访谈
郑博士，DeepHow 的 CEO 和联合创始人 – 采访系列
郑博士，DeepHow 的 CEO 和联合创始人，带领着一家快速发展的初创公司，得到了著名投资者的支持。DeepHow 革新了熟练工人的培训，采用了创新性的、由人工智能驱动的、以视频为中心的知识捕获和转移平台。
在 DeepHow 之前，郑博士在西门子公司工作了十多年，推动了各个行业的数字化创新。他的著名项目，如云数字检查夹克，显著提高了技术知识的共享、效率和用户体验，赢得了西门子创新奖。
同时，郑博士也是清华大学的心理学副教授，并拥有伊利诺伊大学厄巴纳-香槟分校的工程心理学博士和统计学硕士学位。
您有心理学和统计学的教育背景，如何转向视频和机器学习领域?
我的心理学和统计学背景实际上为我进入机器学习和视频领域提供了自然的过渡。心理学的研究激发了我对人类思维和智力的兴趣，特别是技能学习和专业知识发展的过程。同时，统计学提供了数学基础，让我能够探索人工神经网络，受到我们生物大脑的启发。
在今天的数字时代，视频已经成为一种更具吸引力、交互性和有效性的学习媒介。这一转变在 YouTube 和 TikTok 等平台上很明显，用户，尤其是年轻一代，花费数小时消费和学习视频内容。
然而，传统的创建教学或操作视频的过程，特别是编辑部分，耗时且劳动密集。一个只有几分钟的视频可能需要数小时的精心工作。认识到这种低效率和提高学习体验的潜力，我的联合创始人和我决定利用人工智能（AI）和机器学习来加速操作视频的创建过程。
我们的 AI 驱动的视频平台可以将数小时的劳动密集型工作转化为仅几分钟，极大地提高了效率而不损害有效性。从本质上讲，我的学术基础在于理解人类认知和模仿它的统计模型，这帮助我为这项创新事业铺平了道路。
您有多项专利，您认为哪一个最重要?
所有我的专利都专注于利用技术来提高人类的表现。在西门子公司任职期间，我参与了一个值得注意的项目，为斯蒂芬·霍金教授开发了一种直观的眼部输入法，以帮助像霍金教授一样患有 ALS 的人。这个创新工作现在是待批准的专利的一部分。
然而，我最重要的专利贡献是最近的一个：工业和制造组织的生成式 AI 驱动的专业知识管理平台。
以下是简要概述：
我们的发明提出了一种尖端的生成式 AI 解决方案，专门为工业和制造组织设计。它有效地捕获、组织和传播机构和部落知识，交叉了人工智能、机器学习、培训和开发以及知识管理系统等领域。
工业和制造业经常面临着巨大的挑战，包括捕获、组织和分享关键知识。高员工流动率、复杂的流程以及不断需要提升技能的需求放大了这些困难。传统的知识管理方法通常是繁琐的、耗时的，并且缺乏灵活性，需要更先进的解决方案。
我们的生成式 AI 解决方案采用专有的算法和机器学习技术来简化基于视频的标准操作程序（SOP）的创建、优化工作流程，并通过 AI 驱动的聊天功能实现快速、有效地访问信息。由于其适应性和可扩展性，我们的解决方案适用于各种制造环境。
您能分享 DeepHow 的创立故事吗?
在我们推出 DeepHow 之前，我与我们的其他创始人帕特里克·马托斯·达·席尔瓦和魏亮高在西门子公司一起工作，推动各个数字创新项目在工业和制造业领域。我们的旅程在 2018 年加入底特律的 Techstars Mobility 加速器时发生了巨大的转变。这个经历基本上是一个训练营，帮助我们验证我们的想法、识别差距，并与潜在的投资者、合作伙伴和导师建立联系。
我们看到了人们在这些年里培养的技能和经验的价值，但有一个问题——没有真正有效的方式来捕获和分享这种专业知识。我们观察到技术如何快速发展，并意识到我们用于员工培训的方法并没有跟上节奏。我们仍然依赖于过时的、耗时的方法，这些方法不仅效率低下，而且不够吸引人。
我意识到有一个独特的机会，将人工智能和视频技术的进步结合起来，彻底改变我们捕获、结构化和分享信息的方式。因此，我们开始构建 DeepHow，一款允许公司内部创建惊人的培训视频并保持控制的平台。为了实现这一想法，我们创建了一个名为“斯蒂芬妮”的 AI 系统。斯蒂芬妮是我们解决方案的骨干，捕获专家的专业知识并创建知识库。它生成分步骤、交互式的操作视频，以加快新员工和缺乏经验的员工的学习过程。
通过使用 AI 工作流索引和分段，我们成功地将视频内容的创建速度提高了十倍，并将工作力绩效提高了 25%。
自早期以来，我们已经走了很长一段路，但我们的使命仍然相同。我们致力于帮助公司利用其丰富的机构知识和专业知识，并使员工能够不断学习和成长。这是一段令人兴奋的旅程。
DeepHow 解决哪些工作场所挑战?
