NuMind 联合创始人兼首席执行官 Etienne Bernard – 访谈系列

艾蒂安·伯纳德 (Etienne Bernard) 联合创始人兼首席执行官 纽曼德 一家成立于 2022 年 7 月的软件公司，专门开发机器学习工具。 Etienne 是人工智能和机器学习领域的专家。在获得统计物理学博士学位 (ENS) 和博士后 (MIT) 学位后，Etienne 加入 Wolfram Research，担任机器学习负责人长达 XNUMX 年。在此期间，Etienne 领导了自动学习工具、用户友好的深度学习框架以及各种机器学习应用程序的开发。

机器学习最初吸引您的是什么？

我第一次听到“机器学习”这个词是在 2009 年，得益于 Netflix 奖。 我发现机器可以学习的想法令人着迷且强大。 我已经很清楚，这将带来许多重要的应用——包括创建人工智能的令人兴奋的可能性。 我立即决定投入其中，再也没有回来。

在获得统计物理学博士学位 (ENS) 和博士后 (MIT) 后，您加入了 Wolfram Research，并担任机器学习负责人 7 年。 您从事过哪些更有趣的项目？

我在 Wolfram 最喜欢的项目是为 Wolfram 语言（又名 Mathematica）开发自动机器学习函数。 第一个是分类，你只需给它数据，它就会返回一个分类器。 对我来说，机器学习始终是自动化的。 你不调整你的人类学生的超参数，你也不应该调整你的机器的超参数！ 从科学和软件工程的角度来看，创建真正强大且高效的自动机器学习功能非常具有挑战性。

创建高级神经网络框架也是一个非常有趣的项目。 关于如何用符号表示神经网络、如何可视化它们以及如何操纵它们（即能够切割一些部分、将其他部分粘合在一起、替换层等），我认为我们做得不错，有很多困难的设计决策顺便说一句，如果它是开源的，我很确定它会被大量使用 😉

在此期间您还写了一本开创性的书，名为“机器学习简介”，写这么一本全面的书背后有哪些挑战？

哦，有很多！ 总共花了两年时间才写完。 我本可以决定只写一本“操作方法”书，这样会更容易，但我在 Wolfram 的部分旅程是关于学习机器学习的，我觉得有必要传播它。 因此，主要的困难是弄清楚到底要讲什么，以什么顺序讲，以便使其有趣且易于理解。 然后是教学细节：我应该使用数学公式来表达这个概念吗？ 或者一些代码？ 或者只是一个可视化？ 我想让这本书尽可能地易于理解，但这让我很头疼。 总的来说，我对结果很满意。 我希望它对很多人有用！

您能分享一下 NuMind 背后的起源故事吗？

好的。 我有一段时间想创建​​一家初创公司，最初是在 2012 年创建一个自动机器学习工具，但在 Wolfram 的工作太有趣了。 然后在 2019-2020 年左右，第一个大型语言模型 (LLM) 开始出现，例如 GPT-2，然后是 GPT-3。 他们理解和生成文本的能力让我感到震惊。 同时，我可以看到创建 NLP 模型是多么痛苦：你需要与注释团队打交道，需要专家进行大量实验等等。我认为应该有一种方法可以通过显着改善创建 NLP 模型体验的工具。 我的联合创始人塞缪尔（恰好是我的表弟）有着相同的愿景，因此我们决定创建这个工具。

NuMind 的目标是通过创建简单但功能强大的工具来推广机器学习和人工智能的使用。 目前可用的工具有哪些？

的确。 我们的第一个工具是用于创建自定义 NLP 模型。 例如，假设您想根据用户的反馈来分析他们的情绪。 使用现成的模型通常不太好，因为它是针对不同类型的数据进行训练的，并且任务略有不同（情感分析任务彼此之间有着惊人的不同！）。 相反，您希望训练一个能够很好地处理您的数据的自定义模型。 我们的工具可以以极其简单和高效的方式做到这一点。 基本上，您加载数据，执行少量注释，并获得可以通过 API 部署的模型。 这要归功于法学硕士的使用，以及我们称之为交互式人工智能开发的新学习范式。

您看到的第一轮 NuMind 客户开发的定制模型有哪些？

已经有一些情绪分析器。 例如，一位客户正在监控群聊的情绪，群聊中的人们互相帮助对抗毒瘾。 为了在情绪下降的罕见情况下进行干预，需要进行这种分析。 另一位客户利用我们来寻找最适合给定简历的职位空缺——顺便说一句，我相信这类匹配人工智能有很大的潜力。 我们还有从医疗和法律文件中提取信息的客户。

通过使用 NuMind 工具，公司可以节省多少时间？

当然，它取决于应用程序，但与传统解决方案（分别标记数​​据和训练模型）相比，我们发现获取模型并将其投入生产的速度提高了 10 倍。 我预计随着我们继续开发产品，这个数字会有所改善。 最终，我相信原本需要几个月的项目将在几天内完成，并且性能会更好。

您能解释一下 NuMind 的交互式人工智能开发是如何运作的吗？

交互式人工智能开发的想法来自于人类如何互相教学。 例如，假设您雇用一名实习生来对电子邮件进行分类。 您首先需要描述任务及其目的。 然后你可能会给出一些很好的例子，也许还有一些极端情况。 然后你的实习生会开始给电子邮件贴标签，然后对话就会开始。 你的实习生会带着诸如“我应该如何标记这个？”之类的问题回来。 或者“我认为我们应该为此创建一个新标签”，甚至问你“为什么”我们应该以某种方式标记。 同样，您可能会向实习生提出问题，以找出并纠正他们的知识差距。 这种教学方式非常自然，在信息交流方面也极其高效。 我们正在尝试模仿这个工作流程，以便人类能够有效地教导机器。

从技术角度来说，这个工作流程是人与机器之间的低延迟、高带宽、多模式、双向通信，我们决定将其称为交互式人工智能开发，以强调双向性和低延迟方面。 我认为这是继经典编程和经典机器学习之后教授机器的第三种范式（你只需给出一堆任务示例，让计算机弄清楚要做什么）。

这种新范式由法学硕士解锁。 事实上，你需要在机器中拥有某种已经智能的东西，才能有效地与其交互。 我相信这种范例将在不久的将来变得普遍，我们已经可以通过基于聊天的法学硕士以及我们的工具看到它的一瞥。

我们正在应用这种范式来教授 NLP 任务，但这可以而且将会用于更多用途，包括开发软件。

关于 NuMind，您还有什么想分享的吗？

也许它是一个机器学习专家和非专家都可以使用的工具，它是多语言的，你拥有你的模型，并且数据可以保留在你的机器上！

否则，我们正处于私人测试阶段，所以如果您有任何 NLP 需求，我们很乐意与您交谈并弄清楚我们是否/如何可以帮助您！

感谢您的精彩采访，想要了解更多信息的读者可以访问 纽曼德.