trong việc truy cập và phân tích hơn 2.400 tập dữ liệu của chúng tôi để trả lời các câu hỏi của khách hàng. Tôi ước tính ROI của chúng tôi trên Seek AI là khoảng 10 lần dựa trên những gì chúng tôi đã chi để đạt được mức hiệu quả này nếu không có nền tảng này.”

Có điều gì khác mà bạn muốn chia sẻ về Seek AI?

Đây có thể là nơi phù hợp cho một quảng cáo không ngần ngại. Seek hiện đang cung cấp các thử nghiệm miễn phí của nền tảng của chúng tôi, có thể được truy cập trên seek.ai. Chúng tôi rất hào hứng khi trở thành một người tiên phong trong việc mang trí tuệ nhân tạo sinh đến các nhóm dữ liệu, và tôi mong đợi được đi cùng khách hàng của chúng tôi trên hành trình này.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm nên truy cập Seek AI.