Vishal Sikka 博士，Vianai 创始人兼首席执行官 – 访谈系列

维沙尔·西卡 (Vishal Sikka) 的创始人兼首席执行官 维亚奈曾任SAP公司首席技术官、印孚瑟斯公司首席执行官。他目前还担任甲骨文公司董事会成员、宝马集团监事会成员以及斯坦福大学以人为本人工智能研究所顾问。

Vianai 平台结合了开源元素、Vianai 专有技术和优化以及以人为本的设计，将 AI 大规模引入不同领域的企业。 借助该平台，大型组织可以在现有基础设施上构建、优化、部署和管理复杂的机器学习模型，并提高整个企业机器学习模型的操作和性能，

机器学习最初吸引您的是什么？

当我十几岁的时候，当我读到马文·明斯基（Marvin Minsky）对我们作为简单代理社会的思考时，我就对人工智能产生了兴趣，并了解了乔·魏森鲍姆（Joe Weizenbaum）的 Eliza（一个非常早期的聊天机器人）和约翰·麦卡锡（John McCarthy）对它的批评。 后来，我有幸邀请麦卡锡担任斯坦福大学人工智能资格考试委员会的主席。 麦卡锡和明斯基是人工智能领域的两位之父，他们对人工智能的力量和局限性都有深刻的见解，我有幸与他们一起学习。

今天我们仍然可以看到人工智能具有巨大的潜力，同时也有很大的局限性。 我们 30 年前所面临的同样的挑战在今天仍然很明显，特别是当我们关注企业中的人工智能时。 作为一名学生，我受到这项工作的启发，想看看人工智能的价值是否可以以某种方式被释放，并且我一直对它充满热情。

您之前写过一些有用的论文，您认为哪篇论文对您对人工智能的看法最有帮助？

作为一名学生，我一定读过几千篇论文。 麦卡锡关于“建议接受者”的有先见之明的论文，关于人工智能的一些关键哲学问题，马文关于作为一个社会的思想的论文，关于将联结主义（基于神经网络）和符号方法结合起来的人工智能论文，朱迪亚·珀尔关于概率推理和人工智能的论文因果智能、David Marr（关于视觉）、Pat Winston（关于从示例中学习对象描述）的论文、Waldinger 关于程序综合的工作以及许多其他人的论文塑造了我的观点。 最近，我一直在阅读 Hinton、Lecun、注意力人士的作品，以及 Cynthia Rudin、Fernanda Viegas 等人的作品。

您说过构建人工智能系统的开发者体验是支离破碎的，目前构建人工智能系统背后存在哪些问题？

今天的人工智能系统实际上只能由相对少数的人来解释——统计数据各不相同，但世界上似乎只有大约 20-30,000 人了解人工智能系统运行的真正方法。 这远远小于我们估计的 MLOps 专业人员大约 52,000 人，或者我们估计的 1 万数据科学家。 他们中的许多人无法告诉你为什么系统会这样做，为什么会提出建议，或者什么可能会出问题，或者底层技术是如何工作的。

将其置于极其复杂的景观背景下。 Gartner 在任何给定时间都在跟踪超过 300 个 MLOps 供应商。 其中每一个都有专门的产品。 另一方面，大型云供应商在所有方面都有自己的风格，并且经常寻求将公司锁定在他们的生态系统和基础设施中。

然后，对于公司来说，计算本身往往过于昂贵，无法真正构建和训练一些最先进的模型。 这些留给了少数拥有管理人工智能系统需求所需的人才和资源的公司。

缺乏理解、工具的复杂性和计算成本结合起来，为任何寻求精通人工智能的公司创造了一个脱节且充满挑战的环境。 在 Vianai，我们正在构建方法，使人工智能更易于使用、更易于理解和观察，同时大大减少与获得最佳性能相关的资源和成本。

您能分享一下 Vianai 背后的起源故事吗？

我花了很多年的时间致力于为企业带来新的、颠覆性的创新。 我和我的团队开发了多个产品，覆盖了数万家企业，被认为是突破性的。 在创建 Vianai 之前的两次旅程中，我还领导了两次根本性转型，并参与了数百家企业的转型。 除此之外，我多年来一直在研究人工智能，并专注于如何让人工智能变得更好、更相关并为人类服务。

这些东西以一种有些不寻常的方式聚集在一起。 我和家人在东南亚度假 [2018 年底]。 我们在一个小市场购物，小贩出售漂亮的手工珠宝。 它是用传统技术和当地的石头制成的，令人惊叹，但当然，这个小镇之外没有人听说过它们。 我想到了这个问题：“如果这个供应商可以使用人工智能怎么办？ 那会是什么样子？ 系统必须如何运行？” 那一刻我突然意识到，世界上的每一个企业都将通过人工智能进行转型，而这种转型不能用昨天的镜头来看待，而是需要从白纸开始的产品和想法。

大约一个月后，我创立了 Vianai，其使命是为全球企业带来真正的、以人为本的人工智能。 这意味着提供产品和服务、应用程序和技术、工具，使业务用户、数据科学家、机器学习工程师甚至世界偏远地区的供应商能够真正受益于人工智能。