知识转移：在任何工作场所，将技能和知识从经验丰富的员工转移到新员工或缺乏经验的员工都可能是一个挑战。我们使得捕获和结构化这种知识变得简单，以便于分享，分解为易于理解的部分。
培训效率：传统的培训可能很乏味，对吧？长时间、难以保留信息——这并不总是最有效的过程。使用 DeepHow，员工可以按照自己的节奏学习，并以更适合他们独特学习风格的方式学习。我们的目标是使培训变得无痛苦和愉快。技能差距：有时，找出团队的技能差距可能会像大海捞针一样。我们也可以帮助您解决这个问题。我们的平台使用分析来显示培训中的差距，并使培训团队能够通过创建所需的内容来弥补这些差距。过时的培训材料：事物变化很快，不是吗？标准和程序不断演变。好吧，我们确保您的培训材料永远不会落后。编辑和更新很快捷，能够跨不同地点和班次轻松共享更新，使得没有人会缺乏最新的信息。按需学习：便利性是王道！每个人都希望能够访问他们需要的东西，何时需要。DeepHow 的理念就是这样。我们相信培训不应该是一种会打乱整个日程的预定事件，而是一种灵活的资源，随时可用。被时间和地点的限制所束缚并不是理想的。需要学习某些特定内容，马上？搜索并观看。它不能再简单了。提高员工参与度：我们都知道培训有时可能，嗯，不是最令人兴奋的东西。但它绝对不必如此。DeepHow 允许创作者发挥创造力。学习应该是一种有趣、吸引人和愉快的体验。促进沟通：沟通可能很棘手，尤其是在处理复杂的流程或程序时。我们的平台通过允许员工轻松消化和理解任务的分步指南，使沟通变得更简单，促进清晰和一致的信息传递。我们的平台还理解、翻译和转录近 50 种语言（并且还在不断增加）。这个功能已经被证明是许多公司最有价值的工具之一。允许某人以其母语学习确保更好的理解和提高士气。
DeepHow 如何使企业能够创建自适应的培训计划?
让我们考虑传统的培训环境。你有静态的材料，僵化的时间表，以及一种适用于所有人的方法。这些方法并没有考虑到每个人都以不同的方式和速度学习。它们也不适应快速变化的环境或员工的进步。这些都是企业面临的重大痛点，对吧？
这正是 DeepHow 的用武之地。我们帮助您解决这些问题。我们使企业能够开发出灵活的培训计划，这些计划是动态的、个性化的，并且能够快速响应业务需求和员工的学习模式。
我们的平台捕获专家的知识，形成易于理解的、基于视频的学习模块。但我们没有止步于此。我们利用人工智能分析员工与这些模型的交互，实现对技能差距的更深入的洞察。它是关于将弱点转化为优势，并利用个体的专业领域来培养持续的学习文化。
DeepHow 在提高工作场所安全方面扮演什么角色?
安全是任何工作场所的一个至关重要的方面，但它通常很难做对，导致不幸的事故和违反规定。遗憾的是，这在制造业、建筑业或医疗保健等行业尤其如此，即使是一小步也可能带来重大的后果。
那么，DeepHow 如何融入这一画面？我们热衷于确保安全实践被清晰地理解并在各个方面一致地实施。
我们通过提供一个平台让公司轻松捕获和分享专家对安全协议的知识来实现这一目标。与其使用老式的、难以理解的说明书，我们提供交互式的、分步骤的视频指南。它们直接、易于理解，并且最重要的是，可以在任何时候、任何地方访问。这意味着员工永远没有借口不及时了解最新的安全协议。安全应该始终是首要任务，每个人都应该感到在工作场所是安全的。
生成式 AI 如何使其成为可能?