从那时起，我们创建了帮助企业开始使用人工智能的应用程序、帮助机器学习从业者管理和监控其人工智能模型的平台以及帮助更多公司使用人工智能的优化技术。

通过这一切，我们发现将人类理解、判断和协作的力量与数据和最佳人工智能技术结合在一起的巨大潜力尚未开发。 根据我们与领先企业公司的合作，我发现可以帮助小型供应商的相同技术也可以帮助世界上最大的企业。

Vianai 是关于以人为中心的人工智能，您能定义一下这是什么以及为什么它很重要吗？

以人为中心的人工智能是寻求扩大人类工作并提高人类判断力的人工智能。 机器学习常常被认为是人类劳动的替代品。 但人工智能是人类的补充——它提供了人类无法复制的规模、可重复性和精确度。 但人工智能无法复制人类的判断、人类的经验或我们对环境的理解。

这方面有明显的例子，例如人工智能将乌龟误认为是步枪，但更常见的是，当人工智能尚未证明自己值得信赖时，我们就过于信任它。 一个臭名昭著的故事发生在十年前，当时一家公司的人工智能被允许在没有人工干预的情况下进行交易。 该算法在不到一小时内损失了 440 亿美元。

举一个最近的例子，尖端语言模型仍然相对容易混淆或产生偏见。 文本到图像生成器可能很强大，但需要人类用户发出非常具体的命令才能充分发挥其潜力。

那么，以人为中心的人工智能是我们产品设计的一个重点。 我们将人类理解的力量（例如判断和协作）与最好的数据和人工智能技术结合起来，创建可以极大改善业务成果和流程的智能系统。

您能解释一下人类和人工智能背后的反馈循环的必要性吗？

人工智能有一个完整的分支，叫做“人在循环”依靠人类的反馈机制来自然地提高人工智能的性能。 这是很自然的，并且对于任何系统都有意义。

人工智能系统可以随着时间的推移，通过重新训练来改进，其中包括用户采取的任何操作。 当然，这也是我们应用程序的一部分。 让我举个例子。

在新冠疫情爆发之前，我们与一家大型金融服务公司合作进行需求预测。 由于我们设计系统的方式，当新冠疫情到来并破坏了许多其他模型时，我们的系统迅速适应了变化，并且从未需要重建。 这是以人为中心的人工智能的第二个也是最重要的方面，从一开始就设计系统以融入现代生活的复杂性。

这会创建信任以及与组织和用户一起成长的系统。

是什么让 Vianai 成为下一代人工智能平台？

尽管围绕人工智能的风险、监管和前景进行了很多讨论，但很少有人寻求我们找到的解决方案——以人为本的人工智能的概念。

随着人工智能在企业中变得更加真实，我们的平台就可以应对即将出现的问题。 它是为了解决有关信任、偏见和透明度的问题。 它使公司能够通过监控和优化来扩展人工智能。 它使非技术用户能够通过我们的应用程序利用人工智能。

构建大幅简化企业人工智能体验的平台背后有哪些挑战？

我们在企业引入人工智能时看到的最大挑战是人才、工具和技术。 首先，人才往往集中在少数地方，尤其是大型科技公司。 这使得外部团队成员很难参与人工智能项目的监督、治理和制定，并且可能会产生更多偏见，因为只有有限数量的团队成员参与运营。

技术和工具也可能成为简化人工智能的挑战。 目前，技术和工具都有限。 运行人工智能的芯片稀缺且非常昂贵，工具被锁定在某些供应商手中，这减少了在扩大价值的同时提高成本的自由度。 无论一家公司处于企业人工智能之旅的哪个阶段，这些挑战都会使实施有用且符合道德的人工智能变得具有挑战性，因为它会创建一个脱节、碎片化的战略，并删除执行适当功能所需的工具。 组织需要能够支持人工智能从实施到维护的所有领域，并拥有团队支持和提供意见以使其取得成功。

为了真正的成功，我发现平台功能需要完全开放、模块化、灵活，并且不依赖于昂贵的硬件和软件升级。 通过以人为本的方法，人类仍然能够利用知识、背景、经验和创造力来解决问题——然后由人工智能平台放大，而不是取代。

关于 Vianai，您还有什么想分享的吗？

从很多方面来说，我们生活在人工智能时代。 围绕人工智能有很多炒作和讨论，总的来说这是一件好事。 与过去相比，我们在生成人工智能和其他领域看到了许多进步和更广泛的采用。 然而，我们也应该努力认识到人工智能的局限性——当今人工智能技术的现实，以及人工智能专业知识匮乏的现实，以及对人工智能尤其是企业缺乏信任的现实。 如果我们能够将人工智能视为我们生活、社会、工作和潜力的放大器，并对人工智能进行必要的监督以确保这一点，那么我确实相信我们最终会看到它以有意义和变革的方式变为现实。

感谢您的精彩采访，想要了解更多信息的读者可以访问 维亚奈.