在我们生成式 AI 驱动的专业知识管理平台“Maven”的核心，是一套创新能力，旨在革新工业和制造组织捕获、管理和分享其机构和部落知识的方式。Maven 采用专有的算法和先进的机器学习技术来简化和增强各种过程：
- 简化视频 SOP 创建：使用我们的独特生成式 AI 算法，Maven 在创建高质量的视频 SOP 时提供自动化的视频拍摄指南和旁白脚本的帮助。这种一致性为行业设定了新的标准。
- 高效的工作流优化：通过利用先进的机器学习技术，Maven 的工作流可视化工具使用户能够简化复杂的任务，从而通过用户友好的界面和智能应用促进生产力。
- 战略知识映射：Maven 的 AI 算法帮助组织绘制关键的专业知识，识别知识差距，并发现重要的内容机会。从而开发出针对熟练工人的有针对性的培训材料。
- AI 增强的聊天功能：由领先的自然语言处理算法驱动，Maven 的 AI 聊天功能使用户能够使用自然语言查询快速、有效地访问所需的信息。
- 多模态内容生成：在没有书面 SOP 的情况下，Maven 可以分析视频内容并生成多模态内容，如分步骤的视频 SOP、文本 SOP 和工作流图，从而简化内容创建过程。
通过将先进的生成式 AI 与最新的知识管理策略相结合，Maven 为组织提供了一种独特的工具，以发挥其熟练工人的潜力，推动持续改进和创新。
是否使用其他类型的机器学习算法?
确实，DeepHow 利用了一系列复杂的机器学习算法和人工智能技术，包括自然语言处理（NLP）和计算机视觉。这些技术，无论是监督式还是无监督式，都支撑着我们专有的、针对特定领域的 AI 技术，该技术已针对工业和制造业进行了训练和优化。主要应用领域包括：
1）工作流分段：我们利用机器学习算法从视频中捕获的复杂、无结构的任务演示中提取关键信息和步骤。从而将复杂的程序分解为可管理、可教的步骤。
2）多模态步骤嵌入：通过建模“活动基因组”，我们能够重新配置指令和工作流指导，以更好地适应特定的操作环境。
3）跨模式检索：我们使用高级的视频内搜索技术，实现多语言、基于技能的内容检索。从而使用户能够更高效、更精确地访问相关信息。
4）专业知识映射：我们构建了一个知识图，直观地表示组织的核心能力。这种映射使公司能够清晰地识别其知识资产，从而能够制定更有效的提升技能和培训策略。
这些先进的机器学习技术，加上我们对工业和制造服务的关注，使我们能够为这些领域的组织提供全面解决方案，以应对其独特的挑战。
对于希望开始使用的公司，流程是什么?
我们设计了我们的平台，以简单为原则，因此将您的公司纳入并不复杂。事实上，80 多家企业和中小型企业客户已经成功部署了我们的解决方案，覆盖 24 个国家的 400 多个站点，跨越 6 个大陆。
首先，我们的团队将与您会面，讨论您公司的具体需求和痛点。我们希望了解您的目标、您面临的培训挑战、您工作forces 需要的技能类型——整个场景。
接下来，我们将指导您完成捕获专家知识的过程。这可以是关于公司重要的任何过程或技能。我们的团队将协助您使用 DeepHow 的直观工具创建这些分步骤的视频指南。
我们的团队将在每一步支持您，从初始设置到培训计划的持续优化。我们在这里与您建立伙伴关系，以增强您的工作forces 的技能和效率。只需访问 DeepHow.com 即可开始。
您还想分享关于 DeepHow 的其他信息吗?
DeepHow 的核心是一项明确、令人信服的使命：我们旨在赋予每一位熟练工人成为专家的能力。我们努力使知识转移和培训变得无缝、吸引人和具有成本效益，利用人工智能的变革力量。我们坚信技术应该增强人类的能力，而不是取代它们。这个原则指导着我们所做的一切。
在我们快速演变的技术格局中，这个使命比以往任何时候都更加相关。向数字化转型和工业 4.0 的转变已经使制造业现代化，引入了一系列先进的技术。这些创新已经显著改变了工作要求，要求工人获得新的技术技能来操作、维护和优化这些复杂的机器。变化的步伐如此之快，以至于传统的培训方法难以跟上，导致技能差距不断扩大。
我们的目标是正面解决这一挑战，赋予工人“重建更好”的能力，通过为明天的工厂进行技能提升。高水平的自动化意味着对体力劳动的需求越来越少；相反，重点转向利用工人的专业知识和直觉来操作先进的技术系统。
DeepHow 提供了一种现代的培训方法，使制造商能够吸引人才、填补初级职位，并逐步提升工人的技能以适应先进的角色，涵盖制造、物流和规划等领域。通过强调现代、吸引人的培训，我们正在帮助改变制造业的认知，从死胡同的职业转变为一个充满动态、技术驱动的领域，拥有无限的可能性。
感谢这次精彩的采访，希望了解更多的读者可以访问 DeepHow。